八月初开始自学halcon，到现在历时两个月，想对自己这段时间的学习做一个总结，这是第一次写博客，深感纸质笔记经不住时间的考验，这次的总结主要目的是想把这段时间做的纸质笔记保存在网络上。第一次写博客，就先把自己这段时间研究并使用的部分算子总结一下，并附上自己的浅薄理解，欢迎补充dev_close_window()关闭窗口 dev_open_window()打开一个新窗口 rgb1_to_gray(
引言机器视觉中缺陷检测分为一下几种：blob分析+特征模板匹配（定位）+差分光度立体特征训练测量拟合
频域+空间域结合：深度学习本篇博文主要是对缺陷图像的纹理特征训练进行详细分析。特征训练在纹理中找瑕疵。基于高斯混合模型（GMM）分类器的纹理检查模型，适用于图像金字塔，可以分析纹理的多个频率范围。要求：训练样本必须完美无瑕疵。整体步骤：创建模型create_texture_inspection_m
转载
2023-12-28 17:06:52
339阅读
机器视觉工程应用主要可划分为硬件和软件两大部分。硬件：工程应用的第一步就是硬件选型。硬件选型很关键，因为它是你后面工作的基础。主要是光源、工业相机和镜头选择。软件：目前业内商业库主要有Halcon，康耐视，DALSA，evision，NI等，开源库有OpenCV.其中NI的labview+vision模块。机器视觉工程应用的基本开发思路是：一、图像采集，二、图像分割，三、形态学处理，四、特征提取，
转载
2023-07-12 13:27:16
401阅读
目录前言一、准备1、选取深度学习的分类模型2、获取模型中所使用图像的参数要求3、准备分类所需图片二、编写代码1、设置窗体2、将图片打上标签3、将图片处理为分类模型所需要的图片4、将图片的数据集进行拆分5、设置分类模型所需的参数和环境后，重新生成一个新的分类模型6、训练7、验证8、测试三、本地函数四、下载地址 前言最近学习深度学习时的一些总结和看法，参照深度学习的自带案例（classify_fru
转载
2023-11-14 12:47:57
851阅读
HALCON 20.11：深度学习笔记(2)HALCON 20.11.0.0中，实现了深度学习方法。由于上面提到的DL方法在它们的作用和它们如何需要数据方面各不相同，所以您需要知道哪种方法最适合您的特定任务。一旦清楚了这一点，您就需要收集适当数量的数据，也就是图像和方法所需的信息。然后，所有这些DL方法都有一个通用工作流：1. 准备网络和数据（Prepare the Network and the
转载
2023-12-13 02:35:23
112阅读
HALCON官网Halcon复习专题-镜头/匹配/标定/边缘/拟合/缺陷检测/【Halcon 编程】Halcon编程问题总结halcon视觉缺陷检测常用的6种方法1.blob+特征 2.blob+差分+特征 3.光度立体 4.特征训练 5.测量拟合 6.频域+空间结合halcon——缺陷检测常用方法总结（频域空间域结合）图像滤波噪声模型，主要有高斯，瑞丽，伽马，指数，均匀，椒盐，周期等 椒盐噪声：
转载
2023-11-28 19:28:22
1105阅读
1、append_ocr_trainfappend_ocr_trainf(Character, // 选中当前目标
Image, // 目标对应图片
Class, // 字符的类别(名称)
TrainingFile) // 培训文件的名称定义：向训练文件中添加字符说明操作符append_o
转载
2023-10-27 00:45:37
222阅读
批量读取： 在利用Halcon做图像处理时，批量读入图片是个很方便常用的功能，Halcon对其做了很好的支持。 在HDevelop的菜单栏中选择“助手”–“打开新的Image Acquisition”，如下： 选择“选择路径”，确定路径后选择“代码生成”，选择“插入代码”，改代码将被插入到程序窗口中： 代码如下：（在HDevelop中用*做注释，但是CSDN编译器中的代码片不识别*，所以我把下面程
转载
2023-12-09 15:32:37
77阅读
文章目录0.参考文章1.机器视觉简介2.Halcon应用环境和实用工具3.Hdevelop环境介绍4.图像、区域5.区域的操作6.轮廓的操作7.图像8.图像运算和区域提取9.色彩空间的转换10.图像知识补充11.Tuple元组介绍12.Tuple元组排序13.焊点提取，开闭操作，特征组合14.halcon焊点提取demo实例讲解15.区域讲解加强16.halcon_UI交互和逻辑设计17.点 轮
转载
2023-10-12 21:19:52
160阅读
缺陷检测——机器学习写在前面1. create_ocr_class_mlp1.1 ocr识别就只能识别ocr吗？1.2 简单的图形分类2. create_class_mlp2.1 将区域作为训练对象2.2 基本流程和算子2.3 看一个案例 写在前面这篇文章只是讲解了一些非常简单的halcon里机器学习的案例，所以只能初步给大家呈现一下机器学习的基本步骤。不要试图用很短的时间或者很少的精力就能学好
