基于pythonnet调用Halcon脚本：从环境配置到图像转换详解
本文详细介绍如何利用pythonnet在Python中调用Halcon脚本。内容涵盖pythonnet的安装与基础用法、HDevEngine的调用流程、ref类型参数处理，以及核心难点：将Python numpy ndarray高效转换为Halcon HImage对象。通过具体代码示例，解决跨平台数据类型差异及内存偏移问题，提供可直接复用的转换方案。
引言
本文旨在详细阐述如何在Python环境中通过pythonnet库调用Halcon脚本。文中提供了具体的示例代码，内容详实，对从事相关开发或学习的人员具有较高的参考价值。
在近期的项目开发中，需要整合Python程序与多个功能模块，其中关键一环是利用Halcon处理采集到的图像数据。
尽管Halcon官方提供了C++和.NET的开发库，但并未直接提供Python库。虽然网上存在如pyhalcon等第三方库，但其功能完整性与原版Halcon存在差异，难以完全满足需求。
本文假设读者已具备Halcon .NET开发基础，并熟悉使用HDevEngine调用Halcon脚本的方法。在此基础上，结合pythonnet的使用说明，即可实现相关功能。鉴于网上缺乏此类综合教程，本文对此进行梳理总结，特别是最后部分涉及的不同平台间数据类型转换，是实际应用中的重点与难点。
pythonnet环境配置
1. pythonnet简介
- pythonnet是CPython的扩展库。 - pythonnet提供了CPython与.NET程序集之间交互的桥梁。 - pythonnet已在GitHub上开源。
- 通过执行`pip install pythonnet`命令进行安装。
- 关于pythonnet的具体使用帮助，请参阅其GitHub仓库文档。
ref参数处理机制
ref类型参数的返回处理
- 函数返回值的第一个元素为C#方法的返回值。 - 返回值的第二个元素对应ref类型的参数值。例如，对于`ref String[]`类型，其返回值中的第二个元素即为一个元组（tuple）。
2. 如何使用pythonnet调用Halcon函数
Halcon函数调用实现
import clr # 导入pythonnet
import sys
import System # 导入.NET系统库
from System import String, Char, Int32, Environment, IntPtr #导入.NET变量。在导入所有.NET库时，IDE编辑器可能会提示找不到引用，但只要名称正确，程序仍可正常调试和运行。
# 导入halcon支持库
d = clr.AddReference("source/halcondotnet")
print(d) # 打印库的信息，包括你的halcon版本
# 导入halcon脚本引擎库
d = clr.AddReference("source/hdevenginedotnet")
from HalconDotNet import *
定义使用HDevEngine来调用halcon脚本是最方便的在python中。
class HdevEnginePy:
# halcon过程变量，也就是函数。
Procedure = HDevProcedure()
# halcon程序变量，就是halcon脚本文件
Program = HDevProgram()
ourProcedure = "hdev/procedures" # 我们自己写的函数脚本目录
def __init__(self):
# 声明halcon的HDev引擎。
self.MyEngine = HDevEngine()
self.MyEngine.SetProcedurePath(self.ourProcedure) # 添加我们的脚本目录
return
def get_proc_names(self):
procedure_name = self.MyEngine.GetProcedureNames() # 获取并打印我们所有加载的函数名，可用于检查
return procedure_name
def load_proc(self):
try:
# 加载自定义函数,打印输入变量名称
self.Procedure = HDevProcedure("函数名")
print("加载脚本函数 成功！")
self.ProcCall = HDevProcedureCall(self.Procedure) # 可执行函数对象
ctrlNames = self.Procedure.GetInputCtrlParamNames()
print("-输入控制变量：", ctrlNames)
iconNames = self.Procedure.GetInputIconicParamNames()
print("-输入图像变量：", iconNames)
except:
print("加载halcon函数脚本出错。")
self.ProcCall.Dispose()
return
def excute_proc(self):
# 测试用。
try:
image = HImage() # 声明halcon的Himage变量
image.ReadImage("images/apple.bmp") # 加载图像
self.ProcCall.SetInputIconicParamObject("image", image) # 传入图像参数
thmin = HTuple(128)
thmax = HTuple(255)
self.ProcCall.SetInputCtrlParamTuple("thmin", thmin) # 传入控制变量参数
self.ProcCall.SetInputCtrlParamTuple("thmax", thmax)
self.ProcCall.Execute() # 执行函数
FinArea = self.ProcCall.GetOutputCtrlParamTuple("maxArea") # 取得返回变量。
print(FinArea)
except:
print("执行脚本异常")
finally:
self.ProcCall.Dispose()
exit()
return图像数据转换方案
3. 如何将Python图像格式转换为HImage
在Python中，图像通常以ndarray格式存储，该格式不能直接作为参数传入Halcon函数，否则会导致报错。因此，需要先将ndarray转换为Halcon的HImage对象。
以下是正确的转换效果示例。
测试使用的原图，以及未添加偏移量时的转换结果对比。
def converttoHImage(ndArray):
# 把ndArray格式的图像转换成HImage，这是实验下来最兼具速度和内存使用的方法。
# 提取BGR各通道，注意python中ndArray的通道顺序不一样。
imgB = ndArray[0:ndArray.shape[0], 0:ndArray.shape[1], 0]
imgG = ndArray[0:ndArray.shape[0], 0:ndArray.shape[1], 1]
imgR = ndArray[0:ndArray.shape[0], 0:ndArray.shape[1], 2]
# 将BGR通道降维成一维数组
imgBflat = imgB.flatten()
imgGflat = imgG.flatten()
imgRflat = imgR.flatten()
# 生成字节数组内存地址，且有32个地址偏移。
Bbuffer = bytes(imgBflat)
Bptr = id(Bbuffer)
intptrB = IntPtr.Overloads[int](Bptr + 32)
Gbuffer = bytes(imgGflat)
Gptr = id(Gbuffer)
intptrG = IntPtr.Overloads[int](Gptr + 32)
Rbuffer = bytes(imgRflat)
Rptr = id(Rbuffer)
intptrR = IntPtr.Overloads[int](Rptr + 32)
imgSnap = HImage()
# 将三个通道的内存地址传入
imgSnap.GenImage3("byte", ndArray.shape[1], ndArray.shape[0], intptrR, intptrG, intptrB)
return imgSnap以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
