Halcon 机器视觉编程初探

很早以前就打算深入研究一下Halcon机器视觉开发了，利用工作之余，捣鼓了一下，稍微试用了一下，立刻体会到，果真这个软件不是一般的牛逼，对于很多不是计算机图像专业出生的工程师来说，终于可以从晦涩难懂的高等代数与微积分，以及各种矩阵方程中解脱出来，让你不必了解图像处理理论，直接处理业务核心逻辑，极大的缩短了机器视觉的开发周期。本文以微软VS2010中使用MFC开发基于Halcon11的机器视觉应用为例，为很多像我一样的初学者做登堂入室的垫脚石。闲话少说，详见下文所述。

首先，在VS2010中使用MFC配置Halcon11，这一步虽然简单，但有很多初学者在迈出这第一步的时候就碰了一鼻子灰，无论怎么配置，程序就是编译通不过。不要着急，请仔细看好了。以基于对话框的MFC应用程序为例。

第一步，建立MFC应用程序，给工程取个名字叫HalconFirstStep,如下图所示：

第二步，选择基于对话框的应用程序，如下图所示：

第三步：在本例中，我们在对话框中，添加两个按钮，一个按钮用来加载图片，一个用来处理图片，如下所示：

第四步：我们在菜单栏找到”Project“ -> "HalconFirstStep Properties...",在弹出的对话中中，选择左边窗口选择VC++ Directories, 在右边窗口中选择Include Directories,添加Halcon的头文件路径，这个视Halcon的安装路径不同而不同，也许你电脑上的安装路径和下图中显示的有所出入。头文件路径包含两个路径，一个指定Halcon的Include文件夹位置，一个指定Include文件夹下CPP的位置。如下图所示：

第五步：还是在左边窗口选择VC++ Directories, 在右边窗口中选择Library Directories,添加Halcon的lib文件路径，如下图所示：

第六步：在左边窗口中选择C/C++, 在下拉树形列表中选择General，在窗口右边选择Additional Include Directories，配置Halcon头文件所在路径。如下图所示：

第七步：在窗口左边Linker下选择General，在窗口右边选择Addtional Library Directories，配置Halcon库文件所在路径，如下图所示：

第八步： 在左边窗口的Linker下选择Input，在右边窗口中选择Additional Dependencies 输入Halconcpp.lib。如下图所示：

在这一步需要注意的是，如果你安装的是Halcon的版本号是11.0.0.1的话，这里Additional Dependencies 输入的应该是halconcpp10.lib。这是因为11.0.0.1实际上仍然使用的是Halcon10所用的静态链接库。Halcon 11.0.0.1其实并不是真正意义的11.0版本。很多初学者，在安装了Halcon11.0.0.1版本后，参考网上的配置方法，程序编译时死活说找不到符号。多半都是卡在这里。笔者就被这个问题折磨了两天。

经过以上八步，恭喜你，VS 2010配置Halcon 11算是大功告成。接下来就是好戏上演的时刻了，我们要开始编代码来演示我们的例子了。

第九步：在HalconFirstStepDlg.h 文件开始处，添加代码：

#include "halconcpp.h" using namespace Halcon;

注意，如果你安装的Halcon版本是11.0.0.1的话，实际上这个版本仍然和Halcon10一样，使用的是Halcon命名空间，而不是HalconCpp。

第十步：我们在HalconFirstStepDlg.cpp文件中，添加一个全局变量来存储打开的图片。

Hobject img;

第十一步：添加读取图片按钮的响应代码，我们双击对话框中的”加载图片“按钮，添加下面的代码：

void CHalconFisrtStepDlg::OnBnClickedButton1()
{ //获取图像窗口父窗口句柄 CRect rect;
	HWND hwnd = GetDlgItem(IDC_STATIC1)->m_hWnd;
	GetDlgItem(IDC_STATIC1)->GetWindowRect(&rect); //打开图像窗口 Hlong windowId;
	open_window(0,0,rect.Width(),rect.Height(),(Hlong)hwnd,"visible","",&windowId); //将图像读入内存 read_image(&img,"mreut"); //获取图像大小 HTuple width,height;
	get_image_size(img,&width,&height); //按照比例缩放到图像窗口 set_part(windowId,0,0,width,height); //显示图像 disp_obj(img,windowId);
}

上面的代码中读取的图片，是怎样一副图片呢，如下图所示：

在这幅卫星图片中，我们的目的是，找出公路所在区域，并把它用红色标记出来。从这幅图片的特征我们不难看出，公路与周围草坪的颜色反差很大，草坪和公路颜色泾渭分明，所以，我们对图像进行二值化处理，区域灰度在阈值以下的全部变黑，区域灰度在阈值以上的全部变白，只留下阈值范围内的区域。然后联通所有存在的区域，并选择其中最大的区域。有了这样的思路，我们就可以给按钮“图像处理”单击事件添加下面的代码：

void CHalconFisrtStepDlg::OnBnClickedButton2()
{ //获取图像窗口父窗口句柄 CRect rect;
	HWND hwnd = GetDlgItem(IDC_STATIC2)->m_hWnd;
	GetDlgItem(IDC_STATIC2)->GetWindowRect(&rect); //打开图像窗口 Hlong windowId;
	open_window(0,0,rect.Width(),rect.Height(),(Hlong)hwnd,"visible","",&windowId); //获取图像大小 HTuple width,height;
	get_image_size(img,&width,&height); //按照比例缩放到图像窗口 set_part(windowId,0,0,width,height); //显示图像 disp_obj(img,windowId);
	Hobject BrightRegion,ConnectedRegion,SelectedRegion; //将图像二值化，设定阈值下限为180，上限为255 threshold(img,&BrightRegion,188,255); //连通阈值范围内明亮区域 connection(BrightRegion,&ConnectedRegion); //选择连通区域内面积最大的区域 select_shape_std(ConnectedRegion,&SelectedRegion,"max_area",0); //设定选择区域的颜色为红色 set_color(windowId,"red"); //显示选择区域 disp_obj(SelectedRegion,windowId);	
}

好了，完整的程序代码到这里就全部结束了，我们来检验一下程序的运行效果，我们调试运行一下，先点击“载入图片”，然后点击“处理图片”按钮。果然程序按照我们预想的那样工作了。怎么样，是不是很惊喜呀。我们惊喜的同时，要感谢那些为Halcon编写算法的那些算法工程师和数学家，感谢他们为我们提供了一个这么智能的视觉开发包。下图是程序运行效果。

要转载本文，请注明出处，尊重知识产权。