HDevelop 里面重置程序按钮有两个分别有什么区别

Yun.Qian

已于 2024-01-08 16:44:16 修改

阅读量377

点赞数 9

文章标签：视觉检测图像处理计算机视觉目标检测

于 2024-01-04 11:19:43 首次发布

本文链接：https://blog.csdn.net/weixin_46418254/article/details/135381801

版权

本文介绍了图形编程中两个重置按钮的快捷键——F2和Shift+F2，F2用于清除图像和变量，而Shift+F2仅清除变量保留图像。

摘要由CSDN通过智能技术生成

第一个 重置程序 按钮的的快捷键是 F2；

点这个按钮图形窗口里面的图像和图像变量都会被清除掉

第二个 重置程序 按钮的的快捷键是Shift+F2；

点这个按钮图形窗口里面的图像能保存下来，图像变量会被清除掉

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

Yun.Qian

关注关注

9
点赞
踩
6

收藏

觉得还不错? 一键收藏
1
评论
HDevelop 里面重置程序按钮有两个分别有什么区别

点这个按钮图形窗口里面的图像能保存下来，图像变量会被清除掉。点这个按钮图形窗口里面的图像和图像变量都会被清除掉。按钮的的快捷键是Shift+F2；按钮的的快捷键是 F2；
复制链接

扫一扫

hdevelop入门介绍

10-24

**HDevelop入门详解** 在数字化世界中，图像处理和计算机视觉技术扮演着至关重要的角色，而HDevelop（Halcon Development Environment）是MVTec公司推出的一款强大的机器视觉开发环境，专为图像处理和模式识别应用...

使用Halcon实现图像处理

热门推荐

zizi7的专栏

09-16

1万+

Halcon的使用逻辑是：首先用 HDevelop 完成算法设计和验证，然后导出为 C/C++、VB、C# 完成算法实现

1 条评论您还未登录，请先登录后发表或查看评论

HDevelop 开发包

09-09

HDevelop 是一款强大的图像处理和计算机视觉开发环境，主要用于MVTec公司的HALCON机器视觉软件。这个开发包为用户提供了完整的工具集，用于创建、测试和优化机器视觉应用。下面我们将详细探讨HDevelop的主要功能、...

HDevelop Guide

06-12

- **专业开发人员**：虽然HDevelop主要面向初学者，但对于有经验的开发人员而言，它同样具有很高的实用价值，能够帮助他们在短时间内实现复杂的图像处理任务。 - **非专业用户**：即使是不具备编程背景的用户，也...

hdevelop_users_guide

06-13

根据提供的内容，以下是对《hdevelop_users_guide》的详细知识点解说：首先，本手册是关于HDevelop的用户指南，HDevelop是HALCON机器视觉库的交互式开发环境。HALCON是由MVTec Software GmbH公司开发的机器视觉...

HDevelopTemplate.rar_Vision_halcon_hdevelop

09-20

总的来说，“HDevelopTemplate.rar_Vision_halcon_hdevelop”是一个极有价值的资源，它为Halcon用户提供了丰富的实践工具和学习材料。无论是新手还是经验丰富的开发者，都能从中受益，提升在机器视觉领域的技能水平...

浅谈AI+工业视觉检测技术应用的优化

m0_49711991的博客

08-23

422

视觉是人类获取信息最主要的渠道，它使人们得以感知和理解周边的世界。通过视觉，人类可以感知外界物体的大小、明暗、颜色、动静，获得对机体生存具有重要意义的各种信息。人类的大脑皮层约有70%都在处理视觉信息，因此可以说视觉是人类最重要的感觉。机器视觉又称计算机视觉（CV），通过电子化的方式来感知和理解影像，让机器或计算机可以像人类那样“看”，甚至达到超越人类视觉智能的效果。随着工业自动化技术向着智能化方向演进，工业场景对计算机视觉技术的需求持续推进着工业机器视觉技术的发展。

VTK随笔六：VTK图像处理（图像创建、图像显示）

u012959478的博客

08-27

1063

VTK随笔六：VTK图像处理（图像创建、图像显示）

基于计算机视觉的图书推荐应用【AI编程实录】

新缸中之脑

08-26

944

我酝酿这个想法已经很多年了——一个只需拍照就能推荐书籍的应用程序。正如所说，我通常忙于客户项目。但在最新AI工具的帮助下，我决定试一试。事情并不总是一帆风顺的——计算机视觉和文本识别给我带来了一些意外。但令我惊讶的是，我设法以比我预期快得多的速度得到了一个好的原型。即使在你不是专家的领域，人工智能也能帮助将想法变成现实，这真是太神奇了。这段旅程既令人谦卑又令人兴奋，我迫不及待地想看看它会带来什么。宣传语如下：“想象一下，你走进一家书店，你真的想买一本书，但买哪一本呢？

