Inthereferencemanual，operatorsignaturesarevisualizedinthefollowingway:operator(iconicinput:iconicoutput:controlinput:controloutput)在HALCON所有算子中，变量皆是如上格式，即：图像输入：图像输出：控制输入：控制输出。其中四个参数任意一个可以为空。控制输入可以是变量、

assign：对数据赋值，对数组的初始化。但不能对数组中的某一个值进行赋值。举例：Tuple1:=[1,0,3,4,5,6,7,8,9]//对数组进行初始化Val:=sin(1.2)+cos(1.2)//对某一个值进行赋值Tuple2:=[]//数组定义assign_at：对数组中的某一个值进行赋值。举例：Tuple1[1]:=2//将Input和Result赋值为Tuple12.Insert：对

在图像中显示文字，数字等文本。*ball.hdev:InspectionofBallBondingdev_update_window('off')dev_close_window()dev_open_window(0,0,728,512,'black',WindowID)read_image(Bond,'die/die_03')dev_display(Bond)set_display_font(W

2019-2-2:硬件选型--->镜头光源相机选型第一讲.avi:高斯公式:1/u+1/v=1/fu:物距v:像距f:焦距线放大倍率:像高/物高或者像距/物距镜头需要掌握基本概念:焦距光圈光圈数(这个参数越大,分辨率越大)景深物体在清晰成像的移动范围(光圈越小景深越大;焦距越小,景深越大;拍摄距离越大景深越大)具体选型案例如下:硬件选型--->超人视觉初级班镜头光源选型第二讲.avi相机主要参数:

手册里面的particle例子，例子的任务是分析颗粒在液体中。在这个应用程序的主要困难：存在两种类型的对象:大明亮物体和较低的小物体的对比。此外噪音使分割的存在困难；无法使用全局灰度阈值threshold进行分割；所以采用先将大块不需要检测的部分去除掉，再通过灰度动态阈值dyn_threshold分割图像得到想要的内容。处理图片和结果图片：以下是代码：read_image(Image,'parti

第一讲OCR：（OpticalCharacterRecognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助

OCR：Opticalcharacterrecognition（光学字符识别）一般步骤：排序：sort_region(SelectedRegions,SortedRegions,‘character’,‘true’,‘column’)读入分类器：read_ocr_class_mlp(‘Industrial_0-9A-Z_Rej.omc’,OCRHandle)识别：do_ocr_multi_clas

由于智能制造和人工智能的火热，直接让机器视觉这个行业也火热起来。在机器视觉这个行业，对于我们技术人员来说，halcon、opencv、Ni-vision、VisionPro、CeresSolver等等就成为了我们敲开机器视觉工程师大门的敲门砖。在这些机器视觉专用SDK中，最容易让新手入门，也最专业实用的是halcon。想要学习halcon，我们有多种选择，比如：你可以报一个培训班，一般学习时间一个

voidtestKNearestNeighbors(){//创建K最近邻分类器//参数说明：NumDim指定特征维度数量HTupleNumDim=2;HClassKnnclassKnn;classKnn.CreateClassKnn(NumDim);//添加一个样本到k最近邻分类器//参数说明：Features增加的特征列表,ClassID指定的类别HTupleFeatures,ClassID;C

************MLP方法的物体颜色识别dev_close_window()read_image(Image,'F:/7.机器视觉/Halcon/halcon学习/颜色识别专题/糖豆4.jpg'

phalcon3.1中文文档http://docs.iphalcon.cn/index.htmlwindows安装phalcon：https://blog.csdn.net/EatherToo/article/details/81487234phalcon-tool使用：https://blog.csdn.net/sun_jialei/article/details/80220017phalcon

Halcon学习笔记1、Halcon的自我描述ProgramLogicEachprogramconsistsofasequenceofHALCONoperatorsTheprogramcanbestructuredintoproceduresThesequencecanbeextendedbyusingcontroloperatorslikeif

area_center_gray(Regions,Image:::Area,Row,Column)计算Image图像中Region区域的面积Area和重心（Row，Column）。cooc_feature_image(Regions,Image::LdGray,Direction:Energy,Correlation,Homogeneity,Contrast)计算共生矩阵和推导出灰度特征值Dire

函数定义select_gray(Regions,Image:SelectedRegions:Features,Operation,Min,Max:)根据灰度值选择区域plane_deviation(Regions,Image:::Deviation)逼近的图象平面计算灰度值偏差moments_gray_plane(Regions,Image:::MRow,MCol,Alpha,Beta,Mean)

