下载文档原格式
halcon引擎使用总结Halcon引擎是一款功能强大的机器视觉软件，被广泛应用于工业自动化领域。
它提供了丰富的图像处理和分析功能，可以帮助用户实现高精度的图像识别、测量和检测任务。
下面将从几个方面对Halcon引擎进行总结，希望能够给读者带来全面的了解。
Halcon引擎具有出色的图像处理和分析技术。
它可以对图像进行预处理，如去噪、平滑、增强等，以提高图像质量。
同时，它还支持各种滤波算法和边缘检测算法，可以帮助用户准确地提取图像特征。
此外，Halcon引擎还支持图像分割和图像配准等高级图像处理技术，可以满足用户对复杂图像处理的需求。
Halcon引擎具有灵活的图像识别和测量功能。
它可以通过训练模型来实现目标识别和分类任务，支持多种机器学习算法，如支持向量机、神经网络等。
用户只需提供一些训练样本，Halcon引擎就可以自动学习并实现准确的目标识别。
此外，Halcon引擎还提供了丰富的测量工具，可以实现对图像中物体的尺寸、位置、角度等参数的测量，满足用户对精确测量的需求。
第三，Halcon引擎具有高效的图像检测和定位功能。
它可以通过模板匹配和形状匹配等算法实现对特定目标的检测和定位。
用户只需提供目标的模板或形状，Halcon引擎就可以在图像中准确地检测和定位目标。
此外，Halcon引擎还支持基于特征的目标检测和定位，可以根据目标的纹理、颜色、形状等特征进行检测和定位。
Halcon引擎具有友好的编程接口和丰富的示例代码。
它支持多种编程语言，如C++、C#等，用户可以根据自己的喜好选择合适的编程语言进行开发。
同时，Halcon引擎还提供了大量的示例代码，涵盖了图像处理、图像识别、图像检测等多个领域，用户可以根据需求参考示例代码进行开发。
Halcon引擎是一款功能强大、灵活高效的机器视觉软件。
它具有出色的图像处理和分析技术，可以帮助用户实现高精度的图像识别、测量和检测任务。
同时，它还提供了友好的编程接口和丰富的示例代码，方便用户进行开发。
HALCON在3D视觉及机器人中的应用介绍在3D视觉领域中，HALCON可以进行3D建模、3D测量和3D视觉检测等任务。
首先，HALCON可以实现3D点云数据的获取和处理。
它具有强大的点云库，可以对点云数据进行滤波、配准和拼接等操作，从而得到高质量的3D重建结果。
其次，HALCON还可以进行3D模型的创建和匹配。
它具有多种建模方法，包括基于CAD模型、基于视觉标定和基于深度图像等，可以根据实际需求选择最合适的方法。
此外，HALCON还可以进行3D物体的姿态估计和测量，可以实现对物体的精确定位和尺寸测量，可以广泛应用于工业自动化、智能制造和机器人视觉等领域。
在机器人领域中，HALCON可以用于机器人的视觉导航、目标检测和物体抓取等任务。
首先，HALCON可以与机器人系统进行无缝集成，实现机器人的定位和导航。
它可以通过摄像头获取环境图像，并进行图像处理和分析，实现机器人的自主导航和路径规划。
其次，HALCON可以用于机器人的目标检测和识别。
它具有强大的图像处理和模式识别功能，可以实现对不同目标的检测和识别，可以帮助机器人实现智能感知和自主决策。
此外，HALCON还可以用于机器人的物体抓取和操作。
它可以根据3D物体的形状和姿态信息，实现对物体的精确抓取和操作，可以广泛应用于工业机器人、服务机器人和医疗机器人等领域。
除了上述应用外，HALCON还可以应用于其他一些领域的机器视觉和机器人控制任务。
比如，HALCON可以用于医疗影像的处理和分析，可以帮助医生实现病灶的定位和诊断。
此外，HALCON还可以用于安防监控和智能交通系统中的车辆识别和行人跟踪，可以帮助实现安全管理和交通流量控制。
此外，HALCON还可以应用于无人机、无人车和无人潜水器等无人系统中，可以帮助实现自主导航和环境感知。
总之，HALCON在3D视觉及机器人中的应用非常广泛，可以帮助解决各种复杂的视觉和控制问题，是一个非常有价值的工具和平台。
halcon目标检测案例Halcon是一款强大的机器视觉软件，拥有丰富的图像处理和分析功能。
其中，目标检测是Halcon的重要功能之一，能够帮助用户实现对图像中目标的自动检测和定位。
下面列举了十个关于Halcon目标检测的案例，以展示其在实际应用中的优势和灵活性。
