上篇文章主要介绍的是基于形状的匹配的算子各个参数所具备的作用，这篇文章主要介绍下如何在halcon中去使用这些算子完成基于形状的情况下找到我们的目标，同时我们也介绍下适用于缩放的模板查找。 模板图片如下： 代码如下：read_image (Image, 'C:/Users/Administrator/Desktop/基于形状的匹配/1.jpg')
rgb1_to_gray (Image, Gray
转载
2024-09-22 21:40:50
361阅读
框架比较（转）：1 TensorFlow 对于那些听说过深度学习但还没有太过专门深入的人来说，TensorFlow 是他们最喜欢的深度学习框架，但在这里我要澄清一些事实。 在 TensorFlow 的官网上，它被定义为「一个用于机器智能的开源软件库」，但我觉得应该这么定义：TensorFlow 是一个使用数据流图(data flow graphs)进行数值计算的开源软件库。在这里，他们没有将 T
转载
2024-07-03 22:30:11
39阅读
边缘检测论文简读、开源代码和数据集合集Awesome-Edge-Detection-Papers基于深度学习的图像边缘检测算法综述边缘与轮廓的关系数据集http://mftp.mmcheng.net/liuyun/rcf/data/HED-BSDS.tar.gz
http://mftp.mmcheng.net/liuyun/rcf/data/PASCAL.tar.gz
http://mftp.mm
转载
2024-08-20 18:04:40
257阅读
这里主要介绍基于亚像素提取的边缘检测方法，具体大家可以参考一本书，如果对halcon很熟悉的就不用了看了，反之建议看看，该书为《机器视觉算法原理与编程实践》，我也是跟着敲了一遍代码，很多都可以达到触类旁通，这里就不详细介绍了，写博客的目的是便于自己以后查找read_image (Image, 'F:/机器视觉/Halcon机器视觉算法原理与编程实战/code/code/data/flower')
转载
2024-10-03 08:04:01
529阅读
学习资料参考：张平.《OpenCV算法精解：基于Python与C++》.[Z].北京.电子工业出版社.2017.Roberts算子原理使用Roberts进行边缘检测，也就是使用以下两个卷积核与图像进行分别卷积。(图中阴影部分数值为锚点所在) 注意在实际讨论中一般将相近两点的函数值差值作为斜率。如 那么上述的两个卷积核也就好理解了。类似于f(x,y) - f(x + 1,y + 1)与f(x,y)
文章目录10.1 像素级边缘提取10.1.1 经典的边缘检测算子10.1.2 边缘检测的一般流程10.1.3 sobel_amp算子10.1.4 edges_image算子10.1.5 其它滤波器10.2 亚像素级边缘提取10.2.1 edges_sub_pix 算子10.2.2 edges_color_sub_pix 算子10.2.3 lines_gauss 算子10.3 轮廓处理 10.1
一般在做项目时，无论是边缘检测、瑕疵检测、Blob检测等应用，都有一定的通用套路，也可以说是通用处理框架，在此框架下根据具体应用具体分析，基本上所有项目都可完成。总结起来，通用套路 + 灵活运用对于初学者来说，只需掌握通用套路即可，灵活运用需要经过大量的练习才可达到，运用大学里学马克思哲学时的一句话概括，“量变引起质变”，当你达到这个程度之时，俨然成为集大成者了。边缘检测通用思路：设置ROI感兴趣
转载
2023-12-01 09:03:48
354阅读
寻找边缘的传统方法，即图像中的暗/光转换，是应用边缘滤波器。这些滤光器可以在光和暗区域的边界找到像素。从数学术语中来说，这意味着这些滤波器决定了图像的梯度。此图像渐变通常作为边缘振幅和/或边缘方向返回。通过选择所有边缘振幅的像素，可以提取区域之间的轮廓。另一种寻找边缘的方法是使用一个训练过的深度学习模型
作者 | 小白简介随着数字图像数量的增加，对高质量的图像需求也在增加。然而，现代相机拍摄的图像会因噪声而退化。图像中的噪声是图像中颜色信息的失真，噪声是指数字失真。当在夜间拍摄时，图像变得更嘈杂。该案例研究试图建立一个预测模型，该模型将带噪图像作为输入并输出去噪后的图像。深度学习的使用这个问题是基于计算机视觉的，CNN等深度学习技术的进步已经能够在图像去噪方面提供最先进的性能，用于执行图像去噪的模
