- 博客(100)
- 收藏
- 关注
RSS订阅原创 Python保姆级下载安装教程--＞Windows版本
本文详细介绍了Python在Windows系统下的下载安装流程及PyCharm开发环境配置。主要包括：1. 从Python官网下载稳定版本（推荐3.x系列），注意选择与系统匹配的位数；2. 安装时务必勾选"Add Python to PATH"选项；3. 通过cmd命令验证安装是否成功；4. 介绍PyCharm的下载安装及基本设置，包括解释器选择、主题设置等；5. 提供常用PyCharm快捷键。文章强调要下载稳定版本而非最新版，并详细说明了安装过程中的各项选项含义，适合Python初学者
2026-02-01 08:45:00
1607
原创 Python 零基础入门核心知识点超详细总结，涵盖字面量、变量、数据类型、运算符、字符串操作、数据输入等关键知识点
本文介绍了Python编程基础中的关键概念：1. 字面量（整数、浮点数、字符串）及其输出方法；2. 注释的使用规范（单行#和多行三引号）；3. 变量的定义、赋值与修改；4. 6种核心数据类型及type()验证方法；5. 数据类型转换函数（int/float/str）；6. 标识符命名规则与规范；7. 算术运算符和赋值运算符；8. 字符串的三种定义方式、拼接、格式化（%和f-string）及引号嵌套技巧；9. input()获取用户输入及类型转换。内容涵盖Python基础语法要点，适合初学者系统学习。
2026-02-01 08:45:00
1224
原创 Halcon通过测量模型找直线、通过测量模型找圆、模板匹配 + 对齐测量模型 + 直线间距测量
本文介绍了Halcon中测量模型的应用方法，主要包括：1）通过测量模型查找直线和圆的基本流程，包括创建模型句柄、设置参数、获取测量点等操作；2）模板匹配与测量模型结合应用，实现直线间距测量；3）详细说明了各函数的使用方法，如create_metrology_model()、add_metrology_object_generic()等。文章还演示了如何通过仿射变换对齐测量模型，以及计算两条直线间最小距离的实现过程。这些方法为图像测量任务提供了完整的解决方案。
2026-01-31 08:45:00
40
原创 Halcon小案例---＞一维条形码识别、识别图像中E开头的字符信息
本文介绍了使用Halcon进行一维条形码和字符识别的实现方法。主要内容包括：1）创建和配置条形码识别模型，设置参数并识别图像中的条形码；2）通过模板匹配定位字符区域，使用MLP分类器进行OCR识别；3）展示了完整的处理流程，包括图像读取、区域提取、识别结果显示等步骤。文中提供了详细的代码示例，涵盖条形码识别参数设置、字符模板匹配、仿射变换等关键技术点，适用于工业检测等应用场景。
2026-01-31 08:30:00
561
原创 Halcon小案例---＞二维条形码- DM码识别、- QR码识别
本文介绍了使用Halcon进行一维条形码和字符识别的实现方法。主要内容包括：1）创建和配置条形码识别模型，设置参数并识别图像中的条形码；2）通过模板匹配定位字符区域，使用MLP分类器进行OCR识别；3）展示了完整的处理流程，包括图像读取、区域提取、识别结果显示等步骤。文中提供了详细的代码示例，涵盖条形码识别参数设置、字符模板匹配、仿射变换等关键技术点，适用于工业检测等应用场景。
2026-01-31 08:30:00
161
原创 Halcon小案例---＞玻璃瓶个数检测、筛子点数检测
本文介绍了两种基于Halcon的图像处理案例：玻璃瓶数量检测和筛子点数统计。对于玻璃瓶检测，通过图像增强、阈值分割、连通域分析和形状筛选等步骤，分别统计开口瓶和闭口瓶数量并汇总。筛子点数检测则采用阈值分割和面积筛选来识别骰子点数。两种方法都实现了自动计数功能，并展示了处理效果。文章提供了完整的代码实现流程，包括图像读取、预处理、特征提取和结果显示等关键步骤，为工业视觉检测提供了实用参考方案。
