labview调用halcon实现目标检测-obb，源码，labview2018 64位，halcon22.05，里面包含模型和测视集

最近在搞目标检测相关项目，发现LabVIEW调用Halcon实现目标检测 - OBB（Oriented Bounding Box，定向边界框）这个组合挺有意思，今天就来跟大家分享一下具体实现过程。咱们用的是LabVIEW 2018 64位版本，搭配Halcon 22.05，并且我这里面还包含了训练好的模型和测试集哦。

一、环境搭建

LabVIEW 2018 64位安装

这个安装过程相对常规，按照安装向导一步步来就行，记得在安装过程中留意选择64位版本。安装完成后，可以先打开LabVIEW熟悉一下界面，看看有没有报错啥的。

Halcon 22.05安装

Halcon的安装也不复杂。安装时，注意选择正确的版本路径，安装完成后，它会提供一系列的函数库和工具，这是我们实现目标检测的重要基础。

二、LabVIEW调用Halcon关键代码解读

初始化Halcon环境

在LabVIEW中，要调用Halcon首先得初始化环境。下面这段代码就实现了这个功能：

// 初始化Halcon环境
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::HDevOpenWindow
  Inputs: 
    0 (width), 0 (height), 100 (row), 100 (column), 0 (parent), "visible", "", WindowHandle

这里通过调用HOperatorSet::HDevOpenWindow函数来打开一个Halcon窗口，为后续显示图像和检测结果做准备。width和height设置为0，表示窗口大小自适应，row和column指定了窗口在屏幕上的起始位置，parent设为0表示该窗口没有父窗口，“visible”表示窗口可见。

加载模型

模型是目标检测的核心，加载模型的代码如下：

// 加载训练好的OBB目标检测模型
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::ReadClassifier
  Inputs: 
    'path_to_your_model/classifier.hclass', ClassifierHandle

这里通过HOperatorSet::ReadClassifier函数从指定路径读取训练好的模型文件“classifier.hclass”，并将模型句柄存储在ClassifierHandle中，后续检测就靠这个模型句柄来操作了。

图像读取与预处理

// 读取图像
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::ReadImage
  Inputs: 
    'path_to_your_image/image.jpg', Image
// 图像灰度化
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::Rgb1ToGray
  Inputs: 
    Image, GrayImage

首先用HOperatorSet::ReadImage函数读取指定路径的图像，接着为了方便后续处理，使用HOperatorSet::Rgb1ToGray函数将彩色图像转换为灰度图像。灰度图像在很多图像处理算法中计算量更小，也更有利于特征提取。

目标检测 - OBB执行

// 执行OBB目标检测
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::ClassifyObject
  Inputs: 
    GrayImage, ClassifierHandle, 'method_name', 0, [], [], Row, Column, Angle, Score

这里调用HOperatorSet::ClassifyObject函数，输入灰度图像和之前加载好的模型句柄，以及一些检测参数。函数执行后会返回检测到的目标的中心行坐标Row、中心列坐标Column、旋转角度Angle以及置信度分数Score，这些信息可以帮我们确定目标的位置和类别置信度。

结果显示

// 在Halcon窗口显示检测结果
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::DispObj
  Inputs: 
    Image, WindowHandle
Call Library Function Node
  Library Name: halconcpp.dll
  Function Name: HOperatorSet::DispMessage
  Inputs: 
    WindowHandle, 'Detected Object', 'window', 12, 12, 'black', 'true'

通过HOperatorSet::DispObj函数在之前打开的Halcon窗口中显示原始图像，然后用HOperatorSet::DispMessage函数在窗口上显示提示信息“Detected Object”，这样就能直观地看到检测结果啦。

三、测试集使用

手头的测试集就派上用场啦。将测试集中不同的图像路径替换到读取图像的代码部分，就能对不同图像进行目标检测 - OBB测试，看看模型的泛化能力如何。多测试一些图像，也能发现模型可能存在的问题，比如误检、漏检等情况，方便进一步优化。

总之，通过LabVIEW调用Halcon实现目标检测 - OBB是个挺有趣且实用的事儿，希望我的分享能帮到大家，大家一起在目标检测的坑里越挖越深吧！