机器视觉7

于 2024-08-21 14:43:50 发布
阅读量937 收藏 21
点赞数 16
文章标签： 其他
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/C_ORVUS_/article/details/141287453
版权

 作业1： 线序识别 ：通过线的颜色来判断线序颜色  并标注颜色

1. 二值图转换

2.模板匹配

3.定位工具

4.使用色彩匹配工具  对每个位置的线 都进行匹配   一共需要7个工具c9b83467ceba49be8ba60a77b6427f88.png

1.提取7中色彩

2.对于每个线分别进行区域检测

c8257cdff04a485f86e13f498a28b821.png

#region namespace imports
using System;
using System.Collections;
using System.Drawing;
using System.IO;
using System.Windows.Forms;
using Cognex.VisionPro;
using Cognex.VisionPro.ToolBlock;
using Cognex.VisionPro3D;
using Cognex.VisionPro.ImageProcessing;
using Cognex.VisionPro.PMAlign;
using Cognex.VisionPro.CalibFix;
using Cognex.VisionPro.ColorMatch;
#endregion

public class CogToolBlockAdvancedScript : CogToolBlockAdvancedScriptBase
{
  #region Private Member Variables
  private Cognex.VisionPro.ToolBlock.CogToolBlock mToolBlock;
 
  //设置7个匹配工具字段
  private CogColorMatchTool pnt01;
  private CogColorMatchTool pnt02;
  private CogColorMatchTool pnt03;
  private CogColorMatchTool pnt04;
  private CogColorMatchTool pnt05;
  private CogColorMatchTool pnt06;
  private CogColorMatchTool pnt07;
  //设置7个文字工具
  private CogGraphicLabel pnt01Label;
  private CogGraphicLabel pnt02Label;
  private CogGraphicLabel pnt03Label;
  private CogGraphicLabel pnt04Label;
  private CogGraphicLabel pnt05Label;
  private CogGraphicLabel pnt06Label;
  private CogGraphicLabel pnt07Label;
  public override bool GroupRun(ref string message, ref CogToolResultConstants result)
  {
   //初始化 7个工具
    pnt01Label = new CogGraphicLabel();
    pnt02Label = new CogGraphicLabel();
    pnt03Label = new CogGraphicLabel();
    pnt04Label = new CogGraphicLabel();
    pnt05Label = new CogGraphicLabel();
    pnt06Label = new CogGraphicLabel();
    pnt07Label = new CogGraphicLabel();
    // To let the execution stop in this script when a debugger is attached, uncomment the following lines.
    // #if DEBUG
    // if (System.Diagnostics.Debugger.IsAttached) System.Diagnostics.Debugger.Break();
    // #endif


    // Run each tool using the RunTool function
    foreach(ICogTool tool in mToolBlock.Tools)
      mToolBlock.RunTool(tool, ref message, ref result);
    //映射对应的颜色匹配工具
    pnt01 = mToolBlock.Tools["CogColorMatchTool1"]as CogColorMatchTool;
    pnt02 = mToolBlock.Tools["CogColorMatchTool2"]as CogColorMatchTool;
    pnt03 = mToolBlock.Tools["CogColorMatchTool3"]as CogColorMatchTool;
    pnt04 = mToolBlock.Tools["CogColorMatchTool4"]as CogColorMatchTool;
    pnt05 = mToolBlock.Tools["CogColorMatchTool5"]as CogColorMatchTool;
    pnt06 = mToolBlock.Tools["CogColorMatchTool6"]as CogColorMatchTool;
    pnt07 = mToolBlock.Tools["CogColorMatchTool7"]as CogColorMatchTool;
    //文字工具设置颜色
    pnt01Label.Color = CogColorConstants.Green;
    pnt02Label.Color = CogColorConstants.Green;
    pnt03Label.Color = CogColorConstants.Green;
    pnt04Label.Color = CogColorConstants.Green;
    pnt05Label.Color = CogColorConstants.Green;
    pnt06Label.Color = CogColorConstants.Green;
    pnt07Label.Color = CogColorConstants.Green;
    //文字工具设置位置  和对应结果
    pnt01Label.SetXYText(100, 400, pnt01.Result.ResultOfBestMatch.Color.Name);
    pnt02Label.SetXYText(300, 400, pnt02.Result.ResultOfBestMatch.Color.Name);
    pnt03Label.SetXYText(500, 400, pnt03.Result.ResultOfBestMatch.Color.Name);
    pnt04Label.SetXYText(700, 400, pnt04.Result.ResultOfBestMatch.Color.Name);
    pnt05Label.SetXYText(900, 400, pnt05.Result.ResultOfBestMatch.Color.Name);
    pnt06Label.SetXYText(1100, 400, pnt06.Result.ResultOfBestMatch.Color.Name);
    pnt07Label.SetXYText(1300, 400, pnt07.Result.ResultOfBestMatch.Color.Name);
    

