detect_brochure_pages.hdev  *这个例子主要描述了从图片库中寻找有相应页面的那一页 *第一步中,不同的纸张页面用来做训练,最后创建好model *第二步,在未知的页面图片中来搜索,找出正确的那一页 dev_update_off()
 
dev_close_window()
 
read_image(Image, '...')
 
get_image_size(Image,            
                
         
            
            
            
            最近做机器视觉,做到模板匹配,主要用到两个函数,遇到一篇好文章介绍这两个函数介绍得很详细,转载来find_shape_model(Image : :  //搜索图像
                   ModelID, //模板句柄
                  AngleStart,  // 搜索时的起始角度
                  AngleExtent, //搜索时的角度            
                
         
            
            
            
            HALCON与C#混合开发填坑之旅遇到以下部分问题,有小伙伴会说,将halcon加到环境变量,但是线上的环境一般都不会安装halcon,所以这里都是针对不安装halcon环境的问题 以下问题会出现的前提条件: 1.C#开发 2.halcon 18版 x64开发1.vs2010引用了holcondotnet.dll(.net 3.5(x64)),运行时HWindowControl控件总是提示初始化失            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-10 20:21:29
                            
                                432阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            一:函数介绍1.创建模板create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-09 15:42:58
                            
                                644阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            下文是对于halcon:光度立体法的一些浅薄理解。主要用于测试产品表面的凹坑,深一点的划伤等等
光度立体法是通过二维图片提取三维模型,一般使用4张图。下面先看一下测试原图和测试结果原图:结果图如下:四张原始图片都是光源在不同的角度下拍摄的从主视图看,光源角度几乎都在45°左右Slants := [41.4,42.6,41.7,40.9]从俯视图看,均匀分布在每个上下左右四个位置Tilts := [            
                
         
            
            
            
             使用 图像金字塔图像金字塔是视觉运用中广泛采用的一项技术。一个图像金字塔是一系列图像的集合 - 所有图像来源于同一张原始图像 - 通过梯次向下采样获得,直到达到某个终止条件才停止采样。有两种类型的图像金字塔常常出现在文献和应用中:高斯金字塔(Gaussian pyramid): 用来向下采样拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-23 19:20:49
                            
                                390阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            从小模型低计算量模型到高精度SOTA模型,EfficientDet 搜索出来的 8 个模型一路吊打所有之前的知名算法!主要改进点该文一大创新点是改进了FPN中的多尺度特征融合方式,提出了加权双向特征金字塔网络BiFPN。FPN 引入了一种自顶向下的路径,融合P3~P7的多尺度特征,下图为该文提出的BiFPN与几种FPN 改进的比较: (b)PANet引入了自底向上的融合路径,(c)NAS-FPN则            
                
         
            
            
            
            这是一个示例代码,演示了如何使用find_shape_model_3d操作符进行3D形状模型的查找。让我们逐个解释每个参数的含义:find_shape_model_3d (
  Image : image,                    // 输入参数,输入图像
  ShapeModel3DID : shape_model_3d, // 输入参数,3D形状模型ID
  0.7 : real            
                
         
            
            
            
            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
                                                                                    
                            2024-04-07 13:13:12
                            
                                133阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            在VS中调用Halcon中的分割之类函数后,直接返回显示时会报错,因为是把返回值当成L了Image变量直接赋值给了图像数据buffer,返回的是被分割后的Regions,因此从Regions中获取get_image_pointer1或get_image_pointer3时就会报错,提示函数没有灰度值。因此需要将Regions连接起来生成一个大的区域,然后将区域进行相关操作转化成Image,Halc            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-05 21:37:50
                            
                                400阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            本文作者:Rodrigo Benenson     Mohamed Omran    Jan Hosang     Bernt Schiele以Caltech行人检测为基准分析了近十年广泛流通的具有标志性的40多种检测方法。进行了对多种已经被广泛认可的研究方法的补充性的研究。这种决策林达到了目前已知的最好的效果。(在具有挑战性的Calte            
                
