基恩士视觉一些工具确实有独道之处。例如“实时浓淡补正”和“渐变滤波器”有空时想研究一下它们怎么实现的。当然，网上是不可能有啥子资料的。对于“浓淡补正”，仅在ihalon中找到一份说明。上面这个halcon还是可以做到的。勇哥写了一段代码：read_image(Image, '1.png')
rgb1_to_gray(Image, GrayImage)
sobel_amp(GrayImage, EdgeAmplitude, 'su
直方图均衡简单、高效；但是，图像中不同的区域灰度分布相差甚远，对它们使用同一种变换常常产生不理想的效果；实际应用中，常常需要增强图像的某些局部区域的细节。为了解决这类问题，Pizer等提出了局部直方图均衡化的方法(AHE)；AHE方法仅仅考虑了局部区域的像素，忽略了图像其他区域的像素，且对于图像中相似区域具有过度放大噪声的缺点；K. Zuiderveld等人提出了对比度受限CLAHE的图像增强方法；通过限制局部直方图的高度来限制局部对比度的增强幅度，从而限制噪声的放大及局部对比度的过增强；也可以
转一篇CLAHE算法的贴子，涨下见识！原文出处：https://www.cnblogs.com/jsxyhelu/p/6435601.html?utm_source=debugrun&utm_medium=referral CLAHE算法对于医学图像，特别是医学红外图像的增强效果非常明显。CLAHE https://en.wikipedia.org/wiki/Adaptive_histogram_equalization中文方面非常好的资料 限制对比度自适
直线拟合 矩阵实现2021-02-24 08:44:33
转一篇矩阵做最小二乘法的贴子：https://blog.csdn.net/wuan584974722/article/details/53670878对于我们孤立的点的集合，我们可以使用矩阵求最小二乘法最优解。 //对于我们孤立的点的集合，我们可以使用矩阵求最小二乘法最优解。
create_matrix(|ColumnEdageArr|,2,1,MatrixIDA)
create_mat
此实例通过使用Halcon实现5种清晰度算法函数：1. 方差算法函数；2. 拉普拉斯能量函数；3. 能量梯度函数；4. Brenner函数；5. Tenegrad函数；测试效果如下图片；找到峰值对应的那张图，确实是最清晰的那张；使用直方图显示清晰度结果，如果有更好的方法，那就跟帖回复吧。此实例有HalconBBS群友提供！*evaluate_definition的使用例子
*使用halcon自带的图片
*实现了五种评价函数，
*选择算子的Method值，可以观察不同评价函数的效果。
re
这是一篇转载贴子：https://blog.csdn.net/wuan584974722/article/details/53764769 此文章对应的是类似于Retinex算法，见贴子： https://www.skcircle.com/?id=320 **********************************
*何凯明博士去雾算法代码实现
*论文：<<Single Image Haze Removal Using&nb
Mask RCNN可以看做是一个通用实例分割架构。Mask RCNN以Faster RCNN原型，增加了一个分支用于分割任务。Mask RCNN比Faster RCNN速度慢一些，达到了5fps。可用于人的姿态估计等其他任务
halcon 生成区域网格的作用是什么？如果勇哥没猜错的话，这位朋友想问的就是下面的算子gen_grid_region (Grid, MinSize, MinSize, 'lines', 512, 512)这个算子见过的一些应用主要是用来快速定位分割图片，是做为这一种技巧存在。见下面的的图片示例。详细见贴子：https://www.skcircle.com/?id=1655 为什么让相机视野中心十字对准目标物？大部分情况下
halcon标定后怎么用？问这个问题的人，可能不知道这个问题有两层意思。一种用九宫格方式的标定，是使用vector_to_hom_mat2d算子从点对应关系近似仿射变换。然后这个矩阵被算子affine_trans_point_2d 应用到一个2D点上去。以完成像素平面的点到运动平面的点的转换。二是使用halcon的手眼标定算子calibrate_hand_eye。在手眼标定完成后，BaseInCamPose可以用在机械收抓取的应用中了，这个只需要使用算子get_calib_data即可应用手眼标
前言像素灰度值仅仅反映了像素灰度级的幅值大小，并没有反映出像素与邻域的空间相关信息。二维灰度直方图的概念二维灰度直方图：像素的灰度值分布和邻域的平均灰度值分布构成的二维直方图二维直方图的值N(i,j) 。其中，i=f(x,y) 图像(x,y)的灰度值。j=g(x,y) 图像(x,y)位置邻域的平均灰度值。对于一幅MxN大小的灰度图像可以利用像素点的灰度值和其邻域平均灰度值组成的二元组(i,j)来表示图像。若设二元组(i j)出现的频数为Ω;则相应的联合概率密度p(i,j)为:p(i,j)=Ω/(