1. 为什么要拼接如果你的被射物足够小； 如果你的镜头视野足够大； 如果你的银子足够多，可以买更牛的相机，更牛的镜头。。。如果你没有那么多的如果，项目多了，图像拼接在所难免。2. 效果是啥借助Halcon自带的例子，就是将下面两张图像，拼接为一个更宽的图像。图像1： 图像2： 拼接后的图像： 有没有变得更宽？3. 拼接步骤读取图像提取特征点计算变换矩阵拼接参考Halcon例程proj_matc
一、前言深度图向点云图进行转换是进行3D检测项目时会遇到的问题，halcon里也有针对此问题的相关例程，下面对此例程进行分析。通过学习此例程，我们可以掌握如何将一张深度图像和一张正常二维图像转换为3D点云。二、分析* 初始化界面
dev_update_off ()
dev_close_window ()
*
* 读取Z图，即为深度图
read_image (Z, 'mreut_dgm_2.0.t
转载
2023-07-21 15:05:08
248阅读
源程序地址新建单文档新建Include和Lib、Bin目录 进行设置在Doc类头文件添加// WebCameraDoc.h : interface of the CWebCameraDoc class
//
/
#if !defined(AFX_WEBCAMERADOC_H__46D2072D_8159_46E5_BCA4_C91FE67DE31A__INCLUDED_)
#define AFX
一、Halcon新特性介绍 分为Halcon Progress和Halcon Steady两类： Progress：发布周期短（半年），更早拿到最新技术，订阅购买模式 Steady：发布周期长（2年），长期支持服务，标准购买模式1. 偏折法 17.12版本：适用于强发光下进行缺陷检测 18.05版本：也可用于弱反光下的缺陷检测 为了解决带有镜面反射的物体表面上例如凹陷和划痕检测所带来的
转载
2023-12-01 11:23:53
173阅读
3D点云和深度图1. 如何将灰度图转为3D点云2. 创建一张深度图3. 深度图转点云、点云转深度图4. 代码和图片下载地址 1. 如何将灰度图转为3D点云这里所说的灰度图转为3D点云，其实是将灰度图像每个像素的行列坐标作为3D点云的X,Y坐标，像素的灰度值（0—255）作为三维点的Z坐标。简单说就是将一张灰度图像拆成了三个数组：X，Y，Z，然后将这三个数组转为点云。 halcon代码：dev_g
转载
2023-07-21 15:05:13
540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
855阅读
HALCON简介： 来自德国MVtec公司的图像处理软件HALCON，在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。 它发源自学术界，有别于市面一般的商用软件包。事实上，这是一套image processing library，由一千多个各自独立的函数，以及底层的数据管理核心构成。其中包含了各类滤波，色彩以及几何，数学转换，型态学计算分析，校正，分类辨识，形状搜
转载
2024-01-04 07:11:36
104阅读
Halcon深度图转点云代码部分：*深度图像转点云
*By Quintin
*2023/02/16 10:10
dev_close_window ()
dev_open_window (0, 0, 512, 512, ‘black’, WindowHandle)
xResolution:=1
yResolution:=1
zResolution:=1
read_image (Int
转载
2023-07-09 19:25:36
1162阅读
目录导航Region初步理解XLD初步理解XLD合并操作XLD转换操作XLD分割操作XLD拟合操作HSV通道 数字图像数据可以用矩阵表示。数字图像分类：根据每个像素信息不同，通常将图像分为：二值图，灰度图，RGB图像1.二值图：每个像素只有0(黑)1(白)两种颜色的图像成为二值图。2.灰度图：在黑与白之间构建更多的颜色深度，一般灰度从暗黑色到最亮的白色过渡，根据保存灰度数值所使用的的数据
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
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
1、set_dl_model_param(DLModelHandle, 'gpu', GpuId)
GpuId=0 选中第一块显卡做深度学习训练。
GpuId=1 选中第二块显卡做深度学习训练。
类推查询可用多显卡信息
query_available_compute_devices(DeviceIdentifier) //一块显卡输出[0]，两块是[0,1]，依次类推get_compute
转载
2023-06-29 15:53:06
992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。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_param获取
转载
2023-12-21 09:58:24
301阅读
本教程全部基于Halcon12.0开发环境窗口布局打开halcon后 基本布局从上到下依次是文件栏、工具栏、以及图形窗口和程序编辑器，打开变量窗口或者算子窗口会显示相应的窗口。 a.通过文件栏—>窗口—>打开窗口名称来打开相应窗口 b.如果发现窗口比较乱，可以通过文件栏—>窗口—>排列窗口进行初始化窗口位置1.图形窗口 图形窗口显示每一行代码显示的图想，图像窗口上的工具栏可
转载
2023-07-21 15:05:29
339阅读
HALCON图像处理总流程 一、程序初始化 二、获取图像（获取信息） 三、预处理 四、分割图像 五、形态学处理 六、特征提取 七、输出结果 一、程序初始化图像处理基准，在使用HALCON时，可以省略，因为程序初始化有默认值。 1、打开一个新的窗口； 2、设置填充模式； 3、设置线的颜色； 4、设置线宽； 5、设置窗口中显示的字体样式； 6、重新打开一个新窗口 7、关闭显示窗口 8、其他
转载
2023-12-04 21:29:45
316阅读
课题需要对图像中的缺陷进行尺寸评价，开发环境是Halcon。选择使用最小外接矩形方法，原因主要是可获得的评价参数多：长度，宽度，角度，长宽比，面积通过长宽比参数可以判定缺陷形状获取最小外接矩形的过程: 这里是做测试的原图图像分割 选取合适的阈值比较困难。考虑到是工厂环境，采光可能不均匀，也为了测试方便（主要使用手机拍照，光源是环境光和手机闪光灯）， 采用动态阈值分割法，Halcon提供了一个函数：
最近想学习一下机器视觉 用到的库是Halcon 自己到网上找halcon的教程不是收费的 就是随便搞搞的 没有能系统去学习的知识体系 而且大多博主可能就一篇教程 对于新手来说 简直是致命的 出现了有人想学 没人牵头的状况 为了让大家了解如何去使用halcon 我准备探索之后出一套halcon系列的教程 如果你也在学halcon 可以点个收藏 一起学习 首先halcon软件打开后是这个样子的 可以看
转载
2023-07-12 16:00:14
776阅读
HDevelop 编程翻译自HDevelop users guide第4章 ByYC本章阐述如何使用HDevelop创建一个机器视觉应用。HDevelop应该是默认设置。如果不是，使用命令行 hdevelop –reset_preferences打开HDevelp即可。本章处理一个简单的例子，统计下图中别针的数量及方向。1. FileàNew（文件à新程序），创建一个新程序2.读取图像并存入图标参
转载
2023-09-24 08:27:39
419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
1111阅读
