什么是 Zero-Touch？

“Zero-Touch 输入”是指用于输入 C# 库的简单点击方法。Dynamo 将读取 .dll 文件的公有方法，并将这些方法转换为 Dynamo 节点。可以将 Zero-Touch 用于开发您自己的自定义节点和软件包，以及将外部库输入到 Dynamo 环境。

使用 Zero-Touch，实际上可以输入不一定为 Dynamo 开发的库，以及创建一组新节点。当前的 Zero-Touch 功能演示了 Dynamo 项目的跨平台思维。

本部分演示如何使用 Zero-Touch 输入第三方库。有关开发您自己的 Zero-Touch 库的信息，请参考 Dynamo Wiki 页面。

Zero-Touch 软件包

Zero-Touch 软件包是对用户定义的自定义节点的良好补充。下表列出了使用 C# 库的一些软件包。有关软件包的更多详细信息，请访问“附录”中的“软件包”部分。

徽标/图像 名称
网格工具包
Dynamo 展开
Rhynamo
Optimo

案例研究 - 输入 AForge

在本案例中，我们将介绍如何输入 AForge 外部 .dll 库。AForge 是一个功能强大的库，提供了从图像处理到人工智能的一系列功能。我们将引用 AForge 中的图像处理类，以在下面进行一些图像处理练习。

下载并解压缩此软件包案例研究随附的示例文件（单击鼠标右键，然后单击“将链接另存为...”）。可以在附录中找到示例文件的完整列表。Zero-Touch-Examples.zip。

  1. 首先下载 AForge。在 AForge 下载页面上，选择“[下载安装程序]”，然后在下载完成后进行安装。

练习

  1. 在 Dynamo 中，创建一个新文件，然后依次选择“文件”>“输入库...”

练习

  1. 在弹出窗口中，导航到安装有 AForge 的相应版本文件夹。该文件夹可能类似于以下文件夹：C:\Program Files (x86)\AForge.NET\Framework\Release。
  2. AForge.Imaging.dll：我们只想要将 AForge 库中的此文件用于本案例研究。选择此 .dll，然后点击“打开”。

练习

  1. 返回 Dynamo，您应看到已添加到库工具栏的“AForge”组节点。现在，我们即可从可视化程序访问 AForge 图像处理库！

练习 1 - 边缘检测

现在，库已输入，我们将开始此第一个简单练习。我们将对样例图像进行一些基本图像处理，以显示 AForge 图像如何过滤。我们将使用“观察图像”(Watch Image) 节点来显示结果，并在 Dynamo 中应用过滤器（与 Photoshop 中的过滤器类似）。

下载并解压缩此软件包案例研究随附的示例文件（单击鼠标右键，然后单击“将链接另存为...”）。可以在附录中找到示例文件的完整列表。ZeroTouchImages.zip

现在，库已输入，我们将开始此第一个简单练习 (01-EdgeDetection.dyn)。我们将对样例图像进行一些基本图像处理，以显示 AForge 图像如何过滤。我们将使用“观察图像”(Watch Image) 节点来显示结果，并在 Dynamo 中应用过滤器（与 Photoshop 中的过滤器类似）

练习

首先，我们要输入图像以进行处理。将“文件路径”(File Path) 节点添加到画布，然后在下载的练习文件夹中选择“soapbubbles.jpg”（照片来源：Flickr）。

练习

  1. “文件路径”(File Path) 节点仅提供指向选定图像的路径字符串。我们需要将此“文件路径”(File Path) 转换为 Dynamo 环境中的图像。
  2. 将“文件路径”(File Path) 节点连接到 File.FromPath 节点。
  3. 要将此文件转换为图像，我们将使用 Image.ReadFromFile 节点。
  4. 最后，我们来看看结果！将“观察图像”(Watch Image) 节点拖动到画布上，然后连接到 Image.ReadFromFile。我们尚未使用 AForge，但我们已成功将图像输入 Dynamo。

练习

在“AForge.Imaging.AForge.Filters”（在导航菜单中）下，您会注意到有许多可用过滤器。现在，我们将使用其中一个过滤器来基于阈值降低图像饱和度。

  1. 将这三个滑块拖动到画布上，将它们的范围更改为 0 到 1，将其步长值更改为 0.01。
  2. 将“Grayscale.Grayscale”节点添加到画布。这是一个“AForge”过滤器，可将“灰度”过滤器应用于图像。将步骤 1 中的三个滑块连接到 cr、cg 和 cb。将顶部和底部滑块的值更改为 1，将中间滑块的值更改为 0。
  3. 为了应用“灰度”过滤器，我们需要对图像执行一个操作。为此，我们使用 IFilter.Apply。将图像连接到图像输入，将 Grayscale.Grayscale 连接到 iFilter 输入。
  4. 通过插入“观察图像”(Watch Image) 节点，我们得到饱和度降低的图像。

练习

我们可以控制如何根据红、绿和蓝的阈值来降低该图像的饱和度。这些值由 Grayscale.Grayscale 节点的输入定义。请注意，图像看起来很暗，这是因为滑块中的绿色值设置为 0。