1. 工业品质检测：在工业生产线上，Halcon可以通过目标检测技术实现对产品外观缺陷的检测，如表面瑕疵、颜色偏差等。
通过训练算法，Halcon能够快速准确地检测出产品中的异常情况，提高生产效率和产品质量。
2. 药品包装检测：在药品生产过程中，Halcon可以应用于药品包装的检测和识别。
通过目标检测算法，Halcon可以检测药品包装盒上的标签和二维码等信息，确保药品的包装符合规定标准，从而保证药品的质量和安全性。
3. 路标识别：在智能交通系统中，Halcon可以应用于路标的识别和检测。
通过训练模型，Halcon能够准确地识别出道路上的各种标识，如交通信号灯、限速标志等，为智能驾驶系统提供准确的环境感知能力。
4. 农作物病害检测：在农业领域，Halcon可以应用于农作物病害的检测和识别。
通过图像处理和机器学习算法，Halcon能够自动识别出农作物叶片上的病害，提前预警农民并采取相应的措施，保证农作物的健康生长。
5. 人脸识别：在安防领域，Halcon可以应用于人脸识别系统的开发。
通过目标检测和特征提取算法，Halcon能够对图像中的人脸进行准确的识别，实现对人员身份的自动判断，提高安全性和便利性。
6. 垃圾分类：在环境保护领域，Halcon可以应用于垃圾分类系统的开发。
通过目标检测和图像识别算法，Halcon能够自动识别垃圾中的有害物质，并将其分离出来，实现自动化的垃圾分类，提高垃圾处理的效率和准确性。
7. 医学影像分析：在医疗领域，Halcon可以应用于医学影像的分析和识别。
通过目标检测和图像分割算法，Halcon能够自动识别医学影像中的病变区域，并提供准确的测量和分析结果，帮助医生进行疾病的诊断和治疗。
工业机器视觉基础教程-halcon篇工业机器视觉是指应用机器视觉技术在工业生产中，实现产品质量检测、工业自动化等一系列目标。
而HALCON则是一款功能齐全、具备丰富图像处理库的应用授权软件。
本文将介绍HALCON图像处理中的基本操作和应用。
一、HALCON图像处理的基本操作1.图像加载：使用read_image操作，该操作可以加载多种图像格式的图片文件。
如：read_image(Image, “test.jpg”)。
2.图像显示：使用disp_image操作可以对加载图像进行可视化处理并显示在界面上。
如：disp_image（Image）。
3.图像缩放：resize_image操作可以对图像进行缩放处理，缩放后的图像尺寸可以根据需求调整。
如：resize_image（Image，Image2，800，600，”bilinear”）。
4.图像灰度化：使用rgb1_to_gray操作可以将彩色图像转化为灰度图像。
如：rgb1_to_gray（Image，Image2）。
5.边缘检测：使用edge_image操作可以对图像进行边缘检测，检测出目标区域的轮廓和边缘。
如：edge_image（Image，Image2，”canny”）。
6.形态学操作：morph_operator操作可以对图像进行形态学操作，如膨胀、腐蚀、开、闭等。
如：morph_operator（Image，Image2，”dilation”，5）。
7.颜色分割：color_segmentation操作可以根据像素的颜色信息进行分割处理，一般是针对彩色图像。
如：color_segmentation （Image，Image2，“HSV”，[1, 0，0]，[255， 255， 255]）。
二、HALCON图像处理的应用1.工业质检：HALCON图像处理可以应用于工业质检领域，在生产线上进行产品质量检测，包括外观、尺寸、缺陷等。
2.智能制造：HALCON图像处理可以实现机器视觉智能制造，根据生产工艺流程和生产数据进行智能制造调节和优化。
halcon引擎使用总结摘要：一、Halcon引擎简介二、Halcon引擎的优势三、Halcon引擎的应用领域四、Halcon引擎的使用技巧五、总结与展望正文：一、Halcon引擎简介Halcon是一款功能强大的图像处理引擎，起源于比利时，至今已有数十年的历史。
它广泛应用于机器视觉、工业自动化、科研等领域。
