Halcon，大名鼎鼎，如雷貫耳，機器視覺領域無人不知，無人不曉，但很多初學的同學被一大堆SDK（算子）看的蒙頭轉向，喪失信心，在這里，我談談halcon的學習方法和心得。

此所謂halcon開始學習、學習的過程、學習的結果。 學halcon的三個過程，開始學習的時候，你要有目標，哪怕你現在是學生還是轉行來學習halcon的人，心中要有一個目標，不能做一條“閑魚”就滿足了。學習halcon過程中，不拋棄不放棄，衣帶漸寬終不悔為伊消得人憔悴。當你堅持學習下來，經過不斷努力學習，成長起來，卻無意間看到那人正在燈火闌珊處，勝利儼然已經歸來。 我們去了解機器視覺發展歷史就知道，機器視覺是產業驅動發展的， 我們學習halcon也是通過機器視覺應用場景驅動的，機器視覺應用主要分為四大類：定位、識別、測量、檢測，學習halcon我們主要圍繞著著四類問題進行展開，每個應用通過幾個項目總結和歸納，我覺得就已經入門了，真正要成為資深視覺工程師，還需要項目經驗、工程實踐經驗來進行深入。 ?

機器視覺應用場景分類

視覺定位

視覺定位應用主要是找到物體的位置，那么怎么找？在這里一個重要的步驟就是標定，標定是把相機的像素坐標系轉換為機械上的物理坐標系，使得圖像中的識別的像素值轉換為機械坐標值后發送給機械運動，找到目標位置。

坐標變換過程 在標定過程中，使用halcon，不需要你自己解矩陣，一個算子搞定?vector_to_hom_mat2d( : : Px, Py, Qx, Qy : HomMat2D)?輸入像素坐標點Px,Py，輸入機械坐標點Qx,Qy生成一個仿射變換矩陣，比如我用模板匹配查找到了一個像素點（X,Y），那么通過affine_trans_point_2d( : : HomMat2D, Px, Py : Qx, Qy)就可以計算出機械坐標，入門，你知道這些就夠了，至于深入的應用，比如不共軸情況那就是后面入門之后的事情。

計算坐標 那么，上面說的定位標定是一個純數學問題，那么現在我們怎么找到特征點？怎么做定位？在這里就要用halcon的圖像處理算子了，常用的定位方法有模板匹配、blob定位、圓查找、線查找， 模板匹配是亞像素精度（sub-pixel），定位中大多數場合會使用，模板匹配2個核心算子，也是最常用的，至于其他的可變性、基于點、基于灰度、基于描述符、局部可變性、可變性的基本在實際應用中應用的很少，基于此，你只需要知道在哪里找到halcon的這些模塊例程，用到了去學習即可。查找方法 在Hdevelop中 快捷鍵 Ctrl+E->方法 中查找

常用圖像定位方法

查找例程 ?

模板匹配

當然，在進行模板匹配之前，可能會用到很多圖像預處理，比如進行圖像濾波mean_image、gauss_filter、smooth_image、binominal_filter等濾波算子，還會進行ROI（region of interest）設置圖像感興趣區域，所用到的halcon算子是draw_開頭的一些列算子，在HDevelop中，按F1幫助按鈕，搜索draw_可以看到畫圓、畫橢圓、或線、畫點、畫多邊形等都有，其中*_mod代表在原有的圖像基礎上修飾圖形，這樣這一些系列算子你又記住了，是不是很簡單

交互畫ROI

直接創建和通過輪廓創建模板 直接通過create_shape_model創建模板會有很多不需要的輪廓，我們通過xld來進行創建，通過edges_sub_pixel獲取亞像素輪廓，然后通過select_shape_xld的長度特征刪選掉一些不必要的輪廓，大家可以看到，基本上每一個算子的含義都可以通過算子的組合理解到，何況halcon中有智能提示、VS中也有智能提示，只需要打出一個單詞你就可以選擇了。

blob定位

使用blob定位就是精度不高的情況或者用來做粗定位了，在halcon中，搜索threshold可以出現一系列二值化操作的接口（如果大家用的多了，在OpenCV或則其他算法庫都一樣），可以得到一系列二值化操作，常用的有threshold、auto_threshold、binary_threshold、dyn_threshold、var_threshold，其他的閾值很少用。

Threshold判斷出產品是否OK

找線、找圓

在這里有一個重要的算子gen_measure_rectangle2，這個算子是準備一個測量對象，然后通過mesure_pos/measure_pair進行測量邊界點，最后通過fit_circle_contour_xld和fit_line_contour_xld進行擬合出圓和直線。