    return false;
  }

 
  public override void ModifyCurrentRunRecord(Cognex.VisionPro.ICogRecord currentRecord)
  {
  }
 

 
  public override void ModifyLastRunRecord(Cognex.VisionPro.ICogRecord lastRecord)
  {
    
    //文字工具添加到窗口中
    mToolBlock.AddGraphicToRunRecord(pnt01Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
    mToolBlock.AddGraphicToRunRecord(pnt02Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
    mToolBlock.AddGraphicToRunRecord(pnt03Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
    mToolBlock.AddGraphicToRunRecord(pnt04Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
    mToolBlock.AddGraphicToRunRecord(pnt05Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
    mToolBlock.AddGraphicToRunRecord(pnt06Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
    mToolBlock.AddGraphicToRunRecord(pnt07Label, lastRecord, "CogImageConvertTool1.InputImage", "script");
  }
 


  public override void Initialize(Cognex.VisionPro.ToolGroup.CogToolGroup host)
  {
    // DO NOT REMOVE - Call the base class implementation first - DO NOT REMOVE
    base.Initialize(host);
    // Store a local copy of the script host
    this.mToolBlock = ((Cognex.VisionPro.ToolBlock.CogToolBlock)(host));
  }
 

}

作业2：注胶有无识别：判断图中产品周边槽及中心孔内注胶有无。蓝色为有胶，黑色为无胶 并标注颜色
1.添加提取颜色工具

2.对有胶的图片进行颜色提取

3.依据获得的像素值 （如果是0 就是无胶  ）

作业3： 密封条胶塞颜色识别:识别图中出现的密封条胶塞的颜色，并标注颜色
1.使用颜色提取工具对 每张图中的 不同颜色的密封胶条 提取色彩

2.使用blob工具 提取结果  如果能提取出 结果  说明 有对应颜色密封胶条

1.哪个blob中有结果 证明 颜色存在

#region namespace imports
using System;
using System.Collections;
using System.Drawing;
using System.IO;
using System.Windows.Forms;
using Cognex.VisionPro;
using Cognex.VisionPro.ToolBlock;
using Cognex.VisionPro3D;
using Cognex.VisionPro.ColorExtractor;
using Cognex.VisionPro.Blob;
#endregion

public class CogToolBlockAdvancedScript : CogToolBlockAdvancedScriptBase
{
  #region Private Member Variables
  private Cognex.VisionPro.ToolBlock.CogToolBlock mToolBlock;
  //设置4个blob工具字段
  private CogBlobTool orange;
  private CogBlobTool yellow;
  private CogBlobTool red;
  private CogBlobTool blue;
  //设置4个文本工具字段
  private CogGraphicLabel orangeLabel;
  private CogGraphicLabel yellowLabel;
  private CogGraphicLabel redLabel;
  private CogGraphicLabel blueLabel;
  #endregion

 
  public override bool GroupRun(ref string message, ref CogToolResultConstants result)
  {
    //初始化4个文本工具
    orangeLabel = new CogGraphicLabel();
    yellowLabel = new CogGraphicLabel();
    redLabel = new CogGraphicLabel();
    blueLabel = new CogGraphicLabel();
    