Halcon引擎具有易用性、高效性和灵活性等特点，为用户提供了一系列图像处理、分析和识别的工具。
二、Halcon引擎的优势1.强大的图像处理能力：Halcon引擎具备丰富的图像处理算法，包括滤波、边缘检测、分割、特征提取等，可以满足各种图像处理需求。
2.高效的运算性能：Halcon引擎采用高性能的并行处理技术，大大提高了图像处理的速度，降低了运算延迟。
3.易于学习和使用：Halcon引擎的编程语言简洁明了，易于上手。
同时，其提供了丰富的实例和教程，有助于用户快速掌握相关技能。
4.跨平台兼容性：Halcon引擎支持多种操作系统，如Windows、Linux等，方便用户在不同平台上进行应用。
5.开放的开发环境：Halcon引擎提供了丰富的API和SDK，便于开发者进行二次开发和集成。
三、Halcon引擎的应用领域1.工业自动化：Halcon引擎可应用于机器视觉，实现自动化生产线的智能监控、产品质量检测等功能。
2.医疗影像处理：Halcon引擎在医疗领域的应用包括图像增强、分割、三维重建等，有助于提高诊断准确率。
3.智能交通：Halcon引擎可应用于车辆识别、交通流量监测等领域，提高交通管理效率。
4.科研与教育：Halcon引擎广泛应用于各类科研项目的图像处理与分析，以及高校的教育与实践。
四、Halcon引擎的使用技巧1.了解并善用内置算法：Halcon引擎内置了丰富的图像处理算法，了解这些算法的原理和适用场景有助于提高工作效率。
2.优化参数设置：针对不同算法，合理设置参数可以提高处理效果和速度。
3.并行处理：利用Halcon引擎的并行处理能力，可以大大提高图像处理的效率。
halcon知识点总结Halcon基本概念Halcon的全称是HALCON（Highly Optimized Computer Vision Algorithms）, 是由MVTec Software GmbH公司开发的一款强大的视觉处理软件，为工业自动化领域提供了全面的解决方案。
这种软件广泛应用于制造业、半导体行业、电子产业、医药行业等领域，用于机器视觉系统的开发和部署。
Halcon具有以下几个基本概念：1. 图像处理Halcon是一种用于图像处理的软件，它提供了一系列的图像处理算法和工具，可以对图像进行预处理、分割、特征提取、匹配等操作，以满足各种不同的应用需求。
2. 机器视觉Halcon可以应用于机器视觉系统中，用于进行产品质量检测、物体识别和追踪、三维测量等操作，以提高生产效率和产品质量。
3. 算法优化Halcon提供了高度优化的图像处理算法，可以实现高性能和高效率的图像处理，适用于高速和复杂的生产环境。
特性Halcon具有以下一些重要的特性：1. 高性能Halcon使用了一系列高效的图像处理算法和数据结构，以实现高速的图像处理能力，能够满足各种不同的应用需求。
2. 多功能Halcon提供了丰富的图像处理和分析功能，可以用于多种不同的应用场景，如工业自动化、医疗影像、安防监控等。
3. 跨平台Halcon可以在多种不同的操作系统上运行，并且支持多种不同的开发语言和工具，可以轻松集成到现有的系统之中。
应用Halcon在多个领域都有广泛的应用，以下是一些典型的应用场景：1. 工业自动化在工业自动化领域，Halcon可以用于进行产品质量检测、零件识别和追踪、三维测量等操作，以提高生产效率和产品质量。
2. 医疗影像在医疗领域，Halcon可以用于进行医学影像处理和分析，如医学图像的识别、分割、量化分析等，以辅助医生进行诊断和治疗。
3. 安防监控在安防监控领域，Halcon可以用于进行行人识别、车辆识别、人脸识别等操作，以提高监控系统的识别能力和准确度。
Halcon是一款由德国MVTec Software GmbH开发的先进机器视觉软件。
其丰富的功能和灵活的应用使得Halcon备受行业内广泛关注。
在Halcon中，mirror image（镜像）是一项常用的功能，在图像处理和分析中有着重要的作用。
mirror image的功能是将图像进行镜像处理，使得原始图像左右对称，从而实现对图像的翻转操作。
其使用方法如下：1. 载入图像：在使用mirror image功能之前，首先需要载入需要进行镜像处理的图像。
在Halcon中，可以通过常见的图像文件格式（如.bmp、.jpg等）来载入图像，也可以通过相机直接获取图像进行处理。
