原图：halcon程序:read_image (Image, 'C:/Users/Administrator/Desktop/划痕+油污+瑕疵的检测/划痕、油污、瑕疵/表面划痕/Image.bmp')
dev_close_window()
get_image_size(Image, Width, Height)
dev_open_window(0, 0, Width, Height
Retinex图像增强算法前一段时间研究了一下图像增强算法，发现Retinex理论在彩色图像增强、图像去雾、彩色图像恢复方面拥有很好的效果，下面介绍一下我对该算法的理解。Retinex理论Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线，还和其周围的颜色和亮度有关。Retinex这个词是由视网膜(Retina)和大脑皮层(Cortex)两个词组合构成的.Land之所以设计这个词，是为了表明他不
在我们编写halcon程序中可能常会用到图像相减算子sub_image，例如在做高斯高通滤波的时候，最后的结果是要用原图像减去滤波后的图像才能得到锐化图像。该算子的参数形式如下：sub_image(ImageMinuend , ImageSubtrahend : ImageSub : Mult , Add :)第一个参数是被减图像，第二个参数是减数图像，第三个参数是结果图像，第四个参数是乘数因子，第五个参数是灰度补充值算子可以用以下计算式子表达：ImageSub =( ImageMinuend
1、变焦和对焦有什么区别？变焦就是改变镜头的焦距（准确说是像距），以改变拍摄的视角，也就是通常所说的把被摄体拉近或推远。例如18-55mm和70-200mm镜头就是典型的变焦镜头。焦距越长，视角越窄。对焦通常指调整镜片组和底片（传感器平面）之间的距离，从而使被摄物在CCD/CMOS上成的像清晰。我们通常说的“调焦”一般指“对焦”。有些人认为定焦镜头不能调焦的说法是错误的。 2、为什么镜头的最大光圈处通常成像不佳，或者说“成像比较肉”？追求成像的锐利应该是所有镜头的追求。镜头的光圈值一般
有经验的机器视觉工程师都会认可这样一句话：机器视觉项目的成败在于能否得到一张打光优秀的图片。如果采集到的图片本身“质量”很差，那么接来下的图像处理工作就会困难重重。 由于项目的需求以及光源厂商的努力，目前机器视觉光源的类型可以说十分丰富，例如条光、背光、平行背光、同轴光、点光、隧道光、碗光、环形光、球形光、条形聚光等。根据光的波长和颜色，又可以分为X光、蓝光、红光、白光、红外光等。 网上关于光源选型方面的资料多如牛毛，我不想再重复，我想说点其他的。 在光源大家族中，
引言openCV是因特尔的一个开源的视觉库,里面几乎包含了所有的图像处理的经典算法,并且采用C和少量的C++编写,运行效率很高,对于做图像处理这方面工作的,认识opencv是必须的工作。不过opencv有个很大的不足,这在于它几乎没有提供gui这方面接口,很难满足目前应用程序开发的需要,而万恶的MFC框架丑陋的界面也成为了我的噩梦,MFC与opencv和界面优化几乎让我在图像处理这一块儿无法动弹。C#是.net平台上的明星语言,可以很容易做出漂亮的界面。EmguCV是将opencv封装的一个.n
基于形状的模板查找算子：find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score) MaxOverlap：意思是允许的最大重叠区域。 那么我们想问，这个重叠区域指的是哪个区域呢？如果下图是创建形状模型的图像：那么对于下
Halcon中阈值二值化的算子众多，通常用得最多的有threshold、binary_threshold、dyn_threshold等。 threshold是最简单的阈值分割算子，理解最为简单；binary_threshold是自动阈值算子，它可以自动选出暗（dark）的区域，或者自动选出亮（light）的区域，理解起来也没有难度。 动态阈值算子dyn_threshold理解起来稍微复杂一点，使用dyn_threshold算子的步骤基本是这样的：① 将原图进行滤波平滑处理。②
例一：毛刺在往外凸的面上策略1：分割出黑色部分，然后通过开运算去掉毛刺，再通过原黑色部分区域减去开运算之后的区域，得到毛刺部分的区域。read_image (Tu, 'C:/Users/xiahui/Desktop/tu.jpg')
binary_threshold (Tu, Region, 'max_separability', 'dark', UsedThreshold)