Harvester: 简化机器视觉应用的图像采集过程

Harvester简介

Harvester是一个开源的Python库,其目标是让计算机视觉应用中的图像采集过程变得简单易用。正如其名称所暗示的那样,Harvester就像农民收割庄稼一样,收集图像数据并填充到应用程序的缓冲区中。

Harvester采用Apache License 2.0许可证发布,用户可以自由使用、修改和分发,无需担心软件的使用方式,无论是个人、内部还是商业用途。这种开放的许可模式为Harvester在机器视觉领域的广泛应用奠定了基础。

Harvester的主要功能

Harvester的核心功能包括:

通过GenTL Producers进行图像采集
在单个Python脚本中加载多个GenTL Producers
GenICam特征节点操作

这些功能使得Harvester成为一个强大而灵活的图像采集工具。特别是第二点,意味着用户可以在一个Python脚本中涉及各种类型的传输层。每种传输层都有其优缺点,用户可以根据应用需求选择合适的传输层。GenTL标准的优势在于,用户只需关注图像采集的目的,而GenTL Producers负责以某种方式传递图像。

除了GenTL Producers,Harvester还提供了一种直观的方式来操作多个符合GenICam标准的实体(如相机)。这种灵活性使得Harvester能够适应各种复杂的图像采集场景。

Harvester的使用方法

以下是一个简单的示例,展示了如何使用Harvester进行基本的图像采集:

from harvesters.core import Harvester

# 创建Harvester实例
h = Harvester()

# 添加GenTL Producer
h.add_file('/path/to/gentl_producer.cti')

# 更新设备列表
h.update()

# 创建图像采集器
ia = h.create(0)

# 设置图像参数
ia.remote_device.node_map.Width.value = 640
ia.remote_device.node_map.Height.value = 480
ia.remote_device.node_map.PixelFormat.value = 'Mono8'

# 开始采集
ia.start()

# 获取图像
with ia.fetch() as buffer:
    # 处理图像数据
    component = buffer.payload.components[0]
    image_data = component.data
    # 在这里进行图像处理...

# 停止采集
ia.stop()

# 清理资源
ia.destroy()
h.reset()

这个例子展示了Harvester的基本工作流程:初始化、配置、采集、处理和清理。用户可以根据需要调整参数和处理逻辑。