2. 调用mirror image函数：在载入图像后，可以使用Halcon提供的mirror_image函数来对图像进行镜像处理。
该函数接受待处理图像和处理后的镜像图像作为参数，并返回处理后的镜像图像。
3. 设置镜像类型：mirror_image函数还可以根据用户的需求设置不同的镜像类型，包括水平镜像和垂直镜像，以实现不同方向的翻转操作。
用户可以根据具体需求来选择合适的镜像类型。
4. 处理镜像：一旦设置好镜像类型，就可以调用mirror_image函数对图像进行镜像处理。
处理完成后，会得到处理后的镜像图像，可以用于后续的图像分析和处理。
除了基本的镜像处理功能外，Halcon中的mirror_image还提供了丰富的参数设置和灵活的应用方式，可以满足不同用户的需求。
使用mirror_image功能可以实现图像的快速处理和分析，为机器视觉应用提供了重要的支持。
在实际应用中，mirror_image功能可以广泛应用于工业检测、医疗影像、智能交通等领域。
在工业检测中，可以利用镜像处理技术对产品进行缺陷检测；在医疗影像中，可以对患者的影像数据进行镜像处理以辅助诊断；在智能交通中，可以利用镜像处理技术对车辆进行识别和监控。
Halcon中的mirror_image功能具有重要的应用意义，可以实现图像的快速处理和分析，并为机器视觉应用提供有效的支持。
2024 halcon机器视觉算法与2024年，Halcon机器视觉算法经历了一系列的更新与发展，不断推动着机器视觉技术的进步。
在这一年，Halcon推出了全新的深度学习算法，极大地提升了机器视觉在图像处理和分析方面的能力。
新的深度学习算法采用了先进的卷积神经网络架构，能够通过学习大量的图像样本来进行图像分类、目标检测和图像分割等任务。
相比传统的机器学习算法，深度学习算法具有更高的准确性和鲁棒性。
此外，Halcon还引入了一系列的先进特征提取算法，如SIFT、SURF和ORB等，用于快速而准确地提取图像中的关键特征。
这些算法基于图像的局部特征，能够在光照变化、遮挡等复杂环境下仍然具有很好的稳定性。
在图像匹配和物体定位方面，Halcon的机器视觉算法也有了飞跃性的进步。
通过使用新的匹配算法和优化技术，Halcon能够在大规模图像数据库中快速地找到最佳匹配，并估计出物体的位置和姿态。
此外，Halcon还针对不同应用领域推出了一些专门的算法模块，如工业自动化、医疗影像和智能交通等。
这些算法模块具有针对性，能够在特定的应用场景下实现更高的检测准确性和处理速度。
综上所述，2024年的Halcon机器视觉算法通过引入深度学习算法、先进特征提取算法和优化技术等，不断提升了机器视觉的性能和功能，推动了机器视觉技术的发展。
此外，2024年Halcon机器视觉算法还进一步优化了图像处理和分析的速度和稳定性。
通过针对不同硬件平台进行底层优化和算法并行处理，Halcon能够在较短的时间内处理大量的图像数据，并实时输出准确的分析结果。
在图像识别和分类方面，Halcon引入了基于深度学习的卷积神经网络模型，通过大规模训练数据集的学习，实现了更高的分类准确率。
这使得Halcon可以广泛应用于物体识别、人脸识别和文字识别等领域，为各行各业提供更精准和智能的解决方案。
随着人工智能技术的不断发展，Halcon还将机器学习和深度学习技术与传统机器视觉算法相结合，实现更强大的功能和更高的鲁棒性。
halcon标定例子Halcon标定是一种用于机器视觉系统中相机和图像采集设备的校准方法。
通过标定，可以获得相机的内部参数和外部参数，从而提高图像处理和计算机视觉系统的精度和稳定性。
下面是十个关于Halcon标定的例子：1. Halcon标定的基本原理Halcon标定是通过采集一系列已知位置和姿态的标定板图像，从而计算出相机的内部参数和外部参数。
这些参数可以用于图像校正、三维重建等应用。
2. Halcon标定的步骤Halcon标定的主要步骤包括：选择标定板、采集标定图像、提取标定板角点、计算相机参数、优化标定结果等。
3. Halcon标定的精度评估Halcon标定的精度可以通过重投影误差来评估，即将标定板上的角点投影到图像上，然后计算投影点与实际角点之间的距离。
