机器视觉7

已于 2024-09-04 17:01:34 修改
阅读量1.8k 收藏 17
点赞数 19
文章标签： microsoft c# 计算机视觉
于 2023-12-05 10:31:02 首次发布
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/qqku321/article/details/134782661
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  ）bf069c378f6a432e82147b3cde88c16c.png

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

2137738bc6f44d7398839c8b02281401.png

1.哪个blob中有结果 证明 颜色存在

717712f09257434e8aa80c409057fe1c.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.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

  1. 架设好图像采集系统，固定相机、镜头、光源等器件
  2. 选择合适的标定片，放置到视野下，采集1张清晰的图像
  3. 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.

3acf6058b4744e209c542921248ca627.png

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

ce424ccacd6342db883b0586211cbb9e.png

1.添加缺陷检测工具 

3d6b43f3f5ca428fb8b6b3255c3c2e85.png

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

5256f4150d694ad2ab6db015f70f4c06.png

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；

9065e58be148417581208b2bcb7097e3.png

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。

88fda18ae64147d7a30f9849008827d7.png

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，

624cacd56e71411e9a713be7be35fb7c.png

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。

e718558bf6ed4e9eacffc1e03e3cbf88.png

 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。

f86b8f4ab8fa4df7acc2568a3886346e.png

 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

07664cadf6774c51a13be401a96f9bc6.png

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

随风1987
关注
  • 19
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
halcon机器视觉7-4.hdev
02-28
halcon机器视觉7-4.hdev
机器视觉 08
2403_82501440的博客
03-23 1356
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.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。// 根据blob检测结果的个数判断 添加对应文本工具。//根据blob检测结果的个数判断 颜色是否符合。通过线的颜色来判断线序颜色 并标注颜色。//文字工具设置位置 和对应结果。//映射对应的颜色匹配工具。//文字工具添加到窗口中。//设置4个blob工具字段。//初始化4个文本工具。//设置7个匹配工具字段。//文字工具设置颜色。
颜色匹配工具CogColorMatchTool
2401_85866688的博客
08-10 220
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。图片格式介绍: https://blog.csdn.net/weixin_45788237/article/details/137915840。两个地方选择的颜色越相近,得分越高,最高分为1。
CogColorMatchTool
钢铁男儿
08-04 965
CogColorMatchTool工具的原理 CogColorMatchTool工具将彩色图像中某一区域的颜色和事先提取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。 CogColorMatchTool工具采用单一颜色进行匹配，在获取一定区域内的颜色之后，会见区域内的颜色求平均值，然后用这个平均值进行匹配，所以，如果说提取的区域内的颜色具有单一或接近统一的颜色时，匹配的效果会稳定，对应一些颜色不单一的图像，则需要使用
vision颜色匹配工具_CogColorMatchTool
weixin_45788237的博客
04-21 487
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。
CogCompositeColorMatchTool
钢铁男儿
08-04 580
CgCompositeColorMatchTool功能原理 与CogColorMatchTool工具一样，CgCompositeColorMatchTool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，将返回得到最高的颜色。但CogColorMatchTool工具不同的是，CgCompositeMatchTool匹配的时候不是yoga的颜色的平均值，而用的是颜色的分布情况。这种匹配对于一些具有符
VisionPro工具
一个不掉头发的资深小白
02-22 1557