2026-01-30 08:30:00
286
原创 Halcon小案例---＞测量左上小圆心到左下小圆心的距离、螺丝螺母匹配检测
本文介绍了使用Halcon进行二维几何测量的方法。首先通过模板匹配定位目标区域，然后创建二维测量模型，添加圆形测量对象参数。通过apply_metrology_model执行测量，获取圆心坐标后使用distance_pp计算两点间距离。同时演示了螺丝螺母匹配检测的实现过程，包括创建多个形状模板、执行模板匹配和显示匹配结果。文中详细说明了关键步骤的Halcon算子使用，如create_shape_model、find_shape_models等，并提供了完整的测量流程和匹配检测方案。
2026-01-30 08:30:00
703
原创 Halcon图像点运算、获取直方图、直方图均衡化
摘要：本文介绍了图像处理中的点运算与灰度直方图分析方法。主要内容包括：1）灰度直方图的特性与获取方式，包括统计关系、映射关系和可叠加性；2）常用图像处理算子，如直方图阈值分割(histo_to_thresh)、灰度变换(scale_image)、非线性变换(log_image/pow_image)等；3）图像运算方法，包括加减乘除(add_image/sub_image等)和通道处理(rgb3_to_gray)；4）直方图均衡化(equ_histo_image)和图像锐化(sobel_amp)等增强技术。通
2026-01-29 09:00:00
250
原创 Halcon小案例---＞别针识别加箭头练习、查找垫子(正常)、查找垫子(多种阈值分割)
原图在Halcon自带的图片文件夹中,图片名称是die_pads。原图在Halcon自带的图片文件夹中,图片名称是'clip'
2026-01-29 08:45:00
491
原创 Halcon生成一个标定描述文件、生成棋盘格和保存图片
摘要：本文介绍了相机标定和图像处理的关键操作流程。首先使用gen_caltab()生成7x7规格的标定板（间距0.0125米），然后通过image_points_to_world_plane()实现像素坐标到物理坐标的转换。详细说明了相机内参数（包括焦距、畸变系数等）和外参数（位姿关系）的设置方法，并演示了实际测量流程：从图像读取、blob分析到坐标转换和距离计算。最后介绍了棋盘格生成(gen_checker_region)和区域转图像(region_to_bin)的方法。这些操作构成了完整的视觉标定和测量
2026-01-28 09:00:00
373
原创 Halcon匹配助手、匹配助手实现通用形状模板匹配
本文介绍了Halcon中通用形状模板匹配的实现方法。首先通过创建模板、设置参数和训练模板建立匹配模型，然后使用仿射变换将模板轮廓与目标图像对齐。在测试阶段，通过遍历图像集查找匹配结果，获取每个匹配目标的轮廓、坐标、角度和得分等数据。文章详细展示了从模板创建到匹配结果展示的完整流程，包括图像处理、区域裁剪、参数设置和结果可视化等关键步骤，为基于形状的模板匹配应用提供了实用参考。
2026-01-28 09:00:00
684
原创 Halcon小案例---＞车牌数字提取
摘要：本文演示了使用Halcon提取车牌数字的代码实现。首先读取"audi2"图片，通过阈值分割(20-80)和连通器分析处理图像，然后筛选面积在900-1500、高度在60-70之间的区域。该代码简洁高效地实现了车牌数字提取功能，适用于图像处理初学者参考学习。
2026-01-27 08:54:56
309
原创 Halcon一维码的读取、批量条码检测_含未检测到条码处理、兼容多种二维码识别、OCR字符提取