4. Halcon标定的误差来源Halcon标定的误差来源主要包括相机畸变、标定板姿态误差、标定板角点检测误差等。
这些误差会影响标定结果的精度。
5. Halcon标定的应用场景Halcon标定广泛应用于机器视觉系统中的目标检测、定位、测量等任务。
通过标定，可以提高系统的测量精度和稳定性。
6. Halcon标定的优化方法Halcon标定可以通过优化算法来提高标定结果的精度。
常用的优化方法包括非线性最小二乘法、Bundle Adjustment等。
7. Halcon标定的注意事项在进行Halcon标定时，需要注意选择合适的标定板、保证标定板的平整度、正确设置相机参数等。
8. Halcon标定的挑战和解决方案Halcon标定在实际应用中可能面临光照变化、相机运动等挑战。
针对这些问题，可以采用多视角标定、动态标定等方法来解决。
9. Halcon标定的未来发展趋势随着机器视觉技术的不断发展，Halcon标定也在不断演进。
未来的发展趋势包括更精确的标定方法、更高效的标定算法等。
10. Halcon标定的局限性虽然Halcon标定可以提高机器视觉系统的精度和稳定性，但仍然存在一些局限性，如对标定板的要求较高、对标定图像的要求较严格等。
工业机器视觉基础教程-halcon篇
工业机器视觉是利用计算机视觉技术，通过各种相机、传感器等设备，实现对工业制造过程中产品的检测、识别、测量等操作，以提高生产效率和质量。
其中，Halcon 是一款商业化的
视觉软件，是基于面向对象编程思想和C++语言构建而成的
算法和应用开发平台。
Halcon 的特点之一是具有强大的图像处理函数库，可用于高
级图像处理和机器视觉应用的开发。
例如，常常用到的图像预处理（如滤波、抠图、滑动窗口等）、角点检测、边缘检测、二值化、形态学操作、直线/圆检测等操作。
此外，还有一些
高级操作，如三维重建、模板匹配、字符识别、色彩分割、基于深度学习的图像识别等。
使用 Halcon 进行机器视觉应用的第一步是了解其标定系统以
及相应的摄像机标定应用。
Halcon 通过利用多个视觉原理，
并结合了强大的2D/3D机器视觉算法和成像技术，能够实现
高精度的相机标定，并能够使用标定好的摄像机进行高效、准确的三维参数计算和分析。
此外，还需要针对具体的应用场景，对图像进行设计、预处理和分析，以得到最终的应用程序。
除此之外，还需要考虑实际工业现场的环境因素，例如光照、噪声、运动等因素对识别、测量的影响。
在这种情况下，可以使用 halcon 系统灵活的参数调整和自动化算法设计等技术，
来实现对产品的全方位分析、检测及检验，提高生产效益和质量。
总之，作为一款行业顶尖的机器视觉软件，Halcon 在应用于各种机器视觉应用方面都有良好的表现，并能帮助工程师快速高效地进行图像处理、算法设计，以及现场调试和优化案例。
2019.01科技论坛HALCON 图像处理在机器视觉中的应用耿立明，杨威，王迪(沈阳城市建设学院信息与控制工程系，辽宁沈阳，110167 )摘要：本文针对柔性智能制造生产线为控制对象进行研究，分析柔性智造生产线的组成，搭配思科工业交换机和发那科 LR Mate200I d 型六自由度工业机器人，完成复杂的产品智能制造和组装加工过程,采用康耐视工业相机C C D 图像传感 器构成机器视觉系统，基于HALCON基类H X L D 算法进行图像处理、特征提取，应用在机器视觉中进行产品的在线检测，发现产品的缺陷，并及时加以处理，防止不必要的损失。
关键词：生产线；机器视觉；HALCON ; HXLD ;检测；智能制造Application of machine vision based on HALCON image processingGeng Liming, Yang W e i , Wang Di(Shenyang Urban Construction University Department of information and control engineering,Shenyang Liaoning, 110167)Abstract: This paper studies the flexible intelligent manufacturing