    // To let the execution stop in this script when a debugger is attached, uncomment the following lines.
    // #if DEBUG
    // if (System.Diagnostics.Debugger.IsAttached) System.Diagnostics.Debugger.Break();
    // #endif


    // Run each tool using the RunTool function
    foreach(ICogTool tool in mToolBlock.Tools)
      mToolBlock.RunTool(tool, ref message, ref result);
     
    //根据blob检测结果的个数判断  颜色是否符合
    orange = mToolBlock.Tools["CogBlobToolOrange"]as CogBlobTool;
   
    if(orange.Results.GetBlobs().Count >= 1)
    {
      orangeLabel.Color = CogColorConstants.White;
      orangeLabel.SetXYText(200, 200, "橙色");
    }
    yellow = mToolBlock.Tools["CogBlobToolYellow"]as CogBlobTool;
    if(yellow.Results.GetBlobs().Count >= 1)
    {
      yellowLabel.Color = CogColorConstants.White;
      yellowLabel.SetXYText(200,200,"黄色");
    }
    red = mToolBlock.Tools["CogBlobToolRed"]as CogBlobTool;
    if(red.Results.GetBlobs().Count >= 1)
    {
      redLabel.Color = CogColorConstants.White;
      redLabel.SetXYText(200, 200, "红色");
    }
    blue = mToolBlock.Tools["CogBlobToolBlue"]as CogBlobTool;
    if(blue.Results.GetBlobs().Count >= 1)
    {
      blueLabel.Color = CogColorConstants.White;
      blueLabel.SetXYText(200, 200, "蓝色");
    }

    return false;
  }


  public override void ModifyCurrentRunRecord(Cognex.VisionPro.ICogRecord currentRecord)
  {
  }
 
  public override void ModifyLastRunRecord(Cognex.VisionPro.ICogRecord lastRecord)
  {
   // 根据blob检测结果的个数判断 添加对应文本工具
    if(orange.Results.GetBlobs().Count >= 1)
    {
      mToolBlock.AddGraphicToRunRecord(orangeLabel, lastRecord, "CogColorExtractorToolOrange.InputImage", "script");
    }
    if(yellow.Results.GetBlobs().Count >= 1)
    {
      mToolBlock.AddGraphicToRunRecord(yellowLabel, lastRecord, "CogColorExtractorToolOrange.InputImage", "script");
    }
    if(red.Results.GetBlobs().Count >= 1)
    {
      mToolBlock.AddGraphicToRunRecord(redLabel, lastRecord, "CogColorExtractorToolOrange.InputImage", "script");
    }
    if(blue.Results.GetBlobs().Count >= 1)
    {
      mToolBlock.AddGraphicToRunRecord(blueLabel, lastRecord, "CogColorExtractorToolOrange.InputImage", "script");
    }
 
  }
 
  public override void Initialize(Cognex.VisionPro.ToolGroup.CogToolGroup host)
  {
    // DO NOT REMOVE - Call the base class implementation first - DO NOT REMOVE
    base.Initialize(host);


    // Store a local copy of the script host
    this.mToolBlock = ((Cognex.VisionPro.ToolBlock.CogToolBlock)(host));
  }
  #endregion

}

CogCalibCheckerboardTool 工具原理：
校正图像以保证其返回的结果具有意义的值，以及确定所找到图像的位置与校正板的物理尺寸之间的二维转换
作用1：像素和真实单位(mm)之间的转换
（比如卡尺工具测量宽度：校正前为像素单位，校正后为长度单位）

作用2：纠正线性或者非线性转换畸变,非线性转换说明存在光学或者透视扭曲。有三种常见的扭曲类型需要说明：纵横,透视,放射

标定片类别
无基准符号版

在这里插入图片描述

 无基准符号版 校正原点：在视野中心最近的格子顶点或点中心作为原点

 