＜数据集＞安全背心识别数据集＜目标检测＞

qq_53332949的博客

08-29

YOLO与VOC格式的安全背心识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，共2个类别：vest、no-vest，4185张图片

VLM 系列——phi3.5-Vision——论文解读

TigerZ*的博客

08-29

161

是一系列大型语言模型（LLM） & 多模态大型语言模型（MLLM）。其中LLM包括phi-3-mini 3.8B、phi-3-small 7B、phi-3-medium 14B，phi-3-mini可以轻松地在现代手机上本地进行推理；多模态模型包括phi-3-vision（基于phi-3-mini & CLIP ViT-L/14） 4.2B。本文重点介绍多模态的phi-3-mini模型，该模型能够处理包括文本、图像在内的多种数据类型，具备图片描述、单图文问答、多图问对话、视频理解对话、json格式、高清

Python实现分水岭图像分割算法

qq_42568323的博客

08-24

361

图像分割是计算机视觉领域中的重要技术，用于将图像分割成多个具有相似特征的区域。分水岭算法是一种强大的图像分割工具，尤其适用于处理复杂结构的图像。通过合理的图像预处理和标记操作，可以有效改善分水岭算法的分割效果。梯度图在边缘处具有高值，在平坦区域具有低值，这样有助于分水岭算法找到图像中的边界。尽管分水岭算法在图像分割中具有良好的效果，但它也存在一些挑战，如过度分割、对噪声敏感等。通过本文的介绍和Python代码示例，相信读者已经对分水岭算法有了深入的理解，并能在自己的项目中应用这一算法来解决实际问题。

机器学习算法五之 目标检测评价指标 IOU 准确率召回率等

yohnyang的博客

08-29

471

机器学习算法五之 目标检测评价指标 IOU 准确率召回率等

图像数据处理25

最新发布

2301_80400361的博客

08-29

392

设定一个阙值，计算每个候选像素的灰度值与已生长区域像素的平均灰度值之间的差的绝对值，要是这个值小于阙值，则认为相似程度高，将其合并到生长区域像素中去，反之则不进行合并。可以理解成先选择一个像素区域，然后将其邻接区域中相似程度高的像素合并进去，直到找不到可以合并的像素为止。其的主要优点是能够较为精准地将具有相同特征的联通区域分割出来。

【YOLO系列】YOLO算法改进史

qq_51366016的博客

08-25

938

目标检测YOLO系列算法改进史

去雾去雨算法

weixin_71113035的博客

08-19

1137

去雾去雨算法

【目标检测】YOLOV2

qq_1532145264的博客

08-26

987

YOLO9000: Better, Faster, Stronger

【OpenCV】不变矩

TeamLee的博客

08-29

577

本文介绍了空间矩、中心矩和Hu不变矩在图像中的应用和原理

[数据集][目标检测]管道漏水泄漏破损检测数据集VOC+YOLO格式2614张4类

FL1623863129的博客

08-25

325

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["crack","leak","no leak","water"]重要说明：数据集有部分增强图片，请仔细查看图片谨慎下载。图片数量(jpg文件个数)：2614。标注数量(xml文件个数)：2614。标注数量(txt文件个数)：2614。

用HDevelop写一个找毛刺的程序

07-13

当然可以！以下是一个使用HDevelop编写的简单程序，用于找出图像中的毛刺： ```csharp #include "Halcon.h" void findDefects(HObject image) { HObject defects; HTuple area, row, column; // 图像预处理 HObject grayImage; Rgb1ToGray(image, &grayImage); // 检测毛刺 EdgesSubPix(grayImage, &defects, "canny", 1, 20, 40); // 获取毛刺的特征 AreaCenter(defects, &area, &row, &column); // 显示结果 DispObj(image, WindowHandle("Image")); SetColor(WindowHandle("Image"), "red"); DispObj(defects, WindowHandle("Image")); // 输出毛刺的特征 for (int i = 0; i < area.Length(); i++) { HTuple defectArea = area[i]; HTuple defectRow = row[i]; HTuple defectColumn = column[i]; printf("Defect %d: Area=%f, Center=(%f, %f)\n", i+1, defectArea.D(), defectColumn.D(), defectRow.D()); } } int main() { // 读取图像 HObject image; ReadImage(&image, "path_to_image"); // 创建显示窗口 OpenWindow(0, 0, 800, 600, 0, "Image", "", &WindowHandle("Image")); // 执行毛刺检测 findDefects(image); // 等待用户关闭窗口 printf("Press any key to exit.\n"); while (!kbhit()); // 关闭窗口 CloseWindow(WindowHandle("Image")); return 0; } ``` 注意：上述代码中的`"path_to_image"`需要替换为实际图像的路径。此外，你可能还需要根据实际情况进行图像预处理和参数调整，以达到更好的毛刺检测效果。