对输入的两张图像计算得到直方图H1与H2，归一化到相同的尺度空间，然后通过计算H1与H2之间的距离得到两个直方图的相似程度进而进行比较图像本身的相似度。OpenCV提供的比较方法有四种：直方图比较方法Correlation相关性比较Chi-Squra卡方比较Intersection十字交叉性Bhattacharyya distance巴氏距离直方图比较方法–相关性计算（CV_COMP_CORREL）如果等于1说明完全一致，为0就是不相关。直方图比较方法–卡方计算（CV_COMP_CHISQR）等
灰度直方图，RGB直方图，梯度直方图对于数据在一定范围之内，可以统计频率的都可以做直方图。图像直方图。是指对整个图像在灰度范围内的像素值（0-255）统计出现频率次数，据此生成的直方图成为图像直方图，直方图反映了图像灰度的分布情况，是图像的统计学特征。直方图均衡化是一种提高图像对比度的方法，拉伸图像灰度值范围。如何实现均衡化呢？通过重映射可以将图像灰度分布从一个分布映射到另一个分布，然后在得等映射后的像素值即可。API说明：equalizeHistory（InputArray src, //8位
勇哥之前发表的一篇文章《Halcon学习（27-2）halcon测量技术：找线》这个文章介绍的找线方式是使用算子measure_pos来工作的，因此这种方式适合halcon及以上版本。勇哥另外几篇贴子里介绍了适合halcon17及以上版本的找线方法：《视觉进阶：2D Metrology（二维计量）》《halcon17的找线功能》听说，这些高阶的功能其实也是对halcon10原来的算子的一些封装。因此，对于工业视觉中常见的找线功能来说，我们必须了解核心的measure_pos算子。在找线的时候，先
勇哥继续讨论Epson机器人手眼标定的过程和一些经验。（一）九点标定时的高度与实际电池取放高度相差几毫米可以吗？依据最近勇哥现场做的实验来看，如果标定高度不等于电池取放高度，影响很大。定位的时候差别按mm来算，不是差一点半点。而且这种偏差呈放射状的变化，有点像CCD的成像方式。勇哥画了个示意，在下图中，电池1的偏差可能是向左，而电池6的偏差可能是向右。如果这个时候把电池面升高到原来标定的高度，你会发现机器人走位又非常准确了。（二）一定要九点标定吗，不可以四点吗？九点标定一定需要九宫格子吗？这个要
（应用6）已经直线的起始端点与终止端点，把这条直线移动到指定的点勇哥先放上halcon写的函数moveline的代码，它的作用是把一条线移动到指定的点。resultLineStartPointRow := 0
resultLineStartPointCol := 0
resultLineEndPointRow := 0
resultLineEndPointCol := 0
projection_pl(poin
已经矩形的中心点、边长、phi求四个顶点的坐标 在halcon里面，类似gen_measure_rectangle2、smallest_rectangle2的算子表示任意角度的矩形。其信息包括：矩形中心点 row,column矩形角度 Phi矩形区域的长和宽的一半 Length1, Length2如下图所示：（图1）就没有没直接给出矩形4个顶点坐标。有时候想知道4个顶点的坐标怎么计算呢？由于勇哥手上有一段halcon代码正好用解决上面的问题，所以我们先分析一下代码的结果，以此为参考进行
三角函数画圆法画圆可以用圆的方程来画。原点为圆心，半径为r（r>0）的圆的标准方程为x^2+y^2=r^2也可用三角函数的方式来画。下面是画圆的C#代码：/// <summary>
/// 利用三角函数画圆
/// </summary>
/// <param name="radius"></param>
/// <param name=&q
重映射就是把一个图像中一个为之的像素放置到另一个图片指定位置过程。为了完成重映射过程有必要获得一些插值作为非整数像素坐标，因为原图像与目标图像的像素坐标不是一一对应的。我们通过重映射来表达每个像素的位置(x, y):g(x, y)=f(h(x,y))这里g()是目标图像，f()是原图像，h(x,y)是作用于(x,y)的映射方法函数。假设有一幅图像I，满足下面条件作重映射：h(x,y)=(I.cols - x,y)图像会按照x轴方向发生反转，如下：看到红色圈关于x的位置改变(x轴水平翻转)open
原理：霍夫变换圆检测原理和直线相似，直线检测需要两个参数（theta，r）。圆形需要圆心做坐标两个参数和半径。对左边做霍夫圆变换可以发现圆形的位置变成了一个两点，说明HoughCircles(image,outputArray circles, 发现圆信息int method, 方法-HOUGH_GRADIENTdouble dp, dp = 1;double mindist, 最短距离，可以分辨是两个圆的圆心的最小像素距离，否则认为是同心圆double param1, canny edge d
霍夫变换直线检测前提条件：边缘检测已经完成（单通道8位灰度图像，经过二值化变为黑白图像）平面空间转到极坐标空间通过上式子可以把像素点转化成极坐标，如下图所示。上面的曲线相交与一点，说明了什么信息呢？说明这些像素都在一条直线。比如一个图像有200个像素，通过坐标变换。那么就可以得到200条曲线。相交点的对应横坐标角度就是直线在空间坐标的角度。这就是霍夫变换的原理。霍夫直线变换介绍：变换到极坐标中，从[0,360]空间，可以得到r的大小属于同一条直线上点在极坐标空间（r，θ）必然在一个点上有强的信号