Halcon学习之三:有关图像通道的函数

黑白摄像机会返回每个像素所对应的能量采用结果,这些结果组成了一幅单通道灰度值图像,而对于RGB彩色摄像机,它将返回每个像素所对应的三个采样结果,也就是一幅三通道图像。下面这些是与图像通道有关的函数:

1、access_channel ( MultiChannelImage : Image : Channel : )

获取多通道图像MultiChannelImage的Channel通道的图像Image。

2、append_channel ( MultiChannelImage, Image : ImageExtended : : )

将Image图像的通道与MultiChannelImage的通道叠加得到新图像ImageExtended。

3、channels_to_image ( Images : MultiChannelImage : : )

将多幅单通道图像合并成一幅多通道图像

4、compose2 ( Image1, Image2 : MultiChannelImage : : )

将两幅单通道图像合并为二通道图像。Compose3、Compose4以此类推。

5、count_channels ( MultiChannelImage : : : Channels )

计算MultiChannelImage 的通道个数Channels

6、decompose2 ( MultiChannelImage : Image1, Image2 : : )

将一幅二通道图像转换为两幅单通道图像。Decompose3、Decompose4以此类推。

7、image_to_channels ( MultiChannelImage : Images : : )

将多通道图像转换为多幅单通道图像。

相关例程为:

[c-sharp] view plain copy

  1. * 输入图像
  2. read_image (Image, ‘G:/Halcon/机器视觉/images/claudia.png‘)
  3. * 计算图像的通道数
  4. count_channels (Image, Num)
  5. * 读取每个通道的图像
  6. for index := 1 to Num by 1
  7. access_channel (Image, channel1, index)
  8. endfor
  9. decompose3 (Image, image1, image2, image3)
  10. compose2 (image3, image2, MultiChannelImage1)
  11. append_channel (MultiChannelImage1, image3, ImageExtended)

相关处理结果为:

时间: 2024-10-03 05:06:53

Halcon学习之三:有关图像通道的函数的相关文章

Halcon学习之八:图像区域叠加与绘制

版权声明:本文为博主原创文章,未经博主允许不得转载. overpaint_gray ( ImageDestination, ImageSource : : : )  将灰度值不相同区域用不同颜色绘制到ImageDestination中, ImageSource包含希望的灰度值图像 overpaint_region ( Image, Region : : Grayval, Type : ) 将Region以一个恒定的灰度值绘制到Image图像中 paint_gray ( ImageSource, 

Halcon学习之二:摄像头获取图像和相关参数

1.close_all_framegrabbers ( : : : ) 关闭所有图像采集设备. 2.close_framegrabber ( : : AcqHandle : ) 关闭Handle为AcqHandle的图像采集设备. 3.open_framegrabber ( : : Name, HorizontalResolution, VerticalResolution, ImageWidth, ImageHeight, StartRow, StartColumn, Field, BitsP

【OpenCV入门教程之三】 图像的载入,显示和输出 一站式完全解析

了解过之前老版本OpenCV的童鞋们都应该清楚,对于OpenCV1.0时代的基于 C 语言接口而建的图像存储格式IplImage*,如果在退出前忘记release掉的话,就会造成内存泄露.而且用起来超级麻烦,我们往往在debug的时候,很大一部分时间在纠结手动释放内存的问题.虽然对于小型的程序来说手动管理内存不是问题,但一旦我们写的代码变得越来越庞大,我们便会开始越来越多地纠缠于内存管理的问题,而不是着力解决你的开发目标. 这,就有些舍本逐末的感觉了. 而自从OpenCV踏入2.0时代,用Mat

Halcon学习(八)文本操作

标签: 学习 杂谈 分类: halcon学习 1.open_file( : : FileName, FileType : FileHandle) FileType: 'output':创建文本 ‘append':在原有的文本基础上写入该文件 'input':打开文件 2.fwrite_string( : : FileHandle, String : ) 写入文件 3.fnew_line( : : FileHandle : ) 换行 4.close_file( : : FileHandle : )

Halcon学习笔记之支持向量机(二)

例程:classify_halogen_bulbs.hdev 在Halcon中模式匹配最成熟最常用的方式该署支持向量机了,在本例程中展示了使用支持向量机对卤素灯的质量检测方法.通过这个案例,相信大家可以对支持向量机的使用有一个更加清晰的了解.在相当多的检测和识别的应用中,都可以使用相同的方法来解决分类问题. 图1. 卤素灯图像 大致原理: 一.准备阶段:描述样本 1. 准备好两组卤素灯图像样本,好坏的各若干张图像: 2. 对样本图像进行分割,获取卤素灯关键部位区域: 3. 选择合适的对图像的描述

【SQL Server】系统学习之三:逻辑查询处理阶段-六段式

一.From阶段 针对连接说明: 1.笛卡尔积 2.on筛选器 插播:unknown=not unknuwn 缺失的值: 筛选器(on where having)把unknown当做FALSE处理,排除在筛选结果之外.如果比较两个null,结果是不相等的,false check约束中当做true,例如要求某列大于0,当插入null时是成功的,认为null>0是ture.如果比较两个null,结果是相等的,这种比较在unique约束.集合运算(例如union .except).排序.分组,都认为是

数字图像处理之python篇二:图像通道\几何变换\裁剪

一.图像通道 1.彩色图像转灰度图 from PIL import Image import matplotlib.pyplot as plt img=Image.open('d:/ex.jpg') gray=img.convert('L') plt.figure("beauty") plt.imshow(gray,cmap='gray') plt.axis('off') plt.show() 使用函数convert()来进行转换,它是图像实例对象的一个方法,接受一个 mode 参数,

OpenCV2学习笔记:图像的读取与显示

1. 图像读取:imread() Mat imread(const string& ?lename, int ?ags=1 ) 参数介绍: filename: 待加载的文件名称. flags: 此标志用来指定被加载图像的颜色类型(color type).这个标志的取值可以有: -- CV_LOAD_IMAGE_ANYDEPTH : 如果设置这个标志的话,如果图像为16位或32位深度的图像,则返回对应深度的图像:否则,将图像转换为8位深度图像再返回. -- CV_LOAD_IMAGE_COLOR

图像编程学习笔记5——图像镜像

以下文字内容copy于<<数字图像处理编程入门>>,code为自己实现,是win32控制台程序. 镜象(mirror)分水平镜象和垂直镜象两种.图2.2的水平镜象和垂直镜象分别如图2.13和图2.14所示 图2.13   图2.2的水平镜象 图2.14   图2.2的垂直镜象 镜象的变换矩阵很简单.设原图宽为w,高为h,变换后,图的宽和高不变. 水平镜象的变化矩阵为: (2.10) 垂直镜象的变化矩阵为: (2.11) 镜象变换的源代码如下,因为和平移的那段程序很类似,程序中的注释