前面说了利用halcon进行二维码的识别，这次进行二维码识别及方向定位，虽然二维码本身也有定位和方向性，但是我没有在halcon算子里找到这个函数或调出这个参数的方法；不过可以通过在二维码附近添加mark图形来进行角度和方向识别，这样在AGV小车应用中就可作为地标识别程序了，当然AGV小车应用的话很少是window系统，一般是嵌入式linux系统，虽然halcon支持linux系统，且QT也支持跨

QT和halcon的配置实验了一阵，总是不太成功；后来用qt+vs版本的，并且用vs编译器才配合成功，这里和大家分享一下经验。（1）首先下载qt-opensource-windows-x86-msvc2010-5.5.1.exe,这个官网上就有；（2）下载qt-vs-addin-1.2.4-opensource.exe，这个官网也有，没有可以去这个网站（很全）：http://www.qtcn.or

halcon的模板匹配种类有很多种，方法各有优缺点，一般有基于灰度的匹配，基于形状的匹配等等，这里具体理论和方法不做详解，只简单总结一个实例。图像匹配一般需要对旋转放缩进行处理，另外为了提高搜索效率，常用用图像金字塔来处理模板图像，图像金子塔就是把图像按一定算法，缩小为不同比例的模板，减少像素。一般的模板匹配流程如下：所以首先创建模板，模板的创建就是采集一张自己需要的原始图像，如下我采集的原始图像

当前使用软件版本：VS2017+Halcon17.12使用VS2017创建winform项目HalconDisplayImage。通过nuget添加引用halcon动态库，注意选择版本17.12选择form窗体，拖入HSmartWindowControl进入cs文件添加命名空间usingHalconDotNet;编写读取图像函数#region获取图像publicstaticvoidGetImage

本次任务目标：给出一张圆形杯盖图片，剥离圆盖上的圆形图案，并求出其中心坐标如图所示：先给出最终效果图：基本步骤读取本地图片read_image(Image,'D:/视觉/Picture/杯盖.jpg')关闭当前窗口，打开一个新的窗口，显示图片dev_close_window()dev_open_window(0,0,512,512,'black',WindowHandle)dev_display(

很多网站程序其实都需要有很多模块，比如客户访问的前台和管理员的后台就是大不相同的两个模块。诚然，用一个模块的Controller/Action也能实现类似功能，但是毕竟还是多模块用起来好。从Phalcon的启动顺序来看https://docs.phalconphp.com/en/latest/reference/applications.html#manual-bootstrapping其模块功能

Phalcon启动之后，会通过router路由器将URL解析，然后传递给dispatcher分发器，分发器会找到对应的Module/Controller/Action并执行，执行中会输出到view视图发送给客户端。简单情况下分发器不需要特殊的配置，router的解析已经足够，一般来讲，只有在判断用户权限的时候才需要特殊处理$di->set('dispatcher',function(){$disp

Web开发中的router和平时家里拨号上网使用的路由器不是一回事，Web开发中的router会把用户传递过来的URL解析成相应的参数并传递给http程序来解释执行。在MVC模式中，用户能够访问的是Controller/Action，然后http程序会根据用户访问的Controller/Action把页面呈现给用户，而router就是负责把这个把用户访问的URL解释为Controller/Acti

Phalcon启动过程中，需要使用到各种各样的类，这些类都是通过DI依赖注入器配置，然后通过加载器载入的。加载器的配置非常简单，它主要配置3个参数：1）命名空间。遍历某个目录，并将其下的类都注册为某命名空间的类，以便在需要的时候将其加载。$loader=new\Phalcon\Loader();$loader->registerNamespaces(array('Entrance\Controll

首先了解变换的步骤，而后再深究其数学原理。眼在手外的标定，分为以下几步：1.图像处理，定位抓取点坐标。2.在放置物体的平面上放置halcon标定板，将标定板坐标系定义为参考坐标系，利用相机标定得到的内参和外参，将抓取点从二维变换到三维（可以认为就是从相机中反投影，这一步至关重要），获得其在参考坐标系下的位姿。3.将参考坐标系下的抓取点转换到相机坐标系中。（参考坐标系与相机坐标系间的变换关系在fin

利用Halcon软件自制标定板参考博客：halcon相机标定及图像矫正Halcon学习标定助手关键算子：gen_caltab(::XNum,YNum,MarkDist,DiameterRatio,CalPlateDescr

