场景： 出差时间在外面修改netMarketing的代码，回家后，git pull 回调代码到本地，然后出现下面的错误：$ git pull origin master
From https://github.com/skcircle/hackpigLib
* branch mas
前几天，上传自己的个站到git上的时候，手欠脑发晕的用了次git reset --hard xxxxxx 命令。由于只在线上传入了一个index.html页面（自己都不知道自己咋想的，就这么干了，O__O"…），且第一次commit的时候也只commit了一个index.html文件，其他文件的只是通过git add --all命令进行本地追踪。然后，突发奇想，想恢复到第一次提交的时候（天知道当时自己咋想的）！于是自然（大概也只有天知道当时手咋那么自然随意）的用了git reset -
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
由于项目要用到Ftp上传文件，因此需要在自己的电脑上安装一个ftp服务器供测试程序。网上搜索了一下，发现针对win10的很少而且有错误，特此留下一篇教程，专用针对Win10专业版的用户。我的系统版本如下：右键原来winxp的开始按钮。然后选择“应用和功能”再选择“程序和功能”然后“启用和关闭windows功能”勾选“FTP服务器”"所有控制面板项"如果你找不到这个“所有控制面板项”，像下面这样：勾选小图标或者大图标就可以了。然后点击管理工具终于看到“IIS管理器”添加Ftp站
edtFTPnet官方网站：http://www.enterprisedt.com/products/edtftpnet/或者使用VS的包管理器也可以方便安装此组件：目前最新版本为2.2.3，下载后在bin目录中找到edtFTPnet.dll，在项目中添加引用。下面为一些用法：1、FTP服务器根目录为web，在它下面创建如下图示的目录和上传文件FTPConnection.CommandEncoding = Encoding.GetEncoding("GBK") 指定GBK编码
《zw版·Halcon-delphi系列原创教程》 Halcon分类函数013,shape模型为方便阅读，在不影响说明的前提下，笔者对函数进行了简化：:: 用符号“**”，替换：“procedure”:: 用大写字母“X”，替换：“IHUntypedObjectX”:: 省略了字符：“const”、“OleVariant”【示例】 说明函数：procedure AddNoiseWhiteContourXld( const Contours: IHUntypedObjectX; out Noisy
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