halcon算子详解——add_image

函数签名:

add_image(Image1, Image2 : ImageResult : Mult, Add : )

功能说明:

两图像逐像素相加

详细描述:

本算子将两幅图像进行相加。输入图像(Image1,Image2)的灰度值(g1,g2)按照如下方式进行转化:

如果发生数值溢出,则灰度值将被裁剪。注意这种情况在图像类型为cyclic(循环)和direction(方向)时不会发生。结果图像保存在ImageResult中。

可以在一次调用中处理多张图像。在这种情况下,两个输入图像参数中包含的图像数相同,这些图像会被按对进行处理。每一对输入图像产生一个输出图像。

请注意本算子的运行时间因不同的控制参数而异。本算子对经常使用的组合进行了特别优化。对于类型为byte,int2,uint2和int4类型的图像,使用的是SIMD(单指令多数据)技术进行了优化。这些特别优化在实际应用中被系统参数'mmx_enable'控制(参见set_system)。如果'mmx_enable'被设置为'true'(并且SIMD指令集是可用的),则内部计算使用SIMD技术进行。

对于byte,int1,int2,uint2,int4,real,direction,cyclic和complex类型的图像,本算子可以在OpenCL设备上执行。然而,对于OpenCL1.0,所有的设备都只支持单精度浮点型数据,且不是所有的舍入模式都支持,因此,OpenCL实现产生的结果和标量实现或者SIMD实现产生的结果可能有些微差异。

注意事项:

注意,由SIMD技术带来的加速在大的、紧凑的输入区域达到顶峰。在极少数情况下,使用SIMD技术的执行时间比不使用SIMD技术的执行时间明显要长,这取决于输入区域以及硬件的性能。在这种情况下,可以通过调用set_system(::'mmx_enable','false':)来避免使用SIMD技术。

并行化:

  • 支持OpenCL计算设备
  • 多线程类型:可重入(非独占并行运行算子)
  • 多线程作用域:全局(可以从任何线程调用)
  • 在tuple(元组)级别自动并行
  • 在channel(通道)级别自动并行
  • 在domain(域)级别自动并行

参数说明:

Image1(输入对象)

数据描述 (多通道)图像(数组)
数据类型 对象(byte* / int1* / int2* / uint2* / int4* / int8 / real* / direction* / cyclic* / complex*) *等被计算设备支持的类型
意义 输入图像(数组)1
默认值
建议值
限制

Image2(输入对象)

数据描述 (多通道)图像(数组)
数据类型 对象(byte* / int1* / int2* / uint2* / int4* / int8 / real* / direction* / cyclic* / complex*) *等被计算设备支持的类型
意义 输入图像(数组)2
默认值
建议值
限制

ImageResult(输出对象)

数据描述 (多通道)图像(数组)
数据类型 对象(byte / int1 / int2 / uint2 / int4 / int8 / real / direction / cyclic / complex)
意义 加法运算的结果图像(数组)
默认值
建议值
限制

Mult(输入控制参数)

数据描述 数值
数据类型 (real / integer)
意义 灰度值拉伸因子
默认值 0.5
建议值 0.2, 0.4, 0.6, 0.8, 1.0, 1.5, 2.0, 3.0, 5.0
限制 -255.0 ≤ Mult ≤ 255.0
最小增量 0.001
建议增量 0.1

Add(输入控制参数)

数据描述 数值
数据类型 (real / integer)
意义 灰度提升值
默认值 0.5
建议值 0, 64, 128, 255, 512
限制 -512.0 ≤ Add ≤ 512.0
最小增量 0.01
建议增量 1.0

结果:

参数都正确的情况下本算子返回值为2(H_MSG_TRUE)。输入为空的情况下(无可获得的输入图像),该算子的行为通过算子set_system(::'no_object_result',<Result>:)来设置。如有必要,该算子会触发异常。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,001评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,210评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,874评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,001评论 1 291
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,022评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,005评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,929评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,742评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,193评论 1 309
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,427评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,583评论 1 346
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,305评论 5 342
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,911评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,564评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,731评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,581评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,478评论 2 352