2D测量之一通过2D测量可以获取一些特征,如• 物体的范围,也就是说组成物体的像素数组• 物体的方向• 物体间或者物体组成部分间的角度• 物体的位置• 物体的尺寸 ，也就是说他的宽度高度或者物体间的距离，物体组成部分间的距离• 物体的个数分析measure_metal_part_first_example.hdev例程第一步：创建区域并提取基础信息• 通过threshold算子提取感兴趣的区域• 通过area_center 和 orientation_region算子得到区域的位置和方向第二步：
这个功能是用于在C#那边用halcon引擎执行程序时的交互性调试用的。下面的主机与端口是指的C#那边的主机与端口。你必须在C#这边用下面这句MyEngine.StartDebugServer(); 开启调试服务器。这个调试服务器默认的地址是： localhost 端口是：57786勇哥感觉指定网络中另一台机器做为服务器也应该是可以的。 private void Form1_Load(object sender, EventA
1D测量之一 学习如何使用Halcon进行1D测量，可以参考：1、 Halcon自带的文档【solution_guide_iii_a_1d_measuring.pdf】2、 Halcon例程【measure_switch.hdev】 其中 【solution_guide_iii_a_1d_measuring.pdf】，第一章以Halcon例程【measure_switch.hdev】为例分析了测量的过程。第二章讲了测量的一些基础知识，可以参考文章
大很多场合，需要在视觉程序中导入CAD文档，比如，在3C行业，需要对手机外壳进行CNC加工，或者点胶操作，此时，需要获取产品的各个点的数据。如果将CAD直接导入，就会大的减少编程工作量，同时也能达到很高的精度。以下为Halcon自带例程：* This example program shows how to read DXF files and how to
* u
动画是在基恩士官网上看到的，现转载一下，以方便大家参考：引用自：https://www.keyence.com.cn/landing/robotVision_movie_library.jsp 上固定相机的抓取动作设定示例将为您介绍使相机固定到机械手上方后，抓取动作所需的CV-X系列的设定流程。下固定相机的抓取偏移补正动作设定示例将为您介绍使相机固定到机械手下方后，抓取偏移补正动作所需的CV-X系列的设定流程。手部相机的抓取动作设定示例将为您介绍使相机固定到机械手后，抓取动作所需的CV-X系列的
资料看上去只是大恒的一张幻灯片上面的内容不用看了。勇哥联系了大恒的人，打听到下面的情况（这算是官方说法了）：1. 安装halcon的时候，勾选“install driver for usb dongles”，安装加密狗驱动。注意这个时候你得把狗插上去。2. 如果你错过了这个选项，可以选择手工安装执行下面的程序（带参数 -i）注意执行前要先插上狗。3. 回到haspdinst.exe文件的上级目录，找到lmhostid.exe程序，拖入到命令行 中，输入“空格 -flexid”,回车运行
高斯金字塔可以生成不同大小的一波图像，按你指定的缩小比例来。如下图：算子原型：gen_gauss_pyramid(Image : ImagePyramid : Mode, Scale : )gen_gauss_pyramid计算一个按比例缩小的图像金字塔。下一幅图像缩小的尺度由参数Scale 决定。例如，Scale的值为0.5将使图像Image 的边缘长度缩短50%。这完全等同于“正常”金字塔。参数Mode决定了平均的方式。有关此参数的更详细描述，请参见affine_trans_image。在S
勇哥偶尔看到这篇HDevelop语法贴子，总结得比较全面。由于没必要重复造轮子，因此转载过来方便初学者查阅。下面文章转载自：https://blog.csdn.net/weixin_42258743/article/details/107506789（一）Halcon的语法结构特点特点：1）Halcon大部分的语句是Halcon提供的算子，此外也包含了少部分的控制语句；2）不允许单独声明变量；3）提供自动的内存管理（初始化、析构及OverWrite），但句柄则需要显示释放；4）C++（算子模式）
阈值分割引言C#阈值分割有非常多的算法，大体上分为全局和局部算法。
全局算法包括全局固定阈值和基于图像直方图的阈值，局部算法包括局部动态阈值分割。
基于图像直方图阈值分割的方法也有很多，比如常规的高斯滤波双峰法，OTSU大津法。
但是这类所有的法都基于一个假设：图像是有前景和背景的，待分割目标处于背景中，即图像直方图是双峰的。
如果因为非均匀光照导致待分割目标不处于背景或前景中，即图像直方图无双峰，
那么基于图像直方图的所有法都是不甚理想的
只能在此基础上进行一定的变换，例如nbl算
模糊测量是对标准测量的一种扩展，并不意味着测量是“模糊的”，而是用模糊隶属函数来控制边缘的选择。所谓的模糊隶属函数，就是将边缘的特征值转换为隶属度值，基于这些隶属值做出是否选择边缘的决定，即当隶属值大于你设定模糊阈值时，边缘就会被选中，反之则反。这种方法的优点是即使使用很低的最小阈值或平滑，也能灵活处理额外的边缘。举个简单的例子方便理解： 比如在测量开关引脚之间的宽度和距离时，引脚可能会有反射（左图），直接用一维测量会产生错误的结果