有基准符号版

  

有基准符号版 校正原点：以两个交叉矩形表示
如果找到，该点将成为原始校准空间的原点
如果没有找到，校准原点是最接近校准图像中心的顶点

有基准符号版 -数据矩阵版（DataMatrix代码版）

 DataMatrix代码板：记录多个网格顶点的位置以及板的网格间距

校准板特点总结：
黑白瓷块必须以交叉图案方式排列
黑白瓷块必须具有同样的尺寸
瓷块必须为矩形，其纵横比范围是0.90 到1.10


在通过相机采集的校正板图像时。
1.所采集的图像必须包括至少9个完整瓷块
2.所采集的图像中的瓷块必须至少为15×15像素
3.增加校准图像中可见的瓷块数量（通过减小校准板上瓷块的尺寸） 提高校准的精确度

校准工具做了什么?
    获得两组点：

   1. 校准版校正原点
   2.采集的图像中的原点 

   完成的功能：

   3.经过工具计算 表示两个图像中对应点之间的映射关系（单位转换）
   4.经过工具计算畸变图像消除在校准过程中扭曲（消除畸变）

校准的基本方法与过程
架设好图像采集系统，固定相机、镜头、光源等器件
选择合适的标定片，放置到视野下，采集1张清晰的图像
将标定板照片，导入校准工具(CogCalibCheckerboard）,设置参数计算标定

 1.校正工具

c1b1f5e9c6e34050b4a239d91931ccfa.png

 1.无基准符号的校正版使用方式

（1）调整校正版样式

（2）调整校正板的基准符号

 （3 ）调整棋盘格的大小  （现实中校正板 棋盘格尺寸）
（4）   抓取校正图形

（5）   计算校正

a12cbfadbc134e418fae86405792efe3.png

 原点

 点结果

转换结果界面

1.RMS误差 越小 矫正效果越好

2.纵横比 越接近1 矫正效果越好

3.旋转 缩放 越接近0 矫正效果越好

3de92b6877ce42c3b591c5a09f5c89ec.png

2.有基准符号的校正板使用

07a1edc4783845e2bd07dfd0a854e19f.png

3. 带有二维码的校准板

3de92b6877ce42c3b591c5a09f5c89ec.png

案例:利用标定工具 -测量卡尺工具边缘对距离 （像素转换成毫米）

1.先选择校正板图片 校准后  换测量图片

2.进行模板匹配和定位

4.使用校准工具后 测量的 结果  

 未使用校正板

CogPatInspectTool工具解析
用途:
检测产品特征缺失或错位、产品上存在错误或无用的标记、表面颜色错误等等场合;

原理：
通过PMAlign工具实现,用训练图片和当前输入图片进行对比从而得到缺陷.

使用场景：

 案例:标签信息缺陷检测
 1.添加模板匹配工具  用于缺陷检测图形定位处理

1.添加缺陷检测工具 

1.“pose”链接到CogPMAlignTool的GetPose输出   用于定位

1.点击外层ToolGroup的运行按钮，使得CogPatInspectTool 获取到一幅良品图像，点击“抓取训练图像与原点”，得到用于训练的图像；、

2.在右侧的下拉列表中选择Current.TrainImage,选择检测区域，可以通过掩膜对检测区域进行调整，屏蔽变量部分与光照不稳定部分，从而避免检测过程中的误检。

