explore_halcon.hdev(7)之p_do_blister_mixed函数模块

本文介绍了Halcon的p_do_blister_mixed函数,利用高斯混合模型(GMM)进行药丸检测。通过灰度值分割、滞后阈值操作和区域形状变换等步骤,提取模板特征并训练GMM,进行图像分类和误判胶囊判断。涉及到的Halcon函数包括shape_trans、orientation_region、hysteresis_threshold、create_class_gmm等。
摘要由CSDN通过智能技术生成

三通道图像的灰度值是是三个单通到图像灰度值的组合,值越大看起来图像越亮,值越小图像越暗,在三通道图像上看哪部分的哪种颜色越深,证明在该部分的哪种颜色分量越大,反映到该通道上越亮

高斯混合模型GMM(Gaussian Mixture Model):聚类算法,该方法使用了高斯分布作为参数模型,并使用了期望最大(EM)算法进行训练

高斯分布:有时也被称为正态分布,是一种在自然界大量存在的,最为常见的分布形式。

详细介绍参考https://zhuanlan.zhihu.com/p/31103654

凸包性:取多边形(包含多边形边界)内任意两个点,两个点的连线,线段上的任意点都是在三角形内部

该函数功能主要是通过高斯混合模型对药丸进行检测,主要流程是extract_pill_types函数提取模版特征主要是通过灰度值分割、滞后阈值分割、region改变形状,创建高斯混合模型以及对高斯混合模型进行训练,处理待分类图片,将图片进行刚性仿射变换(根据点及角度进行刚性变换计算),旋转平移图片到模版图片的位置,对图片进行高斯混合模型分类,处理分类后的结果(region的area、width),根据得到的 ClassRegions 获取图片中的位置,判断药丸分类的数量和是否有空胶囊,根据灰度值的偏差判断是否有误判的胶囊

1.shape_trans(Region : RegionTrans : Type : ):改变一个区域的形状

参数:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

乌里随记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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