production line for the controlobject, analyzes the composition of the flexible intelligent production line, and cooperates withCisco Industrial Switch and FANUC LR Mate200Id six-degree-of-freedom industrial robot to complete the complex product intelligent manufacturing and assembly process. CCD image sensor of Vision Industrial Camera constitutes machine vision system. Based on HALCON based HXLD algorithm for image processing and feature extraction, it is applied in machine vision for on-line detection of products, and discovers defects of products and processes them in time to prevent unnecessary loss.Key words : Production line; machine vision; HALCON; HXLD; inspection; intelligent manufacturing0引言如图1所示。
柔性智能制造生产线由自动供料单元、物 料转运机构、模拟加工单元、工件组装单元、产品分拣单元、 产品搬运机构及立体仓库单元组成。
设备整体为桌面台式模 块化设计，可形成各单元独立控制和整体流程控制。
本设计 研宄对象以智能制造生产线作为技术根本，搭配思科工业交 换机和发那科LR Mate200I d 型六自由度工业机器人，完成复 杂的产品智能制造和组装加工过程。
图1柔性智能制造生产线鉴于在生产线上人眼无法连续、稳定地完成完成这些 带有高度重复性和智能性的工作。
由此考虑机器视觉判别方 法：利用光电成像系统采集被控目标的图像，然后经图像处 理模块进行数字化处理，根据图像的像素分布、亮度和颜色 等信息，来进行尺寸、形状、颜色等的判别。
1机器视觉判别1.1机器视觉系统的构成机器视觉系统可以实现非接触测量，从而提高了系统的 可靠性。
机器视觉技术用计算机来分析一个图像，并根据分析 得出结论。
机器视觉系统可以探测部件，也可以用来创造一 个部件，即运用复杂光学器件和软件相结合直接指导制造过 程。
典型的视觉系统一般包括：光源、光学系统，相机、图像处理单元、图像分析处理软件、通讯/输入输出单元等。
尽管机 器视觉应用各异，但都包括以下几个过程。
(1)图像采集光学系统采集图像，图像转换成模拟格式并传入计算机 存储器。
一般利用光源、光学系统，相机、图像处理单元获取 被测物体的图像。
本设计相机选择康耐视工业相机C C D 图像传感器300万像素。
基金项目：校科学研宄发展基金项目“机器视觉在工业机器人智能分拣识别中的应用研宄”(XKJ2018003)。
科技论坛2019.01(2) 图像处理处理器运用不同的算法来提高对结论有重要影响的图 像要素。
机器视觉系统中，视觉信息的处理技术主要依赖于 图像处理方法，它包括图像增强、数据编码和传输、平滑、边 缘锐化、分割、特征抽取、图像识别与理解等内容。
经过这些 处理后，输出图像的质量得到相当程度的改善，既改善了图 像的视觉效果，又便于计算机对图像进行分析、处理和识别。
(3) 特性提取处理器识别并量化图像的关键特性，例如生产线上零件缺 口的位置或者颜色的不同,然后这些将数据传送到控制程序。
(4) 判决和控制处理器的控制程序根据收到的数据做出结论。
1.2机器视觉系统的原理机器视觉就是利用机器代替人工视觉，通过图像摄取装 置将被摄取目标转换成图像信号，再交给图像处理系统进行 各种运算来提取目标特征，进而根据图像判别结果来进行设 备动作。
