halcon模板匹配(四)几个简单例程

mm_exploration

已于 2025-04-19 10:55:18 修改

阅读量102

点赞数 2

分类专栏： Halcon 文章标签： halcon 计算机视觉图像处理

于 2025-04-16 10:26:05 首次发布

本文链接：https://blog.csdn.net/m0_37737957/article/details/147205978

版权

Halcon 专栏收录该内容

66 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

一、各向异性（行列比例不同）匹配例程：find_aniso_shape_model
二、变形匹配例程：find_cocoa_packages_max_deformation
三、各向同性匹配例程：find_generic_shape_model_xld_workflow
四、各向同性尺度形状模型匹配：find_scaled_shape_model
五、离焦（模糊）图像模型匹配：matching_defocused_pcb
六、边界之外的对象模型匹配：matching_image_border

一、各向异性（行列比例不同）匹配例程：find_aniso_shape_model

create_generic_shape_model (ModelID)
set_generic_shape_model_param (ModelID, 'scale_row_min', 0.9)
set_generic_shape_model_param (ModelID, 'scale_row_max'

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

mm_exploration

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

【Halcon知识】模板形状匹配的主要算子

gongdiwudu的专栏

01-10

8104

对于模板匹配，我们在文章【9】形状模板匹配已经讲述，但是其中有一个脉络需要强调。本文就是针对模板匹 dev_set_line_width(4) list_image_files('images', 'default', [], ImageFiles) read_image(Image, 'images/rote_all') dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle) dev_display(Image) gen.

halcon第十五讲：基于灰度值的模板匹配

qq_24946843的博客

08-29

8828

Halcon自带的图片默认位置：C:\Users\Public\Documents\MVTec\HALCON-12.0\examples\images 基于灰度值的模板匹配，首先创建一个模板，在图像金字塔中去旋转缩放式搜索，寻找均值或方差与模板最接近的区域，即匹配到该模板。虽然受光照影响大，但如果是线性变换的光照，可以通过设置模板的均值偏差来解决这个问题，也叫模板自适应。基于相关性的模板匹配...

参与评论您还未登录，请先登录后发表或查看评论

基于形状模板匹配，Halcon例程学习check_soft_cheese

sweeting_QQ的博客

06-26

1041

在构建形状模型时，可能会在不同尺度（层级）上生成轮廓信息，这个参数允许你选择特定的细节层次。值介于0（最不贪婪，最全面的搜索）到16（最贪婪，最快但可能错过较弱匹配）之间。如果在图像中找到的匹配超过这个数，只保留得分最高的几个。：输出参数，对于每个匹配到的模型实例，返回其对应的模型ID索引。输入参数，预处理过的灰度图像，在其中寻找与模型匹配的物体。输出参数，每个匹配的得分，表示匹配的质量或置信度。输入参数，要填充的多边形角点的行坐标集合。输入参数，要填充的多边形角点的列坐标集合。

Halcon算子_模板匹配

m0_55976972的博客

09-01

3150

参数含义：*搜素图像模型句柄起始角度角度范围最小分数最大实例个数最大重叠度亚像素精度金字塔层数贪婪度行列坐标角度（模板-》实例逆正顺负) 得分数。no_pregeneration:不预先储存（不占内存，速度快，精度相对弱）point_reduction_medium :去边缘点-中 1/3。point_reduction_high:去边缘点-高 2/3。point_reduction_low :去边缘点-低 1/4。7.极性：分为使用极性，忽略全局，忽略局部，忽略颜色。

Halcon模板匹配

weixin_30733003的博客

08-21

347

使用find_scaled_shape_models来做模板匹配，发现网上竟然一点都找不到关于这个算子的文章，只有少数的find_scaled_shape_model相关的，但是我想同时做多个模板匹配，不想一个个来。接昨天的那个问题，就是配置可接受的最小分数值，这个分数值明明远远低于实际得分，但是就是匹配不上的问题。后来经过多此测试及重新阅读官方文档发现，多个模板，如果可接受最低分...

halcon模板匹配实践（6）差异模型

$firecat利白的代码足迹$

07-26

4424

Variation Model的主要原理是将待检测的图像与一张标准图像作比较，找出待检测图像与标准图像（idealimage）的明显差异（也就是不良）。标准图像可以采用几张OK品的图像训练（training）得到，也可以通过对一张OK品图像进行处理得到。训练后得到标准图像和一张variation图像（variationimage），variation图像中包含了图像中每个像素点灰度值允许变化的范围。标准图像和variation图像用来创建一个variationmodel，如此，其他图像就可以与variati

Halcon 第五章『模板匹配Matching』◆第1节：模板匹配的介绍&金字塔

Halcon机器视觉

05-02

5852

一、前言 图像处理中的模式指的是对图像目标所具有的特征的描述，而模式识别（Pattern Recognition）就是利用计算机对图像目标进行分类，在错误概率最小的条件下使识别的结果尽量与客观事物符合。二、图像模式识别的定义人们在观察事物或现象时，常常会观察它与其他事物或现象的相同或不同之处，会把具有相似特征的归为一类。把上述过程用计算机来实现，就是模式识别过程。它可以定义为表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息...

halcon 中模板匹配与测量工具搭配总结

hao1183716597的专栏

03-22

709

【代码】halcon 中模板匹配与测量工具搭配总结。

Halcon基于深度模型的模板匹配建模和实现

weixin_43997632的博客

12-07

1172

* read_object (TemplateRegions, 'template_regions_' + ImageSet) //创建三个ROI区域用来制作模板。prepare_deep_counting_model (Object, DeepCountingHandle) //把创建的模板加载到模型中。read_image (TemplateImage, './image/test') //读取一张模板图像。结果如下：其中的绿色是简历的模板，其他的是匹配的结果。

halcon机器视觉，这是一个入门例程，以及我自己的一些心得笔记

08-10

HALCON的入门涉及以下几个关键步骤： 1. 图像获取：首先，我们需要连接摄像头并捕获图像，HALCON提供接口与各类相机进行通信，确保高质量的图像输入。 2. 图像预处理：图像可能因光照、噪声等因素影响质量，预处理...

