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
452阅读
点赞
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
124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
183阅读
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
转载
2024-09-20 09:34:18
33阅读
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
转载
2024-09-11 13:40:03
37阅读
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
# 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
原创
2024-04-03 04:58:17
106阅读
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(
转载
2024-10-24 10:18:41
45阅读
“A被B膨胀是所有结构元素原点位置组成的集合，其中映射并平移后的B至少与A的某些部分重叠”[Conzalez]（1）、设图像数据为a:a为一幅二值图像，1对应图像中心的亮区域。结构元素为b:执行膨胀：imdilate(a,b),结果为：（方框区域对应原图像数据）（2）、过程分解：先用结构元素b扫过a的第一行（方框为图像数据第一行）再第二行：再是第三行：将结构元素对三行的平移结果重叠在一起，得：此即
例子在HDevelop自带例子里面，叫critical_points；目的是在所画的闭合区域内的进行检测图像中的鞍点，鞍点具体是什么我这里也不太了解；以后深入再叙述吧。话不多说先上例子：例子中输入图像和处理后的图像是这样子：左边是输入图像，白色的圈是鼠标画出的闭合区域，右边是图像分割后图像，并检测鞍点，就是图中黑白交错的圆圈；我使用的图形如下：
一、模型的特点及选用A、 当前使用的halcon版本为19.12，可用于分类的模型有以下几种① pretrained_dl_classifier_alexnet.hdl② pretrained_dl_classifier_compact.hdl③ pretrained_dl_cl
转载
2023-11-29 20:36:33
164阅读
halcon文档翻译liu112020-12-28create_pose(操作器)
参数create_pose( : : TransX, TransY, TransZ, RotX, RotY, RotZ, OrderOfTransform, OrderOfRotation, ViewOfTransform : Pose)描述create_pose用于生成一个3D姿态Pose.生成的姿态可以描述一个
转载
2024-10-09 12:33:13
54阅读
一：视觉启蒙入门 1.halcon编程，熟悉halcon环境、tuple数组、文件操作及简单的案例编程 2. halcon基础学习，halcon自定义算子封装等，进行入门编程训练 3. halcon数据类型（主要是控制变量/图像变量）和halcon人机可视化交互 4. halcon视频图像采集，单相机以及多相机 5. 图像处理基础与ROI区域 6. 图像预处理、二值化、形态学与图像区域特征提取分析
学了这么久的halcon，感觉还是没有摸到门路。
记录一下这么久以来经历过的学习阶段：看冈萨雷斯《数字图像处理》这本书，使用halcon做练习。
我实际上只比较完整地看了这本书的形态学处理那一章节，当初信誓旦旦说要看完这本书的，结果看不下去了。主要有几点：
1. 这本书偏理论，里面的很多算法使用什么语言都可以自己去实现一下，自己动手对于理解理论很有帮助，
但是我的目的并不是把理论搞的很透彻，而是要
转载
2023-07-12 13:27:23
189阅读
机器视觉应用工程开发思路 机器视觉应用工程主要可划分为两大部分，硬件部分和软件部分。 1.硬件部分，硬件的选型至关重要，决定了后续工作是否可以正常开展，其中关键硬件部分包括：光源，相机以及镜头。 2.软件部分，目前业内商业库主要有
转载
2024-06-29 22:10:02
31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
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：
转载
2024-01-26 09:20:49
297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
471阅读
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
824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
