使用Halcon变换与校正图像

由于相机拍摄的时候可能存在角度偏差，因此实际获得的画面可能会与想象中有所差异。例如采集连续目标时，可能每幅图中目标区域的位置和角度都不一样；又或者目标对象是一块矩形区域，而在采集到的图像中，这一块可能变成了梯形或扭曲的四边形。
因此，接下来要做的第一件事，就是把这块区域进行一些调整，使之恢复成原本的矩形区域。
本节就以解决图像形状失真问题为目的，介绍Halcon中的图像二维变换方法。

1. 二维图像的平移、旋转和缩放

为了校正图像在拍摄中的失真问题，可以对图像进行一些简单的几何变换，如平移、缩放和旋
转等，这些是图形学中的基本几何变换。
一个点P。的位置可以用3个坐标表示（xp，Pp2,)，这3个坐标也可以看成一个3D向量。

1.图像的平移

如果将这个点移动（x，y）个向量，相当于在p坐标的左边乘以一个平移矩阵T。设平移后的
点为p，如公式所示。

2.图像的旋转

如果将这个点在二维平面上绕坐标原点旋转角度y，相当于在p坐标的左边乘以一个旋转矩阵
R。设旋转后的点为pr，如公式所示。

3.图像的缩放

假设这个点在二维平面上，沿x轴方向放大s倍，沿y轴方向放大s倍，那么变化后的该点
的坐标记为p，如公式所示。

2. 图像的仿射变换

把平移、旋转和缩放结合起来，可以在Halcon中使用仿射变换的相关算子。一个仿射变换矩阵包括平移向量和旋转向量。
1.仿射变换矩阵
在仿射变换前，先确定仿射变换矩阵，步骤如下。
（1)使用hom_mat2d_identity(HomMat2DIdentity）创建一个空的仿射变换矩阵。
（2）指定变换的参数，这里可以指定平移、缩放、旋转参数，举例如下。
设置平移矩阵，向x轴正方向平移30个像素，向y轴正方向平移30个像素：hom_mat2d
translate (HomMat2DIdentity, 30, 30, HomMat2DTranslate).
设置旋转矩阵，以点（P2,P,)为参考点，旋转角度phi:hom mat2d rotate (HomMat2DIdentity
rad(phi),Px,Py, HomMat2DRotate)。
设置缩放矩阵，以点（PP,)为参考点，放大2倍：hom_mat2d_scale(HomMat2DRotate,2,2,
Px,Py,HomMat2DScale)。
2.应用仿射变换矩阵
仿射变换矩阵可以应用于像素点（Pixel)、二维点（Point)、图像（Image)、区域（Region）及XLD轮廓等对象。下面分别举例。
(1）应用于像素点：使用affine_trans_pixel算子。
(2）应用于二维点：使用affine_transpoint2d算子。
（3）应用于图像：使用affine_trans _image算子。
（4）应用于区域：使用affine_trans region算子。
（5）应用于XLD轮廓：使用affine_trans_contour_xld算子。

3. 投影变换

上文介绍的仿射变换其实是投影变换的一个特殊例子，其特殊性在于变换后图像的形状仍然维持原状。投影变换包括的情况很多，有可能变换前后图像的形状发生了很大的改变，如对边不再平行，或者发生了透视畸变等，这时可以使用投影变换使其恢复原状。其步骤与仿射变换类似，首先计算投影变换矩阵，然后计算投影变换参数，最后将投影变换矩阵映射到对象上。
要计算投影变换矩阵，应找出投影区域的特征点的位置及其投影后的位置，通过hom_vector to proj_hom_mat2d算子进行换算，就可以根据已知的投影对应的点的值计算投影变换矩阵。然后使用projective_trans_image对图像进行投射变换，就能得到投影后的图像了。下面用一个实例进行介绍。

4 实例：透视形变图像校正

透视形变图像校正步骤如下。
（1）读取图像，并对图像进行简单的处理，分割出目标形变区域。
（2）获取形变区域的轮廓，并计算出顶点坐标信息。
（3）利用上一步得出的坐标信息，计算投影变换矩阵。
（4）进行投影变换。
透视形变图像校正结果如图所示。
实现代码参考如下：

*关闭当前显示窗口，清空屏幕
dev_close_window ()
*读取测试图像
read _image (Image _display, 'data/display.jpg')
*将图像转化为灰度图像
rgbl_to_gray (Image _display, GrayImage)
*获取图像的尺寸
get_image_size (Image_display, imagewidth, imageHeight)
*新建显示窗口，适应图像尺寸
dev_open_window (0, 0, imageWidth, imageHeight, 'black', WindowHandlel)
dev_display (GrayImage)
*初始化角点坐标
XCoordCorners := []
YCoordCorners := []
*阈值处理，提取较暗的区域
threshold(GrayImage,DarkRegion,0,
*分离不相连的区域
connection (DarkRegion, ConnectedRegions)
*选择面积最大的暗色区域，即屏幕区域
select_shape_std (ConnectedRegions, displayRegion, 'max_area', 70)
*裁剪屏幕区域
reduce_domain (GrayImage, displayRegion, displayImage)
*创建边缘轮廓
gen_contour_region_xld (displayRegion, Contours, 'border')
*将轮廓分割为边
segment_contours_xld (Contours, ContoursSplit, 'lines', 5, 4, 2)
*获取边的数量
count_obj (ContoursSplit, Number)
*存储每条边的起点位置
for index:=1 to Number by 1
select obj(ContoursSplit, Objectcurrent, index)
*拟合每条边
fit_line_contour_xld (0bjectcurrent, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, NI, Nc, Dist)
*存储每条边的顶点x坐标
tuple_concat (XCoordCorners, RowBegin, XCoordCorners)
*存储每条边的顶点y坐标
tuple_concat (YCoordCorners, ColBegin, YCoordCorners)
endfor
*投影变换，为4个特征点与校正后的坐标建立关联
XOff:= 100
YOff:= 100*imageHeight/imagewidth
hom_vector_to_proj_hom_mat2d (XCoordCorners, YCoordCorners, [1,1,1,1], [YOff,YOff, imageHeight-YOff,imageHeight-YOff], 
[xoff,imagewidth-xOff, imagewidth-XOff,XOff],[1,1,1,1], 'normalized dlt', HomMat2D)
*投影变换
projective_trans_image (Image _display, Image rectified, HomMat2D, 'bilinear', 'false','false')
*显示校正结果
dev_display (Image _rectified)