         
            
            
            
             文章目录数据集 图片分类绘制图像Sequential模型Flatten层Dense层Model.fit()history归一化CallbacksBatchNormalization层损失函数之: SparseCategoricalCrossentropyModel.evaluate()Dropoutselu数据集 房价预测函数式API 数据集 图片分类from tensorflow import            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-07-14 15:42:49
                            
                                30阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            coherence_enhancing_diff(Image : ImageCED : Sigma, Rho, Theta, Iterations : )       算子相干增强差分对输入图像进行各向异性扩散,增强图像中包含的图像结构的相干性,特别是,非连续的图像边缘通过扩散连接,而不是在其主导方向上进行平滑,为此,相干增强差分采用各向异性扩散方程。&nb            
                
         
            
            
            
            颜色空间变换 trans_from_rgb(ImageRed, ImageGreen, ImageBlue :ImageResult1, ImageResult2, ImageResult3 : ColorSpace : )            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2019-04-02 13:53:00
                            
                                155阅读
                            
                                                                                    
                                2评论
                            
                                                 
                 
                
                             
         
            
            
            
            实验六 哈夫变换实验一、实验目的和要求二、实验内容三、实验仪器、设备四、实验原理五、实验步骤六、实验注意事项七、实验结果八、实验总结 一、实验目的和要求  理解哈夫变换的基本原理;掌握使用OpenCV实现哈夫变换的代码编写方法。二、实验内容  (一)新建工程;   (二)在VS2015中配置OpenCV;   (三)使用OpenCV中的函数实现哈夫变换检测线段。三、实验仪器、设备  计算机一台,已            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-04 12:05:14
                            
                                93阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            一 函数中等待标志的超时处理:flag一般是来自中断或其它线程的异步标志。while((!Flag__Uart4_Rcved)&&(--timeout > 0)){  ;}或者do{  flag=read_flag();  timeout_counter++;}while((flag==0)&&(timeout_counter < timeout);二            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2017-01-06 08:56:00
                            
                                342阅读
                            
                                                                                    
                                2评论
                            
                                                 
                 
                
                             
         
            
            
            
            接触机器视觉的东西到现在有好长一段时间了,从以前折腾opencv到现在折腾halcon,这么浑浑噩噩的一年折腾,也没折腾出什么深刻的认识。回过头来想想,自己的学习过程完全是建造空中楼阁。提到的opencv及halcon的大部分资料都在介绍函数,算子等。因此决定,从基础做起,以数字图像处理这本书来理解halcon里的算子的想法的学习方式孕育而生。前提以8bit灰度图作为研究对象(L=256),输入图            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-06-17 22:37:30
                            
                                371阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            常用的Halcon操作无外乎是图像、Region、XLD三者之间的转换,也是基于这样的定于,Halcon才有别于其他的图像处理工具。在了解了图像、Region、XLD三者的基本操作外我们需要进一步的了解三者间的转换。一、开篇笔者在前述入门篇中忽略了图像数据的操作,这里的主要原因是因为相关图像操作和Opencv实在是太多重合的地方了,所以没有多加赘述。但是,Halcon也有许多Opencv所不具备的            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-26 11:14:59
                            
                                664阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            在HDevelop中try*********可能引发异常的语句********i:=0k:=5/i**********************************catch(exception)    *catch(异常类型1)    *******异常处理代码***********    ErrorCode:=exception[0]    *返回异常代码    **************            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2022-02-10 09:38:15
                            
                                1331阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            前言本文是个人优化实验的记录,若读者对实验有兴趣,请点赞并评论,后续我会把代码开源。本文优化了一个regression-based 轻量级姿态估计模型,最终精度和heatmap-based的精度差不多,速度超越了heatmap-based的方法。实验大部分参考了镜子大佬知乎的优化过程。配置框架mmpose。数据集为mpii,16个关键点,评价指标为pckh。训练使用四块3090显卡。配置文件组成不