3.点击“训练新模式”，此时相当于提供了一幅良品图像到工具中，

4.如果想添加多副训练图像需要从外层运行程序，使得CogPatInspectTool重新获取一幅图像，点击“统计训练当前模式”。注意，在训练过程中的添加的图像必须是良品图像，如果误将不良品图像添加到训练数据中会造成灾难性的后果。

cc6d9073903043939e89f9d658018dba.png

5.训练图像添加完成之后，点击“结束统计训练”，

42307c9ab4404a61b560755e58b7a65f.png

6.如果对当前的训练结果不满意，点击“取消训练模式”，所有的训练数据清空，可以重新进行添加训练图像。

1bb37b780b4c43d89ba52aac5bb646fb.png

1.选择 lastRun.MatchImage  然后点击外层ToolGroup的运行按钮， 对当前输入图像进行检测即可以看到运行效果。match image 时将当前图像的待检测区域与训练图像对其之后的结果图  ，在明显的缺陷区域标注出来。

 1.CogPatInspectTool 最终目的是获取DifferenceImageAbsolute图像,将此图像输出到blob等工具根据检测面积、位置等进行过滤，最后得出检测结果。

 1.添加blob工具对于缺陷部位进行分析

a6c41a115c13493cb0ca05b5830bcf5c.png

扩展内容：
 1.选择对应的归一化算法   目的 调整图形亮度算法

为了抑制因光照不稳定引起的误检，运行时图像与训练图像进行对比前需要对运行时图像进行归一化，调节整体亮度水平，使得运行时图像与训练后图像在同一亮度环境中进行比较。CogPatInspectTool的方法有以下几种：

Identity
对运行时图像不进行归一化，主要是在测试阶段用来进行观察，确定不进行归一化可能出现的缺陷位置与缺陷类型
Histogram Equalization
直方图均衡化，调整运行时图像的灰度直方图与训练后图像的灰度直方图相匹配，适用于检测面积比较小的情况，因为大面积出现缺陷会影响灰度直方图分布。
Match Tails
忽略“高尾部”与“低尾部”对运行时图像的直方图进行调整与训练后的图像相匹配，适用于图像中可能出现阴影或者耀光的情况。
Mean and Standard Deviation
通过运行时图像灰度直方图的平均值与标准差对灰度直方图进行调整，适用于大小适中的缺陷检测以及光照变换比较明显的情况。
Robust Line Fit
通过选择最佳拟合的线性直方图均衡化函数来调整像素值。与其它的归一化方法相比，该方法可以容忍更大的缺陷，但需要更多的处理时间。当缺陷面积超过加检测区域的四分之一甚至更多时，并且缺陷像素值可以位于参考图像的左右尾部之外时，请使用稳健的线拟合方法。
Local Correction or Enhanced Local Correction
局部修正方法，先对运行时图像进行矩形分割，再对每个区域进行归一化处理

