这个步骤应该放在图像处理四部曲的前面，为什么呢？
举例说明： 你用相机每次拍照的图像，这个图像在相机里面视野中位置每次都有变化的。
根据不同机械设计能力，不同的方案，这个位置变化也是不一样的。
通常来说如果用分割器搬运物体这个位置变化应该在0.3MM-1MM之间。
有些极端的例子 比如检测运转中的物体，那么这种偏差就更大了。
图像在视野中的位置不确定，那么你后面的很多图像操作就不能用了，比如尺寸测量之类的。
××××××××××××××××××××××××××××××××××
为此我们提出仿射变化，根据图像中最明显的特征，生成一个变换矩阵，最后呢将图像变化到同一位置。
简而言之放射变化的流程是：
获得图像中最明显的特征元素说白了一眼就看出了，比如颜色反差很大的地方。
之后生成一个变换矩阵。
最后根据这个矩阵调整原始图像的位置， 这种调整可以平移 ，旋转，缩放，还有很多。
据我所知，基恩士 康耐士，欧姆龙都有位置自动调整的功能，所以众位做基于PC的视觉的老大，我们也要跟上。 不能被那帮做智能机的打败了。
×××××××××××××××××××××××××××××××××
后记：以上介绍放射变化的背景，并且说明了放射变化在整个图像处理过程中位置。
下面将详细说明仿射变化的操作流程。
仿射操作第一步：找特征 我们要找特征，那么特征要明显才好。 比如下面这张图， 最明显的是什么？ 是秋叶 篮子 ，狗。。。。 记住灰度反差大的地方。 这里我们可以选择狗的眼睛 或是鼻子作为特征。 又比如下图 这张图的特征有很多，比如中间带有缺口圆就很不错。 ×××××××××××××××××××××××××××× 虽然仿射变化是排在图像处理四部曲之前的，但是对一些有噪声或模糊的图片 我们也可以进行一些 除噪声和边缘提取的工作，目的只是让获取的特征更加明显。 特别需要注意的是 不论是去噪声还是边缘提取都不可以让图过于失真，不然提取到的特征就是失真的。 仿射变换有两种策略（策略 呵呵 一听就是专业装13人士），找特征 一种是模板搜索 一种是边缘提取和形态学分析。 关于模板匹配搜索请见我的帖子：http://www.ihalcon.com/read-2749-1.html#18254 关于边缘提取和形态学分析。 请见我的影像处理四部曲。（由于我们选择的特征都是很明显的，所以使用到边缘提取和形态学分析会很简单） ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××
仿射操作第二步： 生成变换矩阵（这名太恶心了，其实就是模板了 或是说MASK）
根据需要的特征数量，我们将生成仿射变化模板（这名是我自己取的）的函数分成三类。
一：根据一个特征 角度 生成仿射变化模板
甲：hom_mat2d_identity（生成一个空模板） hom_mat2d_rotate （向模板里添加旋转参数）
hom_mat2d_scale（向模板里添加缩放参数） hom_mat2d_translate（向模板里添加平移参数）
乙：vector_angle_to_rigid（直接生成一个参数齐全的模板）
参数依次是：原始点X Y 角度 最终点 X Y 角度 最后生成一个模板
二：根据两个以上特征生成仿射变化模板
甲：vector_to_rigid 生成一个可以进行旋转 平移 但不能缩放的模板
乙：vector_to_simlarity 生成一个可以 旋转 平移 缩放的 模板
三：根据三个以上特征生成仿射变化模板
甲：vector_to_hom_mat2d ？？？
乙：vector_to_hom_mat2d
这两个函数非常强大，强大到无法领悟。先将其供奉在这里 ，以后拆解。
××××××××××××××××××××××××××××××××××××××××××××××××××××××××××
仿射变化第三步： 使用仿射变换模板（）
经过前面两步骤咱们生成了模板，说实话不容易。如果不容易得到的东西当然要好好使用。
贴心的HALCON 开发人员为我们送来了好多函数 用于使用这些模板。
他们是：
affine_trans_contout_xld
affine_trans_image
affine_trans_pixel
affine_trans_point_2d
affine_trans_polygon_xld
affine_trans_region
其实呢 还有很多。
××××××××××××
此处我们有两种个方向可以选择：
方向一：让图进行仿射变换，这样后面的图像处理工具或是函数的坐标参数就不用改了。
方向二：让图像处理工具或是函数的坐标进行仿射变换，图像的位置可以每张图都不同。
×××××××××××××××××××××××××××××××××××××××××××××× 首先从宏观上对例子进行分类。（宏观！ 一股浩然之气油然而生） 啥叫宏观呢？ 请看下图。 一： 有哪些特征提取方式呢？ 前面说了 模板匹配搜索 和 边缘提取&形态学分析处理 二：有那些变换函数 这不是嘛 affine_trans_contout_xld affine_trans_image affine_trans_pixel affine_trans_point_2d affine_trans_polygon_xld affine_trans_region 一堆啊 HALCOIN这帮研发人员还是比较可人，封装了好多函数。（封装：专业计算术语，高能装B词汇。通杀计算编程低中高所以语言，你值得了解） 三：最后这条就不解释了。虽然我是幼儿园绘画水平 但是这几个你老人家想必是认识的。 ×××××××××××××××××××××××××××××××××××××××8 古人云 先易后难，做啥事都讲究个次第（佛教专业术语，此处不敢亵渎 。 其实就是顺序的意思）。 好了第一个例子是 使用全局阈值分割获取特征点， 然后使用 vector_angle_to_rigid 生成仿射变换矩阵（就是模板了） 最后让图像位置不调整，调整 ROI位置。 ×××××××××××××××××