  1. 将顶部和底部滑块的值更改为 0，将中间滑块的值更改为 1。这样，我们获得饱和度明显降低的图像。

练习

让我们使用饱和度降低的图像，然后基于它应用另一个过滤器。饱和度降低的图像有一定的对比度，因此我们将测试一些边缘检测。

  1. 将 SobelEdgeDetector.SobelEdgeDetector 节点添加到画布。将此作为 IFilter 连接到新的 IFilter 节点，然后将饱和度降低的图像连接到 IFilter 节点的图像输入。
  2. “Sobel Edge Detector”已在新图像中亮显边缘。

练习

放大时，边缘检测器使用像素标注出气泡的轮廓。AForge 库提供的工具可用于获取类似结果以及创建 Dynamo 几何图形。我们将在下一练习中进行探索。

练习 2 - 创建矩形

下载并解压缩此软件包案例研究随附的示例文件（单击鼠标右键，然后单击“将链接另存为...”）。可以在附录中找到示例文件的完整列表。ZeroTouchImages.zip

现在，我们已经介绍了一些基本图像处理，让我们使用图像来驱动 Dynamo 几何图形！从根本上讲，在本练习中我们旨在使用 AForge 和 Dynamo 对图像进行“实时跟踪”。我们将遵循简单原则，从参照图像中提取矩形，但在 AForge 中提供一些工具来执行更复杂的操作。我们将从下载的练习文件中使用 02-RectangleCreation.dyn。

练习

  1. 使用“文件路径”(File Path) 节点，导航到练习文件夹中的 grid.jpg。
  2. 连接上述其余一系列节点，以显示路线参数化网格。

在下一步中，我们要参照图像中的白色方块，并将它们转换为实际的 Dynamo 几何图形。AForge 具有许多功能强大的计算机视觉工具，我们将在此处针对名为 BlobCounter 的库使用一个特别重要的工具。

练习

  1. 在向画布添加 BlobCounter 后，我们需要一种方法来处理图像（类似于上一个练习中的 IFilter 工具）。遗憾的是，“处理图像”(Process Image) 节点在 Dynamo 库中不会立即显示。这是因为该函数在 AForge 源代码中可能不可见。为了解决此问题，我们需要找到解决方法。

练习

  1. 向画布添加 Python 节点。
import clr
clr.AddReference('AForge.Imaging')
from AForge.Imaging import *

bc= BlobCounter()
bc.ProcessImage(IN[0])
OUT=bc

将上述代码添加到 Python 节点。此代号将输入 AForge 库，然后处理输入的图像。

练习

将图像输出连接到 Python 节点输入，我们可从 Python 节点获得 AForge.Imaging.BlobCounter 结果。

接下来将进行一些技巧操作，以展示对 AForge Imaging API 的熟悉程度。对于使用 Dynamo 而言，无需了解所有这些技巧。这更多是在 Dynamo 环境的灵活性内使用外部库的演示。

练习

  1. 将 Python 脚本的输出连接到 BlobCounterBase.GetObjectRectangles。这将基于阈值读取图像中的对象，并从像素空间提取量化矩形。

练习

  1. 通过将另一个 Python 节点添加到画布，从而连接到 GetObjectRectangles，然后输入以下代码。这将创建 Dynamo 对象的有组织列表。
OUT = []
for rec in IN[0]:
subOUT=[]
subOUT.append(rec.X)
subOUT.append(rec.Y)
subOUT.append(rec.Width)
subOUT.append(rec.Height)
OUT.append(subOUT)

练习

  1. 调换上一步中 Python 节点的输出。这将创建 4 个列表，每个列表表示每个矩形的 X、Y、宽度和高度。
  2. 通过使用代码块，我们将数据组织为可容纳 Rectangle.ByCornerPoints 节点的结构（代码如下）。
recData;
x0=List.GetItemAtIndex(recData,0);
y0=List.GetItemAtIndex(recData,1);
width=List.GetItemAtIndex(recData,2);
height=List.GetItemAtIndex(recData,3);
x1=x0+width;
y1=y0+height;
p0=Autodesk.Point.ByCoordinates(x0,y0);
p1=Autodesk.Point.ByCoordinates(x0,y1);
p2=Autodesk.Point.ByCoordinates(x1,y1);
p3=Autodesk.Point.ByCoordinates(x1,y0);

练习

缩小后，我们得到一个矩形阵列，代表图像中的白色方块。通过编程，我们（大致）完成了与 Illustrator 中实时跟踪类似的操作！

练习

但是，我们仍需要进行一些清理。放大后，可以看到我们有一堆小的不需要的矩形。

练习

  1. 通过在 GetObjectRectangles 节点和其他 Python 节点之间插入 Python 节点，即可去除不需要的矩形。节点代码位于下方，并删除小于指定大小的所有矩形。
rectangles=IN[0]
OUT=[]
for rec in rectangles:
if rec.Width>8 and rec.Height>8:
OUT.append(rec)

练习

在删除多余的矩形后，只需单击几下即可基于这些矩形创建一个曲面，然后根据它们的面积拉伸一段距离。

练习

  1. 最后，将 both_sides 输入更改为 false，我们将在一个方向上得到拉伸。将此婴儿浸入树脂中，您便拥有一张超级书呆子桌子。

这些是基本示例，但此处概述的概念可以传递给令人兴奋的真实应用程序。计算机视觉可用于各种流程。仅举几例：条形码读取器、透视匹配、投影映射和增强现实。有关与本练习相关的 AForge 的更多高级主题，请通读本文。