Halcon中如何通过灰度线性映射增强图片对比度呢？不急，我先讲点其他的。如果你用过Photoshop，那么想必对增强图像的对比度很熟悉。在Photoshop中，我们对下面这张图执行“色阶”调整：执行“色阶”调整：可以观察到图片的对比度明显增强。（白的更白，黑的更黑了）它的原理是这样的：将原图中灰度值小于55的点全部强制置为0，将灰度值高于140的点强制置为255，并且将55~140之间的色阶强行拓宽均匀映射到0~255之间，其效果是图像对比度增强了。如下图所示：如果还不好理解，那么再看看在Ph
以Halcon为例，一般解码的步骤为：创建解码模型——设置解码参数——执行解码——清除模型回收内存。如下所示：create_bar_code_model ([], [], BarCodeHandle)
set_bar_code_param (BarCodeHandle, 'num_scanlines', 30)
find_bar_code (Image, SymbolRegions1,
select_shape_proto是一个非常有用的region筛选算子，但是由于难以理解，因此一般人使用得不是太多。 算子签名如下：select_shape_proto(Regions, Pattern : SelectedRegions : Feature, Min, Max : )其中Feature可以取这7种模式：'distance_center'、'distance_contour'、'distance_dilate'
赃污通常是比较浅的痕迹，一般你是无法通过threshold来处理的，否则它就不是什么赃污而是刮伤、疤痕之类的。处理这种不明显的痕迹，傅立叶变换算子是最常用到的。素材图：上面的问题图片你可能并不觉得有什么问题，我们用photoshop来调节一下色阶。结果看到了红圈中我示意的两个缺陷处。我们先给出处理代码，后面在分析一下代码：read_image (Image, 'C:/Users/Administrator/Desktop/划痕+油污+瑕疵的检测/划痕、油污、瑕疵/赃污
边缘检测的定义 ：使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。边缘 是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合。图像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。边缘的锐利程度由图像灰度的梯度决定。梯度是指灰度变化的最快的方向和数量。常见的边缘点有三种 ：第一种是阶梯形边缘 (Step-edge), 即从一个灰度到比它高好多的另一个灰度。第二种是屋顶型
2.1 the process of 1D Edge extraction Then, the mean gray value along each line of projection is calculated. The sequence of these mean valuesis called&nbs
本人文着重阐述以下问题： halcon是否只能使用halcon专用的标定板？halcon标定板如何生成？halcon标定板如何摆放，拍照数量有无限制？ halcon是否只能使用halcon专用的标定板？ halcon提供了简便、精准的标定算子并且提供了标定助手，这无疑大大方便了广大开发者。在halcon中有两种方式可以进行标定:如halcon自带例程中出现的，用halcon定义的标定板 ，如下图用户自定义标定板，用户可以制作任何形状、形式的标定板所以，h
本次先对halcon的自标定做个整体介绍，了解屌炸天的自标定在实际应用中的应用与实现方法，具体的编程细节将在后续的文章中介绍。halcon提供了一种自标定的算子，它可以在不用标定板的情况下，标定出相机内参（无焦距），相对于多幅标定无法获取相机的外参。求出了相机内参就可以进行畸变校正，因而自标定相对于多幅标定，在畸变校正方面更快捷，这样设备在现场更容易操作、维护。在畸变校正以后我们同样可以放置一个参考物求取像素当量，构建XY世界坐标系,以用于测量、定位等应用。edges_sub_pix
一个喷码识别的案例read_image (Image, 'D:/用户目录/Desktop/2.png')
rgb1_to_gray(Image, Image)
get_image_size (Image, Width, Height)
* 获取喷码区域的方法很多 比如可以用me
在日常工程应用中，我们通常通过halcon的 shape-based matching（形状匹配）进行各种定位，如以前文章介绍的这样，理解各个参数并灵活应用通常就能得到很好的匹配效果和匹配速度，当待匹配物体有轻微变形时，并不影响得到的匹配结果，然后当待匹配物体有较大变形时，如塑料产品在成形时变形、纺织产品的花纹因为褶皱变形等，要想得到精确的定位结果就显得捉襟见肘， 如下图所示，印刷品有较大变形，在用shape-based matching时，定位结果就不尽如人意，因为shape-bas