阈值

阈值就是训练基准图案和检查的图片之间的差异,值越大,忽略的细节就越多

如:图案很相似,但是当阈值小的时候,还是会计算出一些差距

如果想忽略一些细微差距,就可以调整阈值

在这里插入图片描述
在这里插入图片描述

家昊大帝
关注
Halcon学习（7）：颜色识别
SeventhBlue
04-22 9467
先说一下RGB和HSV这两种颜色空间。大部分人可能接触RGB这种颜色空间多一些，相较于人这种颜色空间对硬件更加友好；而HSV更符合人的视觉感观，对人友好，如果你是画家、设计师，接触的可能会多一些。H是色调，表示是哪种颜色，取值是0到360度，比如0表示是红色；S表示是饱和度，取值0%到100%，越鲜艳值就越高，颜色越淡值越小；V表示亮度，取值0%到100%，越白值越大，越暗值越小。 1.第一种思...
Halcon 学习笔记八：颜色识别
菊头蝙蝠的博客
11-10 6991
Halcon 学习笔记一、图像处理需要的知识二、图像处理的预处理和分割过程二、颜色识别的方法三、例子一四、例子二五、例子三 一、图像处理需要的知识 1.图像处理基础（rgb(hsv),gray） 2.图像灰度变换(scale_img) 3.图像基础(emphasize) 4.图像几何变换(仿射变换,极坐标变换) 5.图像分割(blob分析、边缘检测、reduce_domain) 6.图像的频域（fft_img） 7.图像形态学 8.图像复原 9.运动图像 10.图像配准（模板匹配） 二、图像处理的预处
Halcon——颜色识别提取
Doctor__Chen的博客
05-31 1万+
文章目录前言一、颜色识别原理二、颜色识别为什么将其转换至HSV颜色空间三、源代码写在最后 前言 【Halcon】颜色识别提取 这里以嘉庚建筑风格为例~ 一、颜色识别原理 载入图像后，将其转换至HSV颜色空间，通过判断每个像素是否在所选取的范围内（根据所需的颜色而定），并将其标识出来即可。 二、颜色识别为什么将其转换至HSV颜色空间 目前在计算机视觉领域存在着较多类型的颜色空间。HSL作为最常见的圆柱坐标所表示的颜色模型，它重新影射了RGB模型，从而能够视觉上比RGB模型更具有视觉直观性。 简单地说
学习halcon之颜色识别
热门推荐
Logan_Lin的博客
07-11 1万+
颜色识别与数字字母识别类似，只是多了一步需要将所要识别的颜色进行训练并创建分类器，当然在halcon中，对于数字字母已经有了相应的文件，所以不需要创建分类器这步。在halcon中，颜色识别的步骤如下：1、将所需要识别的颜色特征取出来2、创建分类器并对这些特征进行训练3、用其他图片进行简单测试直接上代码：dev_close_window () dev_open_window (0, 0, 557, ...
halcon机器视觉7-4.hdev
02-28
halcon机器视觉7-4.hdev
halcon机器视觉7-3.hdev
02-28
halcon机器视觉7-3.hdev
Halcon机器视觉手册
11-25
《Halcon机器视觉手册》是一本详尽的指南，涵盖了Halcon软件在机器视觉领域的应用。Halcon，作为全球领先的机器视觉软件之一，为各种工业自动化任务提供了强大的图像处理功能。该手册旨在帮助用户理解Halcon的基础...
《机器视觉系统设计》期末复习重点
06-15
【机器视觉的概念】 机器视觉是一门综合性的技术领域，结合了人工智能、神经生物学、图像处理和模式识别等多个科学分支。其核心在于使用光学设备捕捉图像，并将其转化为电子信号，随后通过图像处理系统进行数字化...
（机器视觉）Halcon下颜色识别与联合C#编程
wubaohu1314的博客
11-29 1327
　　一、简介 　　在上一篇文章中写到了关于用Halcon做颜色识别的一个实验项目，在上一篇中是在Halcon环境中进行开发的，而在实际运用中，现场是不在Halcon中进行运行程序的，而且一些逻辑在Halcon中也比较难以实现，这样就要结合其它编程语言进行联合编程，例如C++，VB，C#等等，这里我利用C#联合Halcon进行编程，将上一篇中的项目移植到C#中，做一个Winform程序。下面先看下效果演示： 　　 　　二、准备工作 　　（1）、IDE 用VisualStudio2015或以上；
halcon颜色识别
记录我目之所及的世界
03-23 984
颜色识别
应用halcon进行颜色识别
weixin_42734533的博客
09-03 3079
应用halcon进行颜色识别 代码如下： * Image Acquisition 01: Code generated by Image Acquisition 01 open_framegrabber ('GigEVision', 0, 0, 0, 0, 0, 0, 'default', 8, 'rgb', -1, 'false', 'default', '00214900caf1_Dah...
Halcon颜色识别color_fuses.hdev:classify fuses by color
weixin_42698464的博客
02-11 1527