第9讲环形字符原理分析上次在例程分析中只是简单地介绍如何实现，没有过多地阐述原理，这里我们先来认识一下极坐标转换为直角坐标的原理。首先，对于极坐标上的所有点可以有参数θ和ρ唯一确定，对于一个圆而言，ρ是确定不变的半径，那么如果转换的到直角坐标系下，就是一条平行于水平坐标轴的直线，当横坐标变换时纵坐标保持不变。而我们知道x=ρ*cos(θ)y=ρ*sin(θ)根据这个公式我们可以实现从极坐标系转换到

**preprocess_dl_classifier_images(Procedure)**简短描述preprocess_dl_classifier_images—Preprocessimagesfordeep-learning-basedclassificationtrainingandinference.*预处理图像，为基于深度学习的分类训练和推论做准备描述Thisprocedureprepr

大家去研究这个例子就可以了:optical_flow_hydraulic_engineering.hdev,这里只是记录一下，备忘*Thisexampledemonstratestheuseoftheopticalflowoperators.*Bycalculatingtheopticalflowbetweentwoimages,the*position,speed,andmovementdire

1.gen_measure_rectangle2(::Row,Column,Phi,Length1,Length2,Width,Height,Interpolation:MeasureHandle)产生测量矩形句柄，控制输入为测量矩形范围的坐标中心，矩形长轴和水平方向夹角范围的弧度，矩形边长的一半，测量图片的宽和高度，输出为测量句柄。2.measure_pairs(Image::MeasureHa

第四-八讲OCR实战练习在基于之前的例程分析之上，这里做具体应用，比如，食品包装袋上倾斜的日期识别，温度计上倒着的字符识别等。倾斜日期识别首先，对于这样一幅图片，怎样实现对日期的提取？法一：矫正—分割—识别第一步：矫正在上一篇博客（OCR识别字符排列圆形或字体倾斜的处理办法）中我们分析了如何矫正倾斜的字符，这里直接上代码。这里推荐了两种方法实现，最终实现的识别效果都是一样的。第一种方法，直接将其看

1、实例(fin.hdev)目标：找出图片中的毛刺知识点1：*一次性读取三张图片（fin1,fin2,fin3），通过select_obj算子选定指定图片read_image(Fins,'ff'+[1:3])知识点2：1、可以先用二进制自动阈值算子binary_threshold(Fin,Background,'max_separability','light',UsedThreshold)找出背

#Halcon学习笔记（灰度值插值算法）本文内容翻译自Halcon应用笔记：GrayValueInterpolation，根据我自己的理解，对原文内容进行了删减。

先说一下RGB和HSV这两种颜色空间。大部分人可能接触RGB这种颜色空间多一些，相较于人这种颜色空间对硬件更加友好；而HSV更符合人的视觉感观，对人友好，如果你是画家、设计师，接触的可能会多一些。H是色调，表示是哪种颜色，取值是0到360度，比如0表示是红色；S表示是饱和度，取值0%到100%，越鲜艳值就越高，颜色越淡值越小；V表示亮度，取值0%到100%，越白值越大，越暗值越小。1.第一种思路：

1.1Gaussian-Mixture-Models1.add_sample_class_gmm功能：把一个训练样本添加到一个高斯混合模型的训练数据上。2.classify_class_gmm功能：通过一个高斯混合模型来计算一个特征向量的类。3.clear_all_class_gmm功能：清除所有高斯混合模型。4.clear_class_gmm功能：清除一个高斯混合模型。5.clear_sampl

项目流程总结：采集-预处理-定位-特征提取-识别-显示1.图像预处理按作用域划分空间域包括有中值（median_image）、均值（mean_image）、高斯滤波；频域：模板滑动；按功能划分增强对比度：线性变换（scale_image）、直方图均衡化（equ_histo_image）、灰度形态学（gray_）、emphasize去噪声：各类滤波2.定位：（1）Blob分析（受光照影响大）二值化（

环境：win7_x64_ultimate+VS2013一、安装1.安装包下载：百度网盘下载：Halcon学习网2.安装：按照提示进行安装，若之前有安装旧版本会依次提示是否卸载（据说有版本切换工具可实现多版本一起使用

change_format(Image:ImagePart:Width,Height:)改变Image图像大小,而且ImagePart图像为灰度值图像。crop_domain(Image:ImagePart::)从Image图像中裁剪一个矩形区域。这个矩形的周长最小。crop_domain_rel(Image:ImagePart:Top,Left,Bottom,Right:)删除相关区域，Top为

