“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。
.dll 文件
Dynamo 节点
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。
在本案例研究中，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。
首先，我们下载 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。
在 Dynamo 中，创建一个新文件，然后依次选择 “文件”>“导入库...”
接下来，找到 dll 文件。
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。
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”。
返回 Dynamo，您应该会看到已添加到库的 “AForge” 节点组。现在，我们可从可视化程序访问 AForge 图像处理库！
单击下面的链接下载示例文件。
可以在附录中找到示例文件的完整列表。
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 “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）
要输入图像，请将 “File Path” 节点添加到画布，然后从练习文件夹中选择“soapbubbles.jpg”（照片来源：Flickr）。
“File Path”节点仅提供指向选定图像的路径字符串。接下来，我们需要在 Dynamo 中将其转换为可用的图像文件。
使用 “File From Path” 将文件路径项目转换为 Dynamo 环境中的图像。
将 “File Path” 节点连接到 “File.FromPath” 节点。
要将此文件转换为图像，我们将使用 “Image.ReadFromFile” 节点。
最后，我们来看一看结果！将 “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。
在“AForge.Imaging.AForge.Imaging.Filters”（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。
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。
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。
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 “BaseFilter.Apply”。将图像连接到图像输入，然后将 “Grayscale.Grayscale” 连接到“baseFilter”输入。
通过连接到 “Watch Image” 节点，我们会得到饱和度降低的图像。
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。
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。
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。
将 “SobelEdgeDetector.SobelEdgeDetector” 节点添加到画布。
将其连接到 “BaseUsingCopyPartialFilter.Apply”，然后将饱和度降低的图像连接到此节点的图像输入。
“Sobel Edge Detector”已在新图像中亮显边缘。
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。
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”。
使用“File Path”节点，导航到练习文件夹中的“grid.jpg”。
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。
将“BlobCounter”添加到画布，然后我们需要一种方法来处理图像（类似于上一个练习中的 “BaseFilter.Apply” 工具）。
遗憾的是，“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。
将“Python”节点添加到画布，并将以下代码添加到“Python”节点。此代号将输入 AForge 库，然后处理输入的图像。
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。
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，并从像素空间中提取量化矩形。
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。
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。
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）。
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！
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。
接下来，我们将编写代码以消除不需要的矩形。
在“GetObjectRectangles”节点和另一个“Python”节点之间插入一个“Python”节点。节点代码位于下方，并删除小于指定大小的所有矩形。
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。
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。
徽标/图像
名称