文章目录前言一、数据集的准备1.标注工具的安装2.数据集的准备3.标注数据4.解释xml文件的内容二、数据转换1.解析XML文件2.转换得到hdev文件1.变量定义2.读取种类3.解析trainList.txt4.生成字典三、模型训练1.参数定义2.创建目标检测模型3.数据预处理4.显示标注文件5.模型训练1.学习率设置2.初始化训练模型3.模型训练四、模型评估1.初始化模型2.创建模型及训练模
转载
2023-12-01 10:12:07
640阅读
HALCON示例程序bottle.hdev、bottlet.hdev瓶体字符OCR的训练和检测示例程序源码（加注释）1、先介绍bottlet.hdev（训练OCR识别文件）*定义一个字符串变量FontName ，内容是bottleFontName := ‘bottle’ *第一步分割字符，以便单独对字体进行训练Step 1: Segmentation *窗口显示更新关闭dev_update_win
转载
2023-08-25 01:29:18
297阅读
图像二值化的目的概括来说就是将感兴趣区域与背景分离出来，从而便于图像的进一步处理。除了常规阈值分割算子threshold，下面介绍一些halcon中另一些常用的图像阈值分割算子：dyn_threshold— 使用动态阈值分割（一般在缺陷检测的时候使用） 描述 ：当前背景之间差异明显时，可以设定全局阈值进行t
转载
2023-11-10 20:59:04
312阅读
图像二值化是图像分析与处理中最常见最重要的处理手段，二值处理方法也非常多。越精准的方法计算量也越大。一、threshold-全局固定阈值分割threshold(Image : Region : MinGray, MaxGray : )使用全局固定阈值分割图像，阈值从输入图像中选取灰度值g满足以下条件的像素点满足条件的图像的所有点作为一个区域返回。如果传递多个灰度值间隔(MinGray和MaxGra
转载
2023-11-23 14:04:49
142阅读
代码不是很鲁棒，所以换一张图片，Blob分析的结果有很大的可能是提取不到下面九个字，不过处理的方法和流程是相同的，可以参考参考。其他没有什么好说明的，信息全在注释里面，原图有点大，这里只贴个部分截图。代码如下：*
******提取原图“机器视觉算法与运用”这个9个字
*
dev_close_window ( )
dev_update_window ('off')
read_image (Chain
转载
2023-11-11 20:34:31
160阅读
Halcon提供了预训练网络。这些网络在使用前已经经过丰富的图像库训练过，在此基础上训练出的网络对于图像分类任务表现更好。接下来分别介绍Halcon提供的预训练网络。 1.pretrained_dl_classifier_compact.hdl模型 网络的优点是节省内存以及运行效率高。 模型支持‘real’图像类型。如果想知道网络模型各参数值，可以使用算子get_dl_classifier_par
今天看到一位朋友在博客上留言，向我提出了一个问题：“我的问题是HALCON不能支持VxWorks操作系统，我能不能把HALCON在Linux下的库移植到VxWorks下调用呢？您指的移植是什么？”以前听师姐提过VxWorks操作系统，懂的不多，所以暂时还不能给予答案，请见谅。我是在Windows环境的调用，下面就如何在VC下调用HALCON库简单说明一下。 &nb
惯例吐槽---因为这个问题之前一直没有理解，所以一直没有下定决心进入工业视觉，怕自己智商不够，今天忍不住问了做视觉的同事，差不多被我逼疯了的时候，他终于说道了重点，本来3句话可以说清楚的事情，硬是说了一个小时，所以做技术的也需要表达能力啊！相机，可以理解为眼睛，机械手也就是手了，但是他们两个之间没有大脑协调，这就比较麻烦了。他们有两种协调方式，一种是手上拿着眼睛，一种是眼睛挂在旁边，手做自己的事情
# Halcon中的机器学习
## 介绍
Halcon是一款功能强大的机器视觉库，提供了丰富的图像处理和分析功能。在Halcon中，机器学习也是一项重要的功能，可以用于分类、检测、识别等任务。本文将介绍在Halcon中如何使用机器学习功能，并给出一些代码示例。
## 机器学习分类功能
Halcon中的机器学习功能可以用于图像分类任务。通过训练模型，可以实现对图像的分类和识别。下面是一个使用
目录Matching-3D 3D匹配Deformable Surface-Based基于可变形表面1. add_deformable_surface_model_reference_point2.add_deformable_surface_model_sample3. clear_deformable_surface_matching_result4.clear_deformable_surf
