引言：特征提取是缺陷检测和分类器的重要基础，由于网络资料匮乏，这个系列的贴子勇哥会长期更新，以充实其内容。在halcon中，有“特征直方图”。其中“特征”下拉列表中有一些项目，它根据你选择的对象是region还是xld而有不同的项目。对于region来讲，这些特征项目分为两类：region_features和gray_features，即region特征和灰度特征。下面的两个算子可以取这上面两类特征：region_features(Regions : : Featu
前言：一直以来，对于blob分析勇哥没有做系列贴子，现在把它补上。在halcon中经常听到两个概念，一是blob分析，二是形态学，它们之间是什么关系呢？
答案是：后者是前者的一个子集，或者说是前者的一个步骤。
形态学在blob分析中常见的用于去除噪声影响，常见的算法有：腐蚀、膨胀、开运算、闭运算、
顶帽、黑帽、形态学梯度等等。 详见：https://www.skcircle.com/?id=1643
blob分析主要内容如下：
1、图像分割：如全局阈值、局部阈值、二值化等。
勇哥偶尔一篇贴子中见到用开运算做目标检测，这个思路感觉还是很稀奇的。原贴只是一张示例图片，我编写了一段演示代码以方便大家阅读。原文介绍只是一张图片，其中Structuring element指的是开运算指定结构元素，图中右半部分说是利用Opening算子可以在图中检索出和结构元素类似的部分。halcon的开运算有许多算子，可以使用结构元素的有:opening(Region, StructElement : RegionOpening : : )minkow
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
导读：C#来复习一下高中数学，不过这里勇哥不用纸和笔，而是用halcon做为平台来玩玩。
一切要与机器视觉联系起来才更有趣味。
因此，这个系列的数学课是专门给halcon平台的视觉程序员看的哦。本篇讨论一下region的集合运算。halcon中常见的对象有region和xld。前者是用行程编码表示的“区域”对象（不是像素）。后者是工作在亚像素精度下的轮廓线对象。两者都有对应的集合运算的算子。（一）集合并集(union set) R∪S定义：R∪S={x|x∈R V x∈S }注意
导读：来复习一下高中数学，不过这里勇哥不用纸和笔，而是用halcon做为平台来玩玩。
一切要与机器视觉联系起来才更有趣味。
因此，这个系列的数学课是专门给halcon平台的视觉程序员看的哦。重要知识点： (1) 一般的，对于两个集合A、B的任何一个元素都是集合B的元素，我们就说这两个集合有包含关系，称集合A为集合B的子集（subset），记做 A⊆B（或者B⊇A）,读做“A包含于B”（或者“B包含A”）(2) 如果集合
说明：模板匹配是halcon的强项，opencv自带的模板匹配算子跟halcon这个比起来差好几层楼那么多。
在视觉引导定位时，模板匹配是少不了的东西。
所有的新手在遇到阈值搞不定的应用时，都会想到模板匹配，可见其概念和易用性已经深入人心。
但实际上halcon的模板匹配的知识点还是很多的，并非仅仅是我们常见的形态模板匹配。
勇哥这个系列贴子用来补全halcon模板匹配的相关系列知识。使用基于描述符的模板匹配在图片序列中寻找不同姿式的饼干盒子这个例子展示了如何使用基于描述符的匹配特性找到
贝叶斯定理白话解2021-01-12 19:19:33
贝叶斯定理太有用了，不管是在投资领域，还是机器学习，或是日常生活中几乎都在用到它。例如，生命科学家用贝叶斯定理研究基因是如何被控制的；教育学家意识到，学生的学习过程其实就是贝叶斯法则的运用；基金经理用贝叶斯法则找到投资策略；谷歌用贝叶斯定理改进搜索功能，帮助用户过滤垃圾邮件；无人驾驶汽车接收车顶传感器收集到的路况和交通数据，运用贝叶斯定理更新从地图上获得的信息；人工智能、机器翻译中大量用到贝叶斯定理...我将从以下4个角度来科普贝叶斯定理及其背后的思维：1.贝叶斯定理有什么用？2.什么是贝叶斯定
先上代码：* This example program shows how to use optical_flow_mg to compute the optical flow in an image sequence and how to segment the op
勇哥注： 这个例子主要是演示了形态模板的定位功能，测量框随着图像旋转与移位而保持相对位置不改变。这是个优秀的例子，值得新手一看。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝这个示例程序演示了如何使用形态模板匹配来定位对象。此外，还介绍了如何利用检测到的物体的位置和旋转来构造检测任务的搜索空间。在这个特定的例子中，IC上的打印文字信息用于查找IC。从找到的位置和旋转角度，构造了两个测量矩形来测量IC引线之间的间距。由于本例中使用的照明，引线在多个位置和旋转处具有255的饱和灰度