前言：手上没有素材 就借用halcon学习网的素材，请不要介意。 ××××××××××××××××××××××××××××××××××××××××××××××××× 目标图标是： 看到这幅图像 ， 估计大家一下就看出来了，我们选择中间白色圆的中心点做为特征点是相当合适的。 好处仿射变换处理第一步：特征点提取。 ***下面程序的目的是找出变换的原点 **************************************************************************** dev_set_color ('red') ** 读取第一个图像 ，用于提取特征点。 read_image(Image,'E:/HALCON 函数库/测试最简单的仿射变换/图片/1.bmp') **这么清楚的图像 整个全局阈值吧 threshold(Image, Region, 210, 255) connection(Region, ConnectedRegions) ** 可以用outer_radius （最小外接圆的半径的）来提取 **不过此处我用宽度'width'来提取 select_shape ( ConnectedRegions, SelectedRegions,\ [ 'circularity','width'], 'and', [0.8,120],[1,500]) fill_up (SelectedRegions, RegionFillUp) *获得ROI的质心（（就是重心了） area_center(RegionFillUp, Area0, Row0, Column0) **将重心标记出来 dev_set_color ('green') **辛辛苦苦把特征点都逮着了 标记一下吧 不能让这货跑了。 gen_cross_contour_xld (Cross, Row0, Column0, 30, 0.785398) *******************************************************************************8 中间插一句： 我们先把我们变换的ROI给确定以后，当然了 你在后面 也是说不可以了。 这个ROI只是一个范例，正式操作的时候 可能有很多ROI了。 不过呢。。操作流程都是一样的。 **下面程序的目的创建一个矩形 这个矩形将在后面的被变换 **画出一个测定区域 dev_set_draw ('margin') * draw_rectangle1(3600,Row1, Column1, Row2, Column2) **使用上面的画出来的矩形坐标 gen_rectangle1 (Rectangle, 448, 940, 630, 1125) *****************
好了 特征点有了，要变换的ROI也有了。 我们就把要处理的图片导入 。开始计算变换矩阵。 使用变换矩阵去处理ROI了。 **正式开始对每一个图片变换 **使用助手创建一些可以自动读取图片的代码 * Image Acquisition 01: Code generated by Image Acquisition 01 list_files ('E:/HALCON 函数库/测试最简单的仿射变换/图片', ['files','follow_links'], ImageFiles) tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$',\ 'ignore_case'], ImageFiles) for Index := 0 to |ImageFiles| - 1 by 1 dev_set_color ('red') read_image (Image, ImageFiles[Index]) **重复上面找特征点的过程 对每一个读取的图像进行处理。 threshold(Image, Region, 210, 255) connection(Region, ConnectedRegions) select_shape ( ConnectedRegions, SelectedRegions,\ [ 'circularity','width'], 'and', [0.8,120],[1,500]) fill_up (SelectedRegions, RegionFillUp) area_center(RegionFillUp, Area10, Row10, Column10) dev_set_color ('green') gen_cross_contour_xld (Cross10, Row10, Column10, 30, 0.785398) ******************************************** 最后开始变换就可以了。
**如果找到了 特征点 那么小伙伴们 就可以愉快的玩耍了
if(|Row10|>0)
**生成变化矩阵
vector_angle_to_rigid (Row0, Column0, 0, Row10, Column10, 0, HomMat2D)
**使用变换矩阵对前面话的ROI变换 位置 角度 开始位置补正《==》仿射变换《==》跟随 被变换的是那个矩形
affine_trans_region (Rectangle, RegionAffineTrans, HomMat2D, 'nearest_neighbor')
endif
stop()
dev_clear_window ()
endfor
后记：图片库最后一张图片 无法找到特征点。 所以需要改善 特征点寻找算法。
但是这不难。 随意留给的自己摸索和提升的地方。。
大家有答案了 可以在回帖中写出来。