*敬请关注微信公众号（机器人配视觉 ind400），可获取更多学习资料 *分享是件快乐的事，请把公众号分享给有需要的人。 *刷新窗口 关 dev_update_window('off') *命名 给选出来的东西一个名字（a是个变量，可以随便用，只要是英文） a:=['橙色','红色','蓝色','黄色','绿色'] *分类 要选出来的东西有几类（fusetypes用于循环，可随便命名，只要是英文） fusetypes:=[1,2,3,4,5] *命名好灰度值范围 某个东西有一定的范围（.
视觉成长之路Halcon——颜色检测：GMM分类器
weixin_49326739的博客
09-21 2147
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 视觉成长之路Halcon——颜色检测：GMM分类器前言一、算子介绍二、程序总结 前言 通过系统案例学习GMM分类器在颜色识别中的应用 一、算子介绍 1、gen_rectangle1通过两个坐标生成矩形——程序中通过该算子生成矩形框区域，该区域为分类器样本。 1.1、rectangle：存放区域 1.2、Row1：左上角点X坐标 1.3、Column1：左上角点Y坐标 1.4、Row
vision颜色匹配工具_CogColorMatchTool
weixin_45788237的博客
04-21 561
CogColorMatchTool 工具将彩色图像中某一区域的颜色和事先提取的参考图像表中的每一个颜色对比，得到一组得分，得分表示和此种颜色匹配的程度，得分越高说明颜色越接近，运行此工具的时候，将返回得分最高的颜色。
halcon第六讲：基于颜色空间的颜色检测
qq_24946843的博客
08-25 1万+
基于颜色空间的颜色检测（根据HSV空间中的色度图像来识别不同颜色，因为不同颜色有不同的色度范围） 一、halcon例程1：应用范围—>颜色识别—>segment color image in HSV color space。 dev_close_window () dev_open_window (0, 0, 640, 480, 'black', WindowHandle) fo...
基于QT+Halcon实现线序识别
大兵小杰
04-11 1399
一、线序识别算法步骤。 1.按照检测区域m_pItem1的外接矩形(rtBount)的大小, 截取感兴趣区域图像hRoi。 2.把截取出来的感兴趣区域图像hRoi, 分离出R、G、Ｂ三个通道hRed、hGreen、hBlue。 3.把hRed、hGreen、hBlue三个通道转换成cielab颜色空间, 得到hChannelL、hChannelA、hChannelB三个颜色图。 4.设m_pItem1的宽为iItemW, 高为iItemH. 分别申请大小为iItemW的pSumL、pSumA、pSumB内
【Halcon】Halcon颜色识别之classify_fuses_gmm_based_lut.hdev
Taily老段的专栏
05-26 1万+
* In this example five different color fuses are segmented with * a look-up table classifier (LUT) based on a Gaussian Mixture * Model (GMM). * **把程序窗口、变量窗口、显示窗体变为off状态 dev_update_off () *关闭窗口 dev_cl
Halcon颜色识别案例color_pieces
weixin_45387104的博客
12-18 825
样本训练程序 *训练样本 *创建一个进行分类或回归多层感知器 create_class_mlp (3, 7, 4, 'softmax', 'normalization', 3, 42, MLPHandle) *将图像中的训练样本添加到多层感知器的训练数据中。 add_samples_image_class_mlp (Image, Classes, MLPHandle) disp_message (WindowHandle, 'Training...
halcon卡尺测量
最新发布
08-31
Halcon是一种计算机视觉库，主要用于机器视觉应用，包括形状和尺寸检测。对于卡尺测量（也称为游标卡尺），Halcon可以用来自动化识别和分析图像中的卡尺读数。它能够通过图像处理技术捕获卡尺的照片，然后通过特征检测、边缘检测以及可能的模板匹配来识别刻度线和读数点。 具体步骤可能会涉及以下环节： 1. **图像采集**：使用相机获取卡尺清晰的图片。 2. **预处理**：对图像进行灰度化、去噪和二值化，以便更好地提取测量信息。 3. **特征定位**：找出刻度线的位置和间隔，可能是通过直线检测或特定几何形状的搜索。 4. **读数识别**：通过比较标记点到已知刻度的距离，计算出实际的尺寸值。 5. **结果校准**：如果需要，还可以考虑环境因素（如光照和视角变化）对测量精度的影响进行校正。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值