有经验的机器视觉工程师都会认可这样一句话：机器视觉项目的成败在于能否得到一张打光优秀的图片。如果采集到的图片本身“质量”很差，那么接来下的图像处理工作就会困难重重。 由于项目的需求以及光源厂商的努力，目前机器视觉光源的类型可以说十分丰富，例如条光、背光、平行背光、同轴光、点光、隧道光、碗光、环形光、球形光、条形聚光等。根据光的波长和颜色，又可以分为X光、蓝光、红光、白光、红外光等。 网上关于光源选型方面的资料多如牛毛，我不想再重复，我想说点其他的。 在光源大家族中，

引言openCV是因特尔的一个开源的视觉库,里面几乎包含了所有的图像处理的经典算法,并且采用C和少量的C++编写,运行效率很高,对于做图像处理这方面工作的,认识opencv是必须的工作。不过opencv有个很大的不足,这在于它几乎没有提供gui这方面接口,很难满足目前应用程序开发的需要,而万恶的MFC框架丑陋的界面也成为了我的噩梦,MFC与opencv和界面优化几乎让我在图像处理这一块儿无法动弹。C#是.net平台上的明星语言,可以很容易做出漂亮的界面。EmguCV是将opencv封装的一个.n

halcon的tuple算子功能总结

基于形状的模板查找算子：find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score) MaxOverlap：意思是允许的最大重叠区域。 那么我们想问，这个重叠区域指的是哪个区域呢？如果下图是创建形状模型的图像：那么对于下

Halcon中阈值二值化的算子众多，通常用得最多的有threshold、binary_threshold、dyn_threshold等。 threshold是最简单的阈值分割算子，理解最为简单；binary_threshold是自动阈值算子，它可以自动选出暗（dark）的区域，或者自动选出亮（light）的区域，理解起来也没有难度。 动态阈值算子dyn_threshold理解起来稍微复杂一点，使用dyn_threshold算子的步骤基本是这样的：① 将原图进行滤波平滑处理。②

例一：毛刺在往外凸的面上策略1：分割出黑色部分，然后通过开运算去掉毛刺，再通过原黑色部分区域减去开运算之后的区域，得到毛刺部分的区域。read_image (Tu, 'C:/Users/xiahui/Desktop/tu.jpg') binary_threshold (Tu, Region, 'max_separability', 'dark', UsedThreshold)

以下图为例：比如我想把面积第2小的那个“小正方形”选择出来，算法代码如下：read_image (Yuan, 'C:/Users/happy xia/Desktop/yuan.png') binary_threshold (Yuan, Region, 'max_separability', 'dark', UsedThreshold) connection 

如下图：

connection直译为“连接”。其实它的功能不是连接，它的功能是确定区域之间的连接关系，如果简单粗暴地解释的话，可以认为：connection的意思是“打散”，将不连接的区域打散成一个一个的区域。 一、difference操作 1、用connection之后的region集合减去单一region 以下为待处理的图：read_image (Right, '未标题-1.jpg') threshold (Right,&n

算子sort_contours_xld算子有5种排序方式，即： 'upper_left':The position is determined by the upper left corner of the surrounding rectangle.'upper_right':The position is determined by the upper right corner of the surr