本文摘要介绍了Halcon图像处理中条形码、二维码和OCR字符识别的实现方法。一维码部分详细说明了创建模型、参数设置、识别和结果获取的全流程；二维码识别兼容多种格式（D码、QR码、PDF417码），采用分级查找策略；OCR字符识别包含预处理、区域分割、排序和分类识别等步骤，支持单字符和多字符识别模式。文中还强调了工程实践中资源释放的重要性，并提供了调试技巧。
2026-01-27 08:54:33
994
原创 Halcon多模板检测和模板的读写
本文介绍了Halcon中的多模板匹配与NCC模板匹配方法。在多模板匹配中，通过绘制圆形ROI区域、创建形状模板、获取轮廓并执行仿射变换等步骤实现多个模板的匹配检测。测试阶段使用find_shape_models函数查找多个模板，并显示匹配结果。NCC模板匹配部分则包含创建模板、导出/加载模板文件、查找匹配和显示结果等操作流程。两种方法都提供了完整的图像处理步骤，包括区域设置、参数调整和结果展示等关键技术环节，可用于工业视觉检测中的目标定位与识别任务。
2026-01-26 09:00:00
749
原创 Halcon小案例基于灰度值的模板匹配和基于形状的模板匹配
本文介绍了基于Halcon的两种模板匹配方法：灰度值模板匹配和形状模板匹配。灰度值匹配通过create_ncc_model创建模板，使用find_ncc_model进行匹配，并通过仿射变换实现精确定位；形状匹配则采用create_scaled_shape_model创建可缩放模板，通过find_scaled_shape_model实现带缩放和旋转的匹配。两种方法都详细说明了从图像获取、ROI设置、模板创建到匹配定位的全流程，并展示了多种结果显示方式，包括仿射变换和轮廓显示。文章还提供了代码实现细节，对Hal
2026-01-26 09:00:00
1601
原创 Halcon小案例---＞使用算子打印斜式楼梯(两种方法)和打印正方形(两种方法)
摘要：本文介绍了两种编程方法实现图形绘制：1) 斜式楼梯绘制：方法一通过多边形填充创建三角形区域；方法二通过图像灰度值设置生成白色阶梯图案。2) 正方形绘制：方法一使用矩形生成函数配合定时器；方法二同样采用灰度值设置实现全白图像。两种方法均包含窗口初始化、颜色设置等基础操作步骤，并提供了完整代码示例和效果演示。
2026-01-25 09:00:00
446
原创 Halcon小案例---＞土豆个数检测和木头个数检测
本文介绍了使用Halcon进行图像处理的两个案例：土豆个数检测和木头个数检测。通过read_image()获取图像后，采用阈值分割、腐蚀膨胀等形态学处理方法，再经过连通区域分析和形状筛选，最终使用count_obj()统计目标数量并显示结果。土豆检测案例处理了pellets图片，木头检测案例则对wood.jpg进行灰度转换后处理。两个案例都展示了完整的处理流程，包括图像预处理、区域分割、形态学操作、特征筛选和结果展示，为物体计数提供了实用的Halcon实现方案。
2026-01-25 09:00:00
501
原创 Halcon小案例---＞胶囊瑕疵检测
本文介绍了使用Halcon进行胶囊瑕疵检测的算法流程。通过图像处理技术检测胶囊包装中的错放和漏放问题，主要步骤包括：图像获取与预处理（灰度转换、反转）、阈值分割、形态学处理（开运算、膨胀、腐蚀）、区域筛选和连通性分析。算法能够自动统计错放和漏放胶囊数量，并判断产品是否合格（OK/NG）。完整代码实现了从图像读取到结果显示的自动化检测流程，通过不同颜色标识缺陷类型，为工业质检提供了实用的解决方案。
2026-01-25 09:00:00
284
原创 Halcon小案例---＞金属模板圆形测量(两种方法)
本文介绍了两种使用Halcon进行金属模板圆形测量的方法。方法一通过绘制仿射矩形检测区域，进行阈值分割、形态学处理和椭圆参数测量；方法二采用矩形检测区域，通过面积计算获得直径。两种方法均包含图像预处理、区域筛选、参数计算和结果显示等步骤，实现了对金属模板中圆形特征的自动检测和尺寸测量。文中提供了详细的代码实现和操作流程，可作为工业视觉检测的参考方案。