2 HALCONHALCON是德国MVTec Software GmbH公司开发的一套 全面的标准机器视觉算法包，拥有应用广泛的机器视觉集成 开发环境（HDevelop)。
HALCON提供了卓越的性能,并全面 地支持多核平台和特殊指令集（如AVX2和NEON)，以及GPU 加速。
HALCON由一千多个各自独立的函数，以及底层的数据 管理核心构成。
其中包含了各类滤波，色彩以及几何,数学转 换，形态学计算分析，校正，分类辨识等等算法计算功能。
2.1基于HXLDCont的轮廓险测X L D数据结构可以描述为任何封闭的最小区域或者打 开的轮廓。
与Regions代表像素精度相反，XLD(Extended Line Descriptions)代表的是亚像素精度。
其中有两种基本 的X L D结构：轮廓(contours)和多边形(polygons)。
与图像 相似，HALCON也提供了基类HXLD和继承HX L D的特殊类，比如HXLDCont用于轮廓，HXLDPoly用于多边形。
首先选择特定轮廓：Read_image(Image，’mixed_01.png’）//从具有像素精度的图像中提取得到X L D轮廓threshold_sub_pix (Image，Border, 128)//提取图像得 到亚像素边缘edges_sub_pix (Image,Edges, 7canny’，1,20, 40)// 选择特定形状特征要求的XL D轮廓或多边形V C程序如下：#include ^HalconCpp.hnmainQusing namespaceHalcon;HImageMandrill(“LINGJIAN”）；//read image from file“LINGJIAN”HWindow w;//window with size equal to imageMandrill.Display(w);//display image in windoww.Click();//wait for mouse clickHRegion BrightMandrill>=128;//select all bright pixelsHRegionArray Conn=Bright.Connection();//get connected components//select regionswith a size of at least 500 pixelsHRegionArrayLarge=Conn.SelectShape(“area” ， ” a nd”，500, 90000);//select theeyes out of the instance variable Large by using//the anisometryas region feature:HRegionArrayAB= Large.SelectShapeCf anisometryw ,” and”，1,1. 7);Eyes.Display(w);//display result image in window w.Click();//wait for mouse click}3结论机器视觉系统能够实现对生产过程中每一个产品的在线 检测，发现产品的缺陷，并及时加以处理,防止不必要的损失。
对机器视觉系统来说，图像预处理方法并不考虑图像 降质原因，只将图像中感兴趣的特征有选择地突出，衰减其 不需要的特征。
故预处理后的输出图像并不需要去逼近原图 像，这类图像预处理方法统称为图像增强。
参考文献[1] 王价，陈兵旗，朱德利，梁习卉子，代贺，陈洪密.基于机器视觉的定向播种用玉米种粒精选装置研究[J].农业机械学报.2017(02).[2] 贾伟宽，赵德安，刘晓洋，唐书萍，阮承治，姬伟.机器人采摘苹果果实的K-means和GA-RBF-LMS神经网络识别[J].农业工程学报.2015(18).[3] 郑小东，王杰.机器视觉在玉米籽粒品质检测中的应用研究[J].中国粮油学报•2013(04).[4] 孙群，王庆，薛卫青，马晗煦，孙宝启，谢宗铭.无损检测技术在种子质量检验上的应用研究进展[J].中国农业大学学报.2012(03).[5] 应义斌，饶秀勤，赵匀，蒋亦元.机器视觉技术在农产品品质自动识别中的应用（I)[J].农业工程学报.2000(01).甲孑测ii !。
