- 博客(9)
- 收藏
- 关注
RSS订阅原创 VisionPro九点标定数据使用脚本输入（CogCalibNPointToNPointTool）
不同于默认脚本的赋值，NPointPoint工具输入变量是VP里面的自带方法。以下是示例的两种脚本输入npp工具点位数据的方法，
2024-04-09 22:04:14
774
1
原创 VisionPro输入输出中添加自定义类型数据&集合输出
/ 创建一个名为"InputImage_Cam"的CogToolBlockTerminal对象，并指定其数据类型为List<int>// 将InputItems添加到mToolBlock的输出项列表中在外面运行一次就可以删掉了（一次性代码，添加了就没用了）下面是集合输出示例。
2024-02-02 10:51:32
722
1
原创 解释和使用 Insight 中的“Exact“函数：实现精确匹配的方法
在 Insight 中，“exact” 函数是一种用于执行精确匹配的功能。它通常用于搜索或过滤操作，以便从给定的数据集中找到完全匹配指定条件的项。具体使用方式可能因所使用的编程语言或上下文而有所不同，但它的基本目的是查找与给定条件精确匹配的项。
2023-12-15 11:00:16
393
原创 VisionPro CogSearchMaxTool VS CogPMAlignTool VS CogCNLSearchTool三个模板匹配工具之间的差异
总结来说，这三个工具在模板匹配任务上有不同的特点和适用范围。CogSearchMaxTool适用于具有旋转和光照变化的模板匹配，CogPMAlignTool适用于高精度匹配和具有形状变化的模板匹配，而CogCNLSearchTool适用于形状匹配和目标定位。选择合适的工具取决于具体的应用需求和图像特征。
2023-10-28 11:23:34
726
1
原创 VisionPro_机器视觉_LineLineTool工具输出弧度Angle转角度方法
一周的弧度数为2πr/r=2π，360°角=2π弧度弧度值乘以180/π来将其转换为角度值，其中π是圆周率，约为3.14159265359。
2023-05-08 15:15:08
2201
原创 VisionPro CogBlobTool工具介绍详解（三）设置选项卡（2）空间量化误差和软阈值与像素加权
在硬阈值中将图像的像素分为对象和背景两种，这时，优点是速度快，缺点是产生空间量化误差。为了消除空间量化误差，引入了软阈值。软阈值将图像中的像素分为对象、边缘和背景三种。为此，引入了像素加权来表示可能性，像素加权使用0~1来表示像素，0代表是背景， 1代表是对象，0
2023-04-27 10:59:30
721
1
原创 VisionPro CogBlobTool工具介绍详解（二）设置选项卡（1）硬阈值
图2显示了硬阈值的应用，以及所产生的图像的分割成目标和背景像素。在下面的例子 中，使用的150的阈值。其值大于或等于150的所有像素都被视为背景;小于150值的所有像素都被视为对象。由于斑点分析基本上是分析一个闭合形状的特性，在图像上进行斑点分析的处理时，图像必须分割成需处理的部分和背景部分。许多技术可用于图像分割成目标像素和背景像素。用于分割图像最简单的方法是选择一个像素值。低于阈值的灰度值的所有像素被作为为目标像素，高于阈值的所有像素被指定为背景像素。这种技术被称为二进制阈值或硬阈值。
2023-04-27 10:47:19
994
1
原创 VisionPro CogBlobTool工具介绍详解（一）
一个缓冲区显示了底层Blob工具的InputImage属 性。• LastRun.BlobImage缓冲区显示由所提取的斑点数据生成的图像，但不包括己过滤掉的斑点。• LastRun.BlobImageUnfiltered缓冲区显示由所提取的斑点数据生成的图像。• LastRun.Histogram缓冲区显示工具所运行最后一个图像的关注区域中的直方图。冲区中显示的斑点分析结果。这些缓冲区中的某几个需要您选择显示特定 结果才会出现。• LastRun.InputImage显示工具最后一次分析的图像。
2023-04-27 10:08:39
1945
1
机器视觉-VisionPro-Black-demo基础视觉工具使用的示例(ToolBlock）
2023-04-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人