2026-01-24 10:36:27
500
原创 Halcon小案例---＞电路板缺陷检测
本文介绍了一个基于Halcon的电路板缺陷检测程序实现方法。代码通过阈值分割、形态学处理（膨胀、腐蚀）和区域差集运算等图像处理技术，检测电路板中的缺陷区域。主要步骤包括：读取图像、设置显示参数、阈值分割获取区域、进行膨胀和腐蚀处理以增强特征，最后通过区域差集运算突出缺陷部分。程序还包含窗口清理、图像显示等辅助功能，最终可直观展示检测结果。该方案为电路板质量检测提供了有效的自动化解决方案。
2026-01-24 09:00:00
663
原创 Halcon小案例---＞网格顶点
本文介绍了使用Halcon进行网格顶点检测的代码实现。通过均值滤波预处理图像，使用动态阈值分割提取网格线区域，再通过形态学开运算分离垂直线和水平线。最后求取两线交集得到网格顶点，并通过连通性分析完成检测。代码包含图像读取、平滑处理、阈值分割、形态学操作和区域处理等关键步骤，实现了从原始图像到网格顶点的完整提取流程。
2026-01-24 09:00:00
308
原创 Halcon图像滤波:均值滤波、中值滤波、高斯滤波、高通滤波、标准差滤波
本文系统介绍了五种图像滤波方法及其应用场景：1）均值滤波通过邻域平均消除高斯噪声，但会模糊边缘；2）中值滤波通过取邻域中值有效去除椒盐噪声；3）高斯滤波利用二维高斯函数核，特别适用于高斯噪声消除；4）高通滤波通过频域转换保留高频信号实现边缘增强；5）标准差滤波通过计算邻域灰度标准差突出变化区域。每种方法都详细说明了算法原理、参数设置和实现步骤，并分析了各自的优缺点，为图像预处理中的噪声抑制和特征保留提供了完整的技术方案。
2026-01-23 18:23:33
963
原创 Halcon图像采集助手、ROI操作和画图、ROI实现区域与轮廓之间的相互转换、区域的交集差集取反
【代码】Halcon图像采集助手、ROI操作和画图、ROI实现区域与轮廓之间的相互转换、区域的交集差集取反。
2026-01-23 18:10:40
1015
原创 Halcon变量控制类型、数据类型转换、字符串格式化、元组操作
Halcon的基础控制类型共5种：string(字符串)、integer(整数)、real(实数/小数)、tuple(元组)、handle(句柄)2. 类型兼容：整数可以自动转为实数，反之需要强制转换（tuple_real()）1. 弱类型语言：Halcon无需声明变量类型，赋值即定义，自动识别类型。3. 元组万能：所有变量都是元组，元组可以嵌套元组，支持所有运算/操作。
2026-01-10 16:46:25
642
原创 一篇读懂 C# 序列化与反序列化：原理、实现与实战应用
将内存中的对象（如自定义类实例、集合、结构体等）转换为可存储 / 可传输的格式（如二进制、XML、JSON、字节流）的过程。核心目的：突破内存限制，实现对象的持久化（存文件 / 数据库）或跨平台 / 跨进程传输（网络通信、RPC 调用）。；。// 使用自定义转换器本地 /.NET 内部场景：二进制序列化（注意安全）；需可读性 / 跨语言：XML（配置）、JSON（Web）；高性能跨平台：Protobuf；
2025-12-21 19:35:51
1382
原创 Cog3DRangeImageHeightCalculatorTool 工具超详细解释（原理 + 参数 + 筛选逻辑 + 区域配置 + 场景 + 实战）
Cog3DRangeImageHeightCalculatorTool 是 3D 视觉中高度分析的核心工具，通过 “区域选定 + 多层筛选 + 统计计算” 实现 3D 高度数据的精准分析，完美适配工件平面度、高度一致性等工业检测场景。配置核心是 “精准定位区域、匹配筛选参数、结合统计指标输出结果”。
2025-12-21 19:35:31
