1Laws纹理滤波纹理实际上一种视觉特征，反映了图像上某种灰度变化的分布，体现出像素灰度与周围空间的一种关系，例如布匹纹理、木制家具纹理等，如下图所示布匹上纹理。LAWS纹理滤波以一种统计能量的方式检测纹理，能量的度量一般由以下三个向量得到：这三个向量与其自身以及互相卷积后，可形成以下5个向量：而这5个向量之间，相互乘积，可以生成检测水平、垂直、高频点、V形状等特征纹理的模板，下图为生成检测垂直边缘的LAWS模板(LS)。如果对纹理的其他提取方法感兴趣，可按如下图示方法，一一探询。2相关算子te
- 算法思路 -（1）构造滤波器与原图卷积增强图像（2）灰度投影，构建垂直灰度投影函数，并与平滑后的函数进行 差分运算，超过一定阈值即为缺陷所在位置的列坐标（3）计算缺陷区域并显示使用第一篇构造的滤波器与图像卷积运算，突出图像竖直方向的折痕，如下图。使用gray_projections算子，得到图像的水平灰度投影HorProjection以及垂直灰度投影VertProjection。HorProjection：从上到下，依次计算图像水平方向上，所有点灰度值的平均值。VertProjection：
原图来自Ihalcon论坛中间有一条对比度不明显的垂直折痕（图片来源：http://www.ihalcon.com/read-4226.html）发此帖子的楼主已经给出解决方案，如下：1. 设计一个滤波器2. 用convol_image算子来增强特定方向的纹理3. 再用Gray_Range_Rect做图像变换4. 最终用线高斯提取目标折痕我们沿着楼主的解决思路走一遍。首先介绍下相关理论点：卷积、如何构造方向滤波器。1卷积提到卷积，想起大学时被《信号与系统分析》支配的恐惧了。对于图像处理的卷积，首
边缘缺陷检测2020-05-23 22:40:53
原图来自Ihalcon论坛缺陷如在下图圆框中首先，阈值分割+形态学处理，将包含边缘部分图像进行抠图然后使用canny滤波器进行边缘检测如下图红、绿双线将凸起部分平滑掉，细节如下右图计算待检测边缘上的点到平滑后边缘的距离，超过一定阈值公差即为缺陷如下图缺陷检测关键代码*选择待检测边缘
select_obj(UnionContours, ObjectSelected, Index)
1模型下载下载地址： https://www.cc.gatech.edu/projects/large_models/bunny.html打开后页面如下点击红色箭头所指，下载.PLY格式2ply格式简介PLY是一种数据存储格式， 全名为多边形档案（Polygon File Format）或斯坦福三角形档案（Stanford Triangle Format）。该格式主要用以储存立体扫描结果的三维数值，可以存储颜色、透明度、表面法向量、材质座标与资料可信度等属性。使用记事本打开兔子模型文件部分文件内
原图来自于Ihalcon论坛，条条大路通罗马，目前有动态阈值、频域分析等算法思路，都可以尝试，在此提出另一种思路--人为构造光滑的二次区域与原图对比，进行脏污的检测。所检测图片如下脏污在红色箭头所指处特别浅显灰度拉伸等预处理后，脏污基本清晰可见原图打光不均匀，中间亮，四角暗，应使用尺寸更大的环形光打开轮廓线工具经过脏污处的灰度值分布如图右所示我们目的使得灰度值分布线更加平滑按行依次拟合平滑后的二维灰度图片效果如下视频拟合后的轮廓线几乎无毛刺，十分光滑拟合前后的3D视图对比，左原图，右拟合图拟合后
1. 边缘检测原理测量直线或者曲线的前提，是进行边缘检测和轮廓提取。边缘一般是指图像灰度值变化剧烈的位置。沿着如下左图水平线的位置的灰度值分布函数f(x)，如下右图所示。可知，在边缘的地方，灰度值变化非常明显。为了获取准确且唯一的边缘，那么变化最剧烈的地方就是边缘所在位置，对灰度值分布函数求一阶导f '(x)。可知，变化最剧烈的位置就是其一阶导的局部最大值，一阶导最大时，其二阶导f''(x)等于零，如下图所示。可知，边缘点的位置位于原图f(x)拐点处。以上提取到的是沿着水
“ 经济基础决定上层建筑”1、什么是标定？需要标定什么？为什么需要标定？空间物体呈现的是三维几何位置，相机内的投影图像为二维位置，所以，确定空间物体某点的三维几何位置与其投影图像中对应点的关系，就是标定。需要确定标定关系，必须建立物体与相机的投影数学模型，即相机成像的几何模型。构建几何模型的数学参数就是需要标定的内容，即相机的内外参数。内参是相机的工艺参数，包括焦距，主距，畸变系数，相邻像素距离等。外参是相机的位置参数，包括旋转角度，平移距离等。由此而得知，为了确定物体与成像的映射关系才需要标定
“一滴水，用显微镜看，也是一个大世界。”在项目中，偶尔会遇到由于产品形状、拍摄位置等原因导致标定板很难放置的情况，此时可以考虑使用halcon自标定算法来标定相机。由于自标定可以在不使用用标定板情况下，进行畸变矫正。所以，极大地方便在设备现场进行调试。1. 自标定处理流程自标定原理来源于此论文：“Automatic line-based estimation of radial lens distortion”。论文下载地址：链接:https://pan.baidu.com/s/118YDti2
校正前的畸变图像校正后的图像read_image(Image, 'pioneer')
get_image_size(Image, Width, Height)
CamParIn:=[0.00219846,-78129.2,5.46495e-06,5.5e-06,318.206,236.732,Width,Height]
*依照测定的径向畸变决定相机的新参数
*算子参数： 输入样式，相机内参，输入径向畸变，输出修正后的参数