擬合直線和擬合圓 總結一下，定位類項目，一個關鍵是標定，另一個關鍵就是定位算法，大多數情況下定位都是通過找模板來定位。

視覺測量

視覺測量項目類應用主要是應用在有2個步驟，第一步粗定位，第二部測量。定位階段使用模板匹配create_shape_model、find_shape_mode來解決，然后使用vector_angle_to_rigid生成一個仿射變換矩陣，使用這個矩陣矯正圖像affine_trans_image，使用之后使用gen_measure_rectangle2生成測量對象，通過mesure_pos/measure_pair進行測量邊界點，最后通過fit_circle_contour_xld和fit_line_contour_xld進行擬合出圓和直線，最后利用halcon中的 distance_算子來計算點點測量、點線測量等。 這類應用比較簡單，應用也比較廣泛。

找點擬合圓

識別項目

識別項目，識別什么？通常在機器視覺領域，識別主要是進行OCR、一維碼、二維碼的識別。

OCR

在halcon傳統識別中，要識別OCR，就要先分割出字符，分割字符最常用的就是閾值分割，也就是帶threshold的系列算子組合，再通過濾波算子組合、形態學算子處理區域，把字符完全分割出來識別

分割字符步驟 分割出來后就可以使用halcon 的create_ocr_class_mlp/svm/knn/box創建分類器，再就調用trainf_ocr_class_mlp訓練字符，通過write_ocr_class_mlp寫入字符句柄到文件中，clear_ocr_class_mlp清理create_ocr_class_*創建的句柄對象，以免句柄內存泄漏。 在識別字符的時候通過read_ocr_class_mlp讀取字符模型再通過do_ocr_single_class_mlp讀取字符即可。大家看到這個過程是 create->trainf->write; read->do_ocr，在大多數halcon應用中都是這個模式，創建->訓練->寫入文件, 讀取文件->識別， 這些都是經驗套路。 當然halcon中OCR字符識別模塊已經有預訓練好的字符，這些事常用的，但在很多實際項目情況中是需要自己訓練的。

halcon默認訓練的字符庫

一維碼

一維碼識別中，create_bar_code_model創建一維碼模型，通過set_bar_code_param設置一維碼參數，通過find_bar_code查找一維碼內容，最后clear_bar_code清空數據模型。在一維碼應用中，我們沒有做圖像預處理的工作，halcon通過set_bar_code_param設置一些參數，就可以解碼出一維碼了，halcon強大的圖像處理能力。

二維碼

二維碼識別中，create_data_code_2d_model創建二維碼模型，通過set_data_code_2d_param設置二維碼參數，再通過find_data_code_2d查找二維碼的內容，最后clear_data_code_2d_model清空數據模型，同樣，在這里沒有做圖像預處理工偶，halcon通過set_data_code_2d_param參數，強大的算法就可以解碼了。 總結一點，識別類應用主要是在軟件層的設計，軟件層需要設計出交互好用的軟件，以及讀取數據后對一維碼、二維碼數據的處理，以及跟第三方平臺對接，所以這才是實際項目中不確定的。

視覺檢測

在這里視覺檢測是一個綜合應用算子的場景，你可能會使用blob來進行檢測，也可能使用模板匹配來進行檢測，也可能用FFT，以及顏色識別，視覺檢測的情況非常多，這也是實際項目中最多的非標項目，在這里使用的最多的就是blob算法，產品有無、產品臟污、產品破損、產品裂紋等都可以通過blob特征來區分，用到的算子還是上面提到的， 不過視覺檢測很依耐圖像成像，比如現實項目中的布匹、瓷磚等檢測圖像成像是主要問題，還有就是線掃相機的掃描速度！

視覺檢測常用的算法處理 至于FFT傅里葉變換，是把空間信息轉化為頻域信息，使用的算法很少 ，rft_generic->convol_fft->rft_generic，最后通過blob來進行處理，再加上形態學。

FFT 上面是一個大的分類，至于大家經常聽到的標定，在這里有很多種類型標定，視覺定位中的標定上面已經說了，vector_to_hom_mat2d/affine_trans_point_2d。還有尺度標定，尺度標定就是一個像素轉物理單位的過程，在測量項目中會用用到，經常性的使用一個標定塊計算出單像素大小即可。畸變標定，這是圖像校正，當我們使用焦距比較短比如8mm的鏡頭時，畸變比較大，在HDevelop->助手->打開Calibration進行標定即可，使用halcon標定助手外加一塊標定板解決。

標定 當然這四大類不是獨立運行的， 很多項目同時存在定位、缺陷、測量、識別的情況，這就要考驗工程師的應用能力了，要熟練的使用起來，這些基本的幾大類知識點要明白的。 ?

審核編輯：黃飛

?