814
原创 Cog3DRangeImageVolumeCalculatorTool 工具超详细解释（原理 + 参数 + 计算逻辑 + 场景 + 实战）
Cog3DRangeImageVolumeCalculatorTool 是 3D 视觉中 “体积量化” 的核心工具，通过 “区域选定→高度筛选→体积累加” 的流程，实现 3D 区域体积的精准计算，完美适配物料填充量、工件体积验证等工业场景。配置核心是 “精准选定分析区域、匹配最小高度阈值”。
2025-12-20 09:06:27
1085
原创 Cog3DRangeImageCrossSectionTool 工具超详细解释（原理 + 参数 + 运算逻辑 + 场景 + 实战）
Cog3DRangeImageCrossSectionTool1 是 3D 视觉中 “截面分析” 的核心工具，通过 “区域选定→轮廓提取→运算测量” 的流程，将 3D 深度图的截面信息转成可量化的几何指标，完美适配接缝间隙、截面形状、角度对齐等工业检测场景。配置核心是 “精准选定截面区域、匹配特征提取 / 运算 / 测量的运算符”。
2025-12-20 09:05:49
858
原创 Cog3DRangeImagePlaneEstimatorTool 工具超详细解释（原理 + 参数 + 拟合规则 + 结果解析 + 场景 + 实战）
底层逻辑：依托最小二乘法实现 3D 点云到平面参数的量化，填补 2D 工具无法处理空间维度的空白；配置灵活：支持 “区域 / 离散点” 两种拟合方式，结合掩膜、领域平均等功能适配不同 3D 场景；可视化强：通过 “图形” 选项卡直观验证拟合范围，降低调试难度；结果实用：输出的法向量、姿态角度、精度指标直接服务于 3D 检测、定位、测量场景。
2025-12-19 09:02:39
940
原创 CogAffineTransformTool 工具超详细解释（原理 + 全参数 + 功能 + 场景）
区域形状：默认选择（仿射矩形），支持通过多点定义不规则仿射区域；选择模式（区域定位方式，适配不同目标形态）：原点：以 “原点 X/Y” 为基准点（通常选目标角点），搭配 “边长 X/Y” 定义仿射矩形位置与大小，适配规则形状且位置已知的目标；中心：以区域中心为基准点，搭配 “宽度 / 高度” 定义区域，适配对称规则目标；3 点：通过手动选取 3 个特征点定义仿射区域，适配轻微倾斜的不规则目标；
2025-12-19 09:01:49
997
原创 CogPolarUnwrapTool 工具超详细解释（原理 + 参数 + 尺寸计算 + 采样方法 + 场景 + 实战）
CogPolarUnwrapTool 是 VisionPro 中针对圆形 / 椭圆 / 环形目标的 “图像展开神器”底层逻辑：通过极坐标→笛卡尔坐标变换，将 “难检测的环形 / 椭圆区域” 转为 “易处理的矩形区域”；核心优化：自动计算输出尺寸匹配原区域像素密度，结合双线性 / 最近邻采样平衡 “精度与速度”；工业适配：完美解决瓶盖、轴承、晶圆、椭圆仪表盘等目标的缺陷检测、字符识别难题。
2025-12-18 09:05:00
1269
原创 CogColorExtractorTool 工具超详细解释（原理 + 功能 + 参数 + 场景）
CogColorExtractorTool 是 VisionPro 中专注于 “彩色图像→颜色分量图” 转换的预处理工具，其核心价值是通过 “颜色空间转换 + 分量提取”，将复杂的彩色信息简化为单通道的颜色特征图，放大目标与背景的颜色差异，为后续的颜色瑕疵检测、颜色分类、颜色一致性验证等场景提供更易处理的图像数据，是食品、包装、电子等行业 “颜色相关检测” 的必备前置工具。
2025-12-18 09:03:44
1322
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人