转载
2024-10-11 12:46:56
115阅读
# 深度学习边缘关键点定位
随着深度学习的快速发展，计算机视觉领域的许多应用得到了显著的提升。从图像分类到目标检测，再到关键点定位，这些技术在各个领域中发挥着重要的作用。本文将重点介绍边缘关键点定位的概念及其实现，并附带代码示例来帮助读者理解。
## 什么是边缘关键点定位？
边缘关键点定位是指在图像中识别特定的点或特征，以帮助实现后续的计算机视觉任务，比如图像分割、目标跟踪等。这些关键点通常
最近研究halcon的圆孔定位四个月了，这里分享一下我的心得，也是备忘项目描述图片尺寸1600*1200支持任意类型的圆孔检测参数：圆的半径，极性极性除了内黑外白，内白外黑，还有可能是黑色条带中心，白色条带中心时间：100ms以内图像有可能虚焦用户给出的直径有可能有10%的偏差用户给的极性可能是错误的圆环周围可能有干扰边缘，但必须找到最精准边缘容差：2个像素以内宁可拒报，不允许误报Halcon圆检
转载
2024-06-10 10:33:57
153阅读
在绘图组中添加标注图，可以非常简便地在仿真结果绘图中标注名称、注释以及指定位置求得的物理量数值。在本篇博客文章中，我们将以热沉模型为例探讨如何添加标注图。标注图是什么？标注图是 COMSOL Multiphysics 5.2 版本推出的新功能，可以添加到二维和三维绘图组中，对模型结果创建可见的备注或注释。与其他绘图类型一样，标注图也出现在绘图组节点中：设置窗口中可以修改标注的细节，包括注释在模型坐
转载
2024-01-03 08:13:18
47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
1218阅读
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
1132阅读
在纺织印染行业中，布匹表面色差的测量和评价常用离线抽样方式，通过彩色线阵CCD工业相机实时采集布匹表面图像信号，在计算机中完成布匹颜色与标准色样比对，实现色差的在线量化检测。这种检测技术作为一种快速、实时、准确采集与信息的处理，已逐渐成为国民经济信息化、增强竞争力不可缺少的技术工具和手段。布匹在现代生产流水线上，需要判别出布匹的颜色是否合格、布匹上是否有杂质及杂质的数量。由于生产线运行速度较快，要
转载
2024-07-25 10:27:28
99阅读
fast_threshold (Image, Region, 0, 120, 7) boundary (Region, RegionBorder, 'inner') dilation_circle (RegionClipped, RegionDilation, 2.5) &
转载
2024-03-27 06:02:29
120阅读
最近研究图像边界跟踪的相关算法，看了一些论文，得到一些相关的算法知识，与大家分享。Square算法为了提取图案的边界，首先，对给定的数字图像，即在网格平面白像素背景上的一组黑色像素，我们需要找到一个黑色边界像素，并把它作为跟踪的“开始”点。算法将从该“开始”点出发来完成对边界的跟踪。具体过程如下：（1）每当发现自己站在一个黑色的像素，则向左进入相邻的像素； （2）每当发现自己站在一个白色像素，就右
转载
2023-11-24 03:02:46
102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
491阅读
随着物联网越来越火，同时伴随着物联网而来的，就是各种概念和各种技术，其中一个就是边缘计算。边缘计算，是一种分散式运算的架构。在这种架构下，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。或者说，边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延
转载
2023-09-27 22:02:28
0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
360阅读