写在前面：从“矩阵都是对基的变换”这个角度去理解仿射变换，这样更为直观。矩阵的学习应从矩阵的几何意义入手一参考MATLAB文档1.PixelIndices（matlab文档）origininupperleftcorneroftheimage（pixel和image都是这个坐标系），左上角的像素坐标为（1,1），右边的像素为（1,2），像素坐标表示为（Row，Column），元素之间是离散的，如下图

列子：detect_indent_fft.hdev说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；然后，将原图和构造的滤波器进行快速傅里叶变换；最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。注：代码中绿色部分为个人理解和注释,其余为例程中原有代码*In

最近某宝上买了一个工业相机和镜头，简单的做了一下实验；1）相机是需要驱动的按照商家的操作安装好驱动，这样电脑才能识别到；2）打开halcon的-助手-ImageAcquisition-图像获取接口-检测-连接-点击实时即可看到相机输出；3）标定，先打印标定板，看我前面笔记操作，具体助手-Callibration-安装选择描述文件caltab_30mm.descr-标定-图像采集助手-然后把标定板放

*Thefollowingexampleshowsaproductionline,whichcarries*packagesofsoftcheese.Thecheesepackagesconsistofthree*typesofflavor:cream,hamandpaprika.Duringquality*inspectioneachpackageischeckedforitsrightcont

摄像头拍摄时候，图像均有畸变，但是图像的扭曲变形均是有规律的成线性的，所以可以通过算法矫正。矫正的算法可以在网上找到，这里就叙述了。halcon标定过程需要在镜头内放置标定板；标定板一般选用30*30mm的；可以通过halcon程序来制作：gen_caltab(::XNum,YNum,MarkDist,DiameterRatio,CalTabDescrFile,CalTabPSFile:)算子来制

前面学习了Halcon手册里的一个例子，这里简单扩展一下，例子在Halcon手册SolutionGuideIBasics第三章里面也有，这里我自己实验的例子如下：read_image(Image,'E:/images/44.png')rgb1_to_gray(Image,GrayImage)get_image_size(GrayImage,Width,Height)dev_close_window

例子在HDevelop自带例子里面，叫critical_points；目的是在所画的闭合区域内的进行检测图像中的鞍点，鞍点具体是什么我这里也不太了解；以后深入再叙述吧。话不多说先上例子：例子中输入图像和处理后的图像是这样子：左边是输入图像，白色的圈是鼠标画出的闭合区域，右边是图像分割后图像，并检测鞍点，就是图中黑白交错的圆圈；我使用的图形如下：实验图片(1)实验图片(2)从上图可以大概知道鞍点特异

1.1Gaussian-Mixture-Models1.add_sample_class_gmm功能：把一个训练样本添加到一个高斯混合模型的训练数据上。2.classify_class_gmm功能：通过一个高斯混合模型来计算一个特征向量的类。3.clear_all_class_gmm功能：清除所有高斯混合模型。4.clear_class_gmm功能：清除一个高斯混合模型。5.clear_sampl

Halcon学习之七：改变图像的现实方式和大小change_format(Image:ImagePart:Width,Height:)改变Image图像大小,而且ImagePart图像为灰度值图像。

一、简单介绍一下Halcon软件 图像处理软件HALCON是世界范围内广泛使用的机器视觉软件。用户可以利用其开放式结构快速开发图像处理和机器视觉应用软件HALCON可以用于许多工业应用，如宇宙航空和太空旅行、汽车零件制造、制陶业、化学、电子元件和设备、食品业、玻璃制造和生产、身体健康和生命科学、冶金业、机械、医疗、勘探、纸制造业、制药业、精密工程和光学、打印、车轨和火车检测、橡胶、半导体、轮船制造

跟我学机器视觉-HALCON学习例程中文详解-测量圆环脚宽间距 This example program demonstrates the basic usage of a circular measure

跟我学机器视觉-HALCON学习例程中文详解-QQ摄像头读取条码 第一步：插入QQ摄像头，安装好驱动（有的可能免驱动） 第二步：打开HDevelop，点击助手—打开新的Image Acquisition

跟我学机器视觉-HALCON学习例程中文详解-开关引脚测量 This example program demonstrates the basic usage of a measure object