select_shape算子的使用与特性

用过Halcon的基本都用过这个select_shape,灵活用起来，还是非常好用的。

下面来说说它的使用。

我们阈值分割后，通常的想法是直接选取自己感兴趣的。

但是这是非常理想的状态，按这个思路写的程序，八成要被工程蹂躏。

一般用select_shape算子来进行两类的操作来达成工程上更好的鲁棒性：

1. 首先是用select_shape很小心的过滤掉确定没用的干扰区域，但是有用信息又不会损失太大。

   比如用area去掉dyn_threshold提取出来的很多小噪点。比如离目标较远的其他选中区域去掉等。

2. 进行blob分析和形态学操作，对感兴趣的目标特征进行各种特征增强，为后面的最后提取目标做准备。
3. 最后再用select_shape，一般用多条件组合来选取目标区域。

这样写出来的程序才具有更好的鲁棒性，更能适应工程需求。

在它的各项特征中，最常用而有效的就是area面积了，

另外其他的特性虽然用的没那么普及，但是深入理解每个特性的具体定义，绝对是事半功倍。

比如用圆度去除非圆弧长条，反之，离心率提取细长特征体等等。

磨刀不误砍柴工，花在这个select_shape上的时间是绝对值得的。

• 题外话：模板匹配，边缘提取，多种阈值分割都值得花力气掌握，后面有时间陆续写。

下面是select_shape的Feature的中英文解释

核心：提取出来目标形状和干扰形状最大最明显的本质特征差别，组合特性进行筛选。

'area': Area of the object
           

目标的面积：ROI面积大小进行筛选，去掉小面积的干扰，和其他组合效果更好。

'row': Row index of the center
'column': Column index of the center
           

中心行列的值：定位在一个范围进行筛选

'width': Width of the region
'height': Height of the region
           

区域的宽度和高度：对区域的整体大小占地进行筛选

'row1': Row index of upper left corner
'column1': Column index of upper left corner
           

左上角的行列值：可以得到形状的最左最上值

'row2': Row index of lower right corner
'column2': Column index of lower right corner
           

右下角的行列值：可以得到形状的最右最下值

圆度，与圆相似程度，圆度=区域面积/((中心到区域边界的最大距离)^2PI)，区域面积和以最大距离为半径的圆面积做比较，越接近圆，这个比值就会越接近1。

圆度对于大的凸起、孔洞和不相连的区域敏感。必须实心圆度才高。

紧凑度=轮廓的长度^2/(4区域的面积PI)。一个圆的紧凑度是1。如果区域是长条或有孔，则紧凑度大于1。

紧凑度对粗糙度和孔洞敏感。大于1，外表越是粗糙毛刺多，值越大。孔洞多，值越大。越接近实心圆越紧凑。铁匠锻铁块就是这样的。

轮廓长度：轮廓线的总长度。同等尺寸下，多刺多孔的值大。

凸性，又称凸度，凸性=凸包面积/原区域面积，如果是矩形、圆，凸性为1，如果区域含有缺口或孔洞，凸性小于1. 凸包内每个顶点所对应的内角是否小于180度

矩形相似度，越接近矩形，就越接近1，否则小于1

等效椭圆的主半径

等效椭圆的副半径

等效椭圆的方向

离心率,等距=等效椭圆主轴/副轴

蓬松性=PI主轴*副轴/区域面积

结构元素

最小外接圆的半径

最小内接圆的半径

区域最大内接矩形的宽度

区域最大内接矩形的高度

从区域边界到中心的平均距离

从区域边界到中心的偏差

圆度

多边形的边的数量

连接区域的数量

孔洞数

目标的孔洞面积

区域最大直径

区域方向

欧拉数

最小外接矩形的方向

最小外接矩形的长度的一半

最小外接矩形的宽度的一半

区域的几何矩