当前位置：文档之家 › halcon中的常用算子的中文说明

halcon中的常用算子的中文说明

  • 格式：docx
  • 大小：48.87 KB
  • 文档页数：12

sub_image (ImageConverted1, ImageConverted2, ImageSub, 1, 0)一幅图减另一幅图。

用一幅图的灰度减另一幅的灰度成新的一幅图。

mult_image (Image, ImagePart, ImageResult, 0.015, 0)一幅图加一幅成的一幅图convert_image_type (Traffic2, ImageConverted2, 'int2')转换图像的格式crop_part (ImageNoise, ImagePart, 0, 0, Width, Height)取出一幅图的中部分dots_image (ImageResult, DotImage, 5, 'dark', 2)取出图像中圆点partition_dynamic (SelectedRegions, Partitioned, 25, 20)根据各个区域的特征将各个区域分割开。

intersection (Partitioned, Region, Characters)取出两个区域中重叠的部分，如果Region有两个区域在Partitioned中，则这两个区域合并成一区域。

difference (RegionDilation, RegionErosion, RegionDifference) 取出两个区域中不重叠的部分。

critical_points_sub_pix (FilterResponse, 'facet', 1.5, 0.7, RowMin, ColMin, RowMax, ColMax, RowSaddle, ColSaddle)取出图像中的关键点。

corner_response (Image, FilterResponse, 3, 0.04)auto_threshold (Image, Regions, 10)自动阈值分割，根据灰度直方图中两波峰中的波谷取出阈值。

closing (RegionClosing3, Rectangle, RegionClosing4)用一个设计好的区域来封闭其它区域。

hom_mat2d_identity (HomMat2DIdentity)生成一个2D单位矩阵hom_mat3d_identity (HomMat3DIdentity)生成一个3D单位矩阵hom_mat2d_translate (HomMat2DIdentity, -0.5*(Row1+Row2), -0.5*(Column1+Column2), HomMat2DTranslate)对矩阵进行2D变换，用于平移。

hom_mat3d_rotate (HomMat3DIdentity, GraspPhiZ_ref, 'z', 0, 0, 0, HomMat3D_RZ_Phi) 对矩阵进行3D变换，用于旋转。

hom_mat3d_translate (HomMat3D_RZ_Phi, CenterPointX_ref, CenterPointY_ref, 0, ref_H_grasp) 对矩阵进行3D变换，用于平移。

hom_mat2d_scale (HomMat2DTranslate, ScaleFactor, ScaleFactor, 0, 0, HomMat2DScale) 对矩阵进行变换，用于缩放hom_mat3d_compose (cam_H_ref, ref_H_grasp, cam_H_grasp)将两矩阵相乘hom_mat3d_to_pose (cam_H_grasp, PoseCamGripper)将矩阵变换成3D位姿affine_trans_contour_xld (LogoContoursTemp, LogoContours, HomMat2DComplete)对线条LogoContoursTemp进行HomMat2DComplete对应的变换（平移和缩放）。

compose3 (ImageRed, ImageGreen, ImageBlue, LogoImageTempl)将三幅图像合并成一幅图像decompose3 (LogoImage, ImageR, ImageG, ImageB)将一幅图像根据RGB值转换成三幅图像。

paint_xld (LogoContours, LogoImageTempl, LogoImage, [Blue,Orange,Blue,Blue,Blue,Blue])对线条喷颜色。

Blue := [0,48,117]，Orange := [255,181,41]check_difference (Traffic1, Traffic2, Selected1, 'diff_outside', -255, 15, 0, 0, 0)根据两幅图的不同进行图像分割。

bin_threshold自动阈值分割，与auto_threshold (Image, Regions, 10)类似，但只有一个最小值取得仅有一个阈值。

char_threshold (Alpha1, Alpha1, Characters, 6, 95, Threshold)自动阈值分割，阈值根据直方图的波峰取得dyn_threshold (ImageFilled, ImageMean, RegionDynThresh, 3, 'light')动态阈值分割。

gray_histo (Alpha1, Alpha1, AbsoluteHisto, RelativeHisto)获得绝对与