如果机构连压块的位置都不给你保障，那就惨了，就如下图这个样子了。左边的图如果算是正常的话，右边的图是不是你想叫妈？压块的位置在跳舞，逼得你不能用固定的ROI来框焊点。 来一张素材图，然后我来整个算法的思路。基本的思路是，threshold算子取得白色部分的region，然后求出一个内接的Rectangle，然后做下定位把这个矩形画出来。这个就是我们要的动态的ROI了，无论压块怎么跳舞都不怕了！list_files ('C:/Users/Administrator/De
一、神经网络为什么比传统的分类器好1.传统的分类器有 LR（逻辑斯特回归） 或者 linear SVM ，多用来做线性分割，假如所有的样本可以看做一个个点，如下图，有蓝色的点和绿色的点，传统的分类器就是要找到一条直线把这两类样本点分开。对于非线性可分的样本，可以加一些kernel核函数或者特征的映射使其成为一个曲线或者一个曲面将样本分开。但为什么效果不好，主要原因是你很难保证样本点的分布会如图所示那么规则，我们无法控制其分布，当绿色的点中混杂几个蓝色的点，就很难分开了，及时用曲线可以分
哈哈，是不是有人一进来就想问训练数据哪找的。。 好吧，坐好，老司机要发车了，传送门—->用 Caffe 可以做什么好玩的 Project？,其实就是知乎上前两天看到的一个问题，有人提供了这个数据集，大家有兴趣的可以自己下下来看看，我这里就不贴了，怕被河蟹。。总之就是有10000张正常电影封面+10000张av电影封面，正好这几天临近放假，project/assignment什么的都搞完了，离回家还有几天，呆实验室打了好几天游戏也挺无聊了，便花了一下午训练了这个网络，在天朝有鉴黄师
Rinspect_gasket_local_deformable.hdev检测垫圈局部变形*这个例子演示了如何利用局部变形匹配（local deformable matching）来寻找出垫圈是否变形dev_update_off()Smoothness:=25read_image(ModelImage,..read_image( Image,......下面是ModelImage和Image（两个基本相近，肉眼难辨）显示信息不予赘述。。。一：创建variation model （差异模型）sob
halcon软件最高效的一个方面在于模板匹配，号称可以快速进行柔性模板匹配，能够非常方便的用于缺陷检测、目标定位。下面以一个简单的例子说明基于形状特征的模板匹配。为了在右图中，定位图中的三个带旋转箭头的圆圈。注意存在，位置、旋转和尺度变化。上halcon代码：dev_update_pc ('off')
dev_update_window ('off')
dev_update_var ('off')
图像分割之阈值分割2018-10-19 09:30:03
图像分割之阈值分割： 请参见halcon例程：gray_histo.hdev 此例程中主要用到两个算了： 1.gray_histo(Regions,Image:::AbsoluteHisto,RelativeHisto) 作用：获得图像的某一指定区域内的灰度分布，将数据写入到参数AbsoluteHisto和RelativeHisto 其中AbsoluteHisto是指图像内0-255灰度值出现的次数。 RelativeHisto:将上面的出现次数转化为频率，总合为1。 2.gen_
Image一 读取的3种方式：read_image( image,'filename') //image 是输出对象，后面是输入文件的路径和名称读取多图： 1，申明一个数组，分别保存路径ImagePath:=[]ImagePath[0]:='D:/1.bmp'ImagePath[1]:='D:/2.bmp'ImagePath[2]:=&#
1. 无论读入什么图像，读入图像显示效果明显和原始图像不一致，哪怕是从相机读入的图像，也是明显颜色差异。什么原因引起？初步诊断是，显示的时候调用的颜色查找表存在异常不是 default ，而是其它选项。此时可以通过查阅相关参数，调用set_system解决，也可以 在 编辑-》参数选择-》颜色查找表进行更改 。2. 裁剪图像；从图像上截取某段图像进行保存。如何实现该操作 ？首先应该知道，region不具有单独构成图像的要素，他没有灰度值。有用过opencv的应该知道 ROI（感兴趣区域），设置好
图像增强一般通过如下几种方式：1. 灰度值线性变换scale_image: g’ := g * Mult + Add g为当前的灰度值，Mult 为所乘的系数，Add为加的偏移值，由公式可以看出用scale_image来处理图像是个线性变化，会让黑的地方更黑，亮的地方更亮。scale_image_max:将灰度值拉伸到0-255。2. 增强图像对比度- emphasize(Image : ImageEmphasize : MaskWidth, MaskHeight, Factor : )- il
很多时候当我们用edges_sub_pix, threshold_sub_pix 等算子得到边缘后，因为有噪声、物体本身断裂等原因 很多边缘是共线但是断裂的如下图所示，提取键盘的网格，左图有很多共线线段，右图为共线连接后的结果更详细信息可查阅自带例程：measure_grid.hdev一个更直观的例子提取网格，左图因为网格有交叉点通过edges_sub_pix得到是断裂的网格线，右图为union_collinear_contours_xld的结果union_collinear_con