引言：texture_laws算子，其本质原理是利用不同的kernel与图像进行卷积运算，提取出图像的高频部分或低频部分。纹理分析是图像处理中的一种典型任务，texture_laws是Halcon中纹理分析的重要算子，其本质原理是利用不同的kernel与图像进行卷积运算，提取出图像的高频部分或低频部分。纹理（texture）由纹理单元（texel）组成，纹理单元是纹理图像中最小的重复单元，texel是纹理的基本单元。纹理分析的第一种典型应用是利用纹理滤波器对图像进行滤波处理，以增强（enhanc
功能：1、按住鼠标左键拖动鼠标进行擦除工作，松开鼠标停止擦除2、继续按住鼠标左键重复功能1，鼠标右键退出这里使用到的halcon是17.12版本的对应同版本的HDevelop，在API中就找到两个鼠标事件：get_mbutton 和 get_mposition前者等待鼠标按下，后者无需等待直接监听鼠标并且都是一次触发一次返回，这样一来实现上面的功能就要挠一挠脑壳了。 halcon实现：read_image (Image, 'printer_chip
算子介绍inspect_shape_model创建形状模型的表示。运算符对于确定参数NumLevels和Contrast尤其有用，它们可以快速，方便地用于create_shape_model，create_scaled_shape_model或create_aniso_shape_model中。模型的表示是在多个图像金字塔级别上创建的，其中级别的数量由NumLevels确定。在其典型用法中，使用NumLevels和Contrast的不同参数多次调用inspect_shape_model，直到获得
今天要给大家分享一点关于Halcon测量圆直径（半径）的方法。首先容我啰嗦两句：之所以要对这个看似很基础的问题进行探讨，主要原因有二，其一是这个问题确实困扰了我一段时间，当然这主要是由于我自己经验不足所致；其二是为了解决这个问题，我在网上查阅了很多博客资料，突然发现一件比较有趣的事情——网上多数能搜索到的关于这个问题的博客居然都主动避开了Halcon设计者的初衷，即最简单实现它的方式，反而和我这个经验不足的家伙一样，采用了自以为合理的解决方案——而且居然还是相近甚至相同的思路。针对这个现象，我后
Halcon模板匹配算子find_shape_model里的参数Row, Column, Angle(单位:弧度)含义是什么？find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness
一、提高Halcon的运算速度，有以下几种方法：1、Multithreading(多线程)2、Automatic Parallelization(自动操作并行化)3、Compute devices，利用GPU提速，如果显卡性能好，至少可以提高5~10倍的运算速度二、多线程1、官方自带的例程get_operator_info.hdev，可以查看支持多线程的算子；* Determine the multithreading information
get_m
图像噪声是图像在获取或传输过程中受到随机信号干扰，妨碍人们对图像理解及分析的信号。很多时候将图像噪声看作多维随机过程，因而描述噪声的方法完全可以借用随机过程的描述，即使用其概率分布函数和概率密度分布函数。图像噪声的产生来自图像获取中的环境条件和传感元器件自身的质量，图像在传输过程中产生图像噪声的主要因素是所用的传输信道受到噪声污染。一、噪声类型1、椒盐噪声（盐=白色，椒=黑色）椒盐噪声是数字图像中的常见噪声，一般是由图像传感器、传输信道及解码处理等产生的黑白相见的亮暗点噪声，椒盐噪声常由图像切割
理论基础一、频率特征是图像的灰度变化特征，低频特征是灰度变化不明显，例如图像整体轮廓，高频特征是图像灰度变化剧烈，如图像边缘和噪声。一个重要的经验结论：低频代表图像整体轮廓，高频代表了图像噪声，中频代表图像边缘、纹理等细节。什么时候使用傅里叶变换进行频域分析？具有一定纹理特征的图像，纹理可以理解为条纹，如布匹、木板、纸张等材质容易出现。 需要提取对比度低或者信噪比低的特征。 图像尺寸较大或者需要与大尺寸滤波器进行计算，此时转换至频域计算，具有速度优势。因为空间域滤波为卷积过程
一、图像分割思想图像分割的主要算法：1.基于阈值的分割方法2.基于边缘的分割方法3.基于区域的分割方法4.基于聚类分析的图像分割方法5.基于小波变换的分割方法6.基于数学形态学的分割方法7.基于人工神经网络的分割方法基于阈值的分割方法阈值分割方法作为一种常见的区域并行技术，就是用一个或几个阈值将图像的灰度直方图分成几个类，认为图像中灰度值在同一类中的像素属于同一物体。由于是直接利用图像的灰度特性，因此计算方便简明、实用性强。显然，阈值分割方法的关键和难点是如何取得一个合适的阈值。而实际应用中，阈
一、边缘提取1、设置ROI兴趣区域2、快速二值化，并连接相邻区域。这样做的目的是进一步减少目标区域，通过二值化将目标区域大概轮廓提取出来3、提取最接近目标区域的轮廓常用函数有boundary，gen_contour_region_xldboundary（获取一个区域的边界）Region (input_object) Regions for which the boundary is to be computed. &nbs