复合颜色匹配工具，适用于纹理的区分,所有的样品都有相似的平均值，但是分布和得分不相同，多用于混合。：圆拟合工具，能够为用户提供一个二维坐标点，拟合成一个圆，要求最少三个点才可以拟合一个圆。脏污，亮度值不够的某一块区域，可以检测对象的尺寸，形状，方向。：颜色提取工具，用于从图像中查找有没有某种颜色。：识别条码工具，可包含数据阵，QR代码等一系列码的读取。：卡尺工具，查找边缘的工具，一切测量工具的基础。：用于训练模版,根据训练模版识别出跟模版相似的。：颜色匹配工具，根据匹配的结果报告对应的分数。
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...
python+opencv识别四种颜色，框定并标注
weixin_60874964的博客
03-12 9017
import cv2 as cv import numpy as np # 读取视频 capture = cv.VideoCapture(0) height = capture.get(cv.CAP_PROP_FRAME_HEIGHT) width = capture.get(cv.CAP_PROP_FRAME_WIDTH) count = capture.get(cv.CAP_PROP_FRAME_COUNT) fps = capture.get(cv.CAP_PROP_FPS) print(heig.
深入解析 Cognex VisionPro 的 CogColorMatchTool
东城十三
06-16 910
CogColorMatchTool 是 Cognex VisionPro 提供的一个用于颜色匹配的工具。该工具利用图像中的颜色信息来匹配特定颜色区域，适用于各种需要颜色识别和匹配的应用场景。CogColorMatchTool 是 Cognex VisionPro 中功能强大且灵活的颜色匹配工具，通过其丰富的功能，可以轻松实现对图像中颜色区域的匹配和分析，满足多种工业自动化和机器视觉应用需求。希望本文能够帮助您更好地理解和使用 CogColorMatchTool，从而提高您的机器视觉项目的开发效率。
VisionPro工具说明
热门推荐
meifeisewu8的博客
03-18 2万+
无分类 1.1. CogAcqFifoTool 功能：从相机获取图像 1.2. CogBlobTool 功能：斑点找寻工具 1.3. CogCaliperTool 功能：卡尺工具，用于找单边或边缘对 1.4.CogCNLSearchTool 功能：在图像中找寻像素值的训练模板 1.5. CogDataAnalysisTool 功能：数据分析工具 1.6. CogImageFileTool 功能：...
vision应用教程中文版
Steven_eleven的博客
08-30 7392
VisionPro工具           项次 分类 名称 功能 SOP是否完成   1 无分类 CogAcqFifoTool 从相机获取图像 ˇ   2   CogBlobTool 斑点找寻工具 ˇ   3   CogCaliperTool 卡尺工具，用于找单边或边缘对 ˇ   4   Co
04.VisionPro工具说明
陈小洋
09-27 6229
项次 分类 名称 功能 SOP是否完成 1 无分类 CogAcqFifoTool 从相机获取图像(采集图像工具、硬件接口) ˇ 2 CogBlobTool 斑点找寻工具(连通区域分析) ˇ 3 CogCaliperTool 卡尺工具，用于找单边或边缘对(查找边缘/边缘对的位置) ˇ 4 CogCNLSearchTool 在图像中找寻像素值的训练模板(灰度匹配查找)...
面向对象需求分析
探索软件工程的奥秘
09-10 728
以对象为中心，以类为构造机制，来认识、理解、刻画客观世界和设计、构建相应的软件系统。功能模型描述所有参与者使用系统功能的情况。以用例为建立功能模型的基本单位，通过可视化的用例图展示参与者与系统交互的情况。用例图从用户的观点描述系统的功能，是用户所能观察到的系统功能的模型图，由参与者、用例以及它们之间关系所组成。什么是对象模型呢？对象模型（类图）是模型的静态结构，表示软件要处理的数据，它描述了系统逻辑设计中存在的包、类以及它们之间的关系。
如果电脑一直提示微软账号登录……
小白电脑技术的博客
09-06 1167
今天小白接了个电脑故障问题：电脑提示微软账号登录，然后经过各种操作……电脑重启之后就变成了这样：按理说，登录了微软账号之后，Windows系统要进入到桌面就必须有一个输入密码验证的过程，但这个界面明显是没有可以输入密码的地方。点击【登录】之后，发现……屏幕只是闪了一下，然后又是这个用户登录界面。这不就完完全全卡住了吗？系统用不了，文件用不了……看着是真的难受。
QT核心机制
最新发布
没有百宝袋的哆啦A梦的博客
09-10 803
1. 什么是事件？(重点)事件是由窗口系统或者自身产生的，用以响应所发生的各类事情，比如用户按下并释放了键盘或者鼠标、窗口因暴露而需要重绘、定时器到时而应有所动作，等等从某种意义上讲，事件比信号更原始，甚至可以认为大多数信号其实都是由事件产生的。比如一个下压式按钮首先感受到的是鼠标事件，在进行必要的处理以产生按钮下沉继而弹起的视觉效果之后，才会发射 clicked()信号2. 如何处理事件？(重点)
visionpro+颜色识别
03-01
VisionPro+是一个基于计算机视觉技术的软件平台，用于实现工业自动化中的图像处理和分析任务。它提供了丰富的功能和工具，可以用于各种应用领域，包括颜色识别。 颜色识别是VisionPro+中的一个重要功能，它可以通过图像处理和分析来实现对物体颜色的检测和识别。具体而言，VisionPro+可以通过以下步骤来进行颜色识别： 1. 图像采集：使用相机或其他图像采集设备获取待处理的图像。 2. 图像预处理：对采集到的图像进行预处理，包括去噪、增强对比度等操作，以提高后续处理的准确性和效果。 3. 物体分割：使用图像分割算法将感兴趣的物体从背景中分离出来，形成二值图像或者物体的轮廓。 4. 特征提取：根据颜色特征，提取物体的颜色信息。可以使用直方图、颜色空间转换等方法来描述和表示颜色特征。 5. 颜色分类：根据预先定义好的颜色模型或者阈值，将提取到的颜色特征与目标颜色进行比较和匹配，从而实现颜色的识别和分类。 6. 结果输出：根据颜色识别的结果，可以进行相应的控制和决策，例如判断物体是否符合要求、进行分类等。 VisionPro+提供了丰富的工具和函数库，可以方便地实现上述颜色识别的过程。用户可以通过可视化的界面进行参数设置和调整，也可以使用编程接口进行自定义开发。
评论 1
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