Python----目标检测（《SSD: Single Shot MultiBox Detector》论文和SSD的原理与网络结构）

最新发布

weixin_64110589的博客

06-01

590

SSD（Single Shot MultiBox Detector）是一种高效的单阶段目标检测模型，由Wei Liu等人在2016年提出。其核心创新包括多尺度特征图预测和高效的单次检测框架。SSD通过在不同层级的卷积特征图上生成不同尺度和长宽比的默认边界框，直接预测类别得分和边界框偏移量，无需候选区域生成，显著提升了检测速度。SSD在VOC2007测试集上达到74.3% mAP，速度59 FPS，优于Faster R-CNN和YOLO。SSD的贡献包括推动实时检测发展、技术启发性、实际应用价值和学术贡献，成

一文清晰理解目标检测指标计算

Nelson_hehe的博客

05-29

1325

本文系统介绍了目标检测中的核心概念与评估指标。主要内容包括：1）交并比(IoU)、置信度及TP/FP/FN等基本概念的定义与计算方法；2）精确度、召回率、AP/mAP等关键指标的计算过程，重点阐述了COCO AP采用101点插值法和多IoU阈值平均的特点；3）对比分析了两类检测模型（Faster R-CNN与DETR）的输出处理机制，前者依赖NMS去除冗余预测，后者通过二分匹配直接输出非重叠检测结果。文章全面解析了目标检测模型评估的技术细节，为理解检测性能指标提供了系统指导。

【目标检测】【ICCV 2021】条件式DETR实现快速训练收敛

weixin_44184852的博客

05-30

889

摘要本文提出条件式DETR（Conditional DETR），一种改进的Transformer目标检测方法，显著加速DETR的训练收敛速度。研究发现，DETR的交叉注意力机制过度依赖内容嵌入来定位物体边界，导致训练难度增加。条件式DETR通过在解码器嵌入中学习条件空间查询，使每个注意力头能够聚焦特定区域（如物体端点或内部区域），从而缩小定位范围并降低对内容嵌入的依赖。实验表明，该方法在COCO数据集上使用ResNet-50/101骨干网络时收敛速度提升6.7倍，使用DC5增强骨干时加速达10倍，同时保持

基于点标注的弱监督目标检测方法研究

Wnq10072的博客

05-25

1072

本文提出了一种基于点标注的弱监督目标检测算法，通过仅标注物体中心点显著降低标注成本。算法包含三大核心模块：空间图模块（SGB）利用标注点周围空间关系定位完整目标，语义分支（MSB）分析类别关联提升多标签检测能力，实例计数模块（CIB）基于标注点数量区分多个物体。实验表明，该算法在定位准确率（81.5% vs 65.2%）、多车检测召回率（89.7% vs 58.3%）等指标上显著优于传统弱监督方法，接近全监督模型性能，可应用于自动驾驶、工业检测等场景，为低成本视觉任务提供了有效解决方案。

[yolov11改进系列]基于yolov11引入上下文锚点注意力CAA的python源码+训练源码

FL1623863129的博客

06-01

1056

YOLO11 是Ultralytics YOLO 系列实时物体检测器的最新版本，以尖端的精度、速度和效率重新定义了可能性。基于先前 YOLO 版本的令人印象深刻的进步，YOLO11 在架构和训练方法方面引入了重大改进，使其成为各种计算机视觉任务的多功能选择。

OpenCV图像认知(二)

2401_87100628的博客

05-26

1377

本文介绍了图像处理中的形态学变换和颜色识别技术。形态学变换包括腐蚀（缩小目标）、膨胀（扩展边界）、开运算（去噪）、闭运算（填充空洞）、礼帽/黑帽运算（分离明暗斑块）和形态学梯度（边缘检测）。颜色识别部分涵盖RGB和HSV颜色空间，重点讲解HSV在颜色检测中的优势，包括通过定义颜色区间创建掩膜来识别特定颜色的方法。文中提供了Python和OpenCV的实现代码示例，展示了各种变换的实际应用效果。

顶会新方向：卡尔曼滤波＋目标检测

YunTM的博客

05-27

1538

卡尔曼滤波与目标检测的创新结合在学术界取得了显著成果，多篇研究登上顶级期刊和会议。例如，无人机竞速系统Swift通过这种结合实现了冠军级别的表现，并发表在Nature上。卡尔曼滤波能有效处理带噪声的数据，与目标检测结合后，两者优势互补，提升了检测的准确性和鲁棒性。相关研究包括自动标注激光雷达数据、改进多目标跟踪算法、以及多变量不确定性校准等，这些方法在多个数据集上均表现出色，推动了目标检测技术的发展。

Python----目标检测（《Fast R-CNN》和Fast R-CNN）

weixin_64110589的博客

05-30

1013

Fast R-CNN是一种高效的基于区域提议的卷积神经网络（R-CNN）改进方法，主要解决了R-CNN和SPPnet在训练和检测速度上的瓶颈问题，同时提升了检测精度。

【论文解读】DETR: 用Transformer实现真正的End2End目标检测

weixin_44191845的博客

05-29

957

Facebook AI Research (FAIR) 的 DETR (DEtection TRansformer) 横空出世，试图用一种更为简洁、直接的方式，将这场棋局化繁为简。它借鉴了自然语言处理领域大放异彩的 Transformer 架构，并将其成功应用于目标检测任务，实现了首个真正意义上实现完全端到端。