列表的使用,仅供查找

在这里插入图片描述在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用XLD查找矩形的步骤如下: 1. 定义一个输入图像。 ```python input_img = image.read_image('input_image.png') ``` 2. 对输入图像进行预处理,例如灰度化、二值化、滤波等操作。 ```python gray_img = image.convert_image(input_img, 'byte') threshold_img = image.threshold(gray_img, 'max_separability') filtered_img = image.median_rect(gray_img, 5, 5) ``` 3. 使用XLD函数查找矩形。 ```python rects = image.hough_rectangle1(filtered_img, 50, np.pi/180, 50, 20, 20) ``` 其中,`hough_rectangle1`函数的参数含义如下: - `filtered_img`:输入图像。 - `50`:矩形边缘检测的阈值。 - `np.pi/180`:角度分辨率。 - `50`:最小矩形宽度。 - `20`:最小矩形高度。 - `20`:最小矩形长度。 4. 对查找到的矩形进行可视化。 ```python output_img = input_img.copy() for rect in rects: output_img = image.draw_rectangle(output_img, rect, color='green', thickness=3) image.display(output_img) ``` 完整代码如下: ```python import numpy as np import halcon as image input_img = image.read_image('input_image.png') gray_img = image.convert_image(input_img, 'byte') threshold_img = image.threshold(gray_img, 'max_separability') filtered_img = image.median_rect(gray_img, 5, 5) rects = image.hough_rectangle1(filtered_img, 50, np.pi/180, 50, 20, 20) output_img = input_img.copy() for rect in rects: output_img = image.draw_rectangle(output_img, rect, color='green', thickness=3) image.display(output_img) ``` 注意:以上代码仅供参考,具体操作需要根据实际情况进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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