在学习halcon算子sub_image(ImageMinuend, ImageSubtrahend : ImageSub : Mult, Add : )时，在样例中遇到了一个操作* This example demonstrates how to subtract two images
* using the operator 'sub_image'.
*
1， autobahn.hdev: Fast detection of lane markers控制语句MinSize:=30get_system('init_new_image', Information)得到当前halcon系统的参数值（这里执行后得到information的值为' true'）set_system('init_new_image', 'false')gen_grid_region(Grid, MinS
Compute the distance transformation of a region 该算子的作用是计算对region转换距离。该算子的形式为distance_transform(Region : DistanceImage :Metric,Foreground,Width,Height : ) 怎么理解这个算子呢，他的作用是输出一副图像，这幅图像是每个点到这个region的距离分布图，并不是一个
焊点检测的难点主要在于图像上粘连的焊点怎么处理，例如下图中右上边的两个焊点就粘连在一起。这个问题比较难以处理，下面的例子给出的基本策略是利用腐蚀来进行处理。原图，待检测焊点处理后的图像，可以看到9个焊点都检测到了。源程序： //焊点检测
var winHandle = win.HalconWindow;
var Image1 = halcon.read_image("C:/Users/Ad
下面是标准位置的图片，使用使用它创建了一个shape model，名字为：Matching 02.shm下图是需要做模板匹配，摆正姿式的图片。下图是模板匹配后，再使用仿射运算后旋转到正确位置的图像。源代码： //find_shape_model
var winHandle = win.HalconWindow;
var ModelId=halcon.read_shape_model(@"C:\Us
基于组件的模板匹配：应用场合：组件匹配是形状匹配的扩展，但不支持大小缩放匹配，一般用于多个对象（工件）定位的场合。算法步骤：1.获取组件模型里的初始控件 gen_initial_components()参数：ModelImage [Input] 初始组件的图片InitialComponents [Output] 初始组件的轮廓区域ContrastLow [Input] 对比度下限ContrastHigh [Input] 对比度上限MinSize [Input] 初始组件的最小尺寸Mode[Inp
NCC匹配基于Normalized cross correlation(NCC)用来比较两幅图像的相似程度已经是一个常见的图像处理手段。在工业生产环节检测、监控领域对对象检测与识别均有应用。NCC算法可以有效降低光照对图像比较结果的影响。而且NCC最终结果在0到1之间，所以特别容易量化比较结果，只要给出一个阈值就可以判断结果的好与坏。传统的NCC比较方法比较耗时，虽然可以通过调整窗口大小和每次检测的步长矩形部分优化，但是对工业生产检测然后不能达到实时需求，通过积分图像实现预计算，比较模板图像与生
德国MVTec公司开发的HALCON机器视觉开发软件，提供了许多的功能，在这里我主要学习和研究了其中的形状匹配的算法和流程。HDevelop开发环境中提供的匹配的方法主要有三种，即Component-Based、Gray-Value-Based、Shape-Based,分别是基于组件（或成分、元素）的匹配，基于灰度值的匹配和基于形状的匹配。这三种匹配的方法各具特点，分别适用于不同的图像特征，但都有创建模板和寻找模板的相同过程。这三种方法里面，我主要就第三种－基于形状的匹配，做了许多的实验，因此也
初始时刻，我们准备好参考图像，并对其做一定的处理，然后我们需要从参考图像中导出模板，也就是将参考图像裁剪成所谓的模板图像。获取模板图像可以通过设置ROI来完成。对于某些应用来说，也可以使用综合模板代替模版图像。综合模板既可以是综合创造的模板图像，也可以是一个XLD轮廓。裁剪参考图像，使之成为模板图像为了创建模板图像，我们需要从参考图像中选取ROI，并使用 reduce_domain裁剪图像的定义域为我们选取的ROI。这样我们就创建了模板图像，后续将作为匹配算子的输入参数。选取ROI有两种方法：直
任务：选出图中的白色圆形区域；使用基于灰度的模板匹配，主要使用以下算子：add_channels() ——把灰度值添加到区域中。best_match() ——寻找一个模板和一个图像的最佳匹配。dev_clear_window ()
read_image (Image, 'C:/Users/Administrator/Desktop/image.bmp')
gen_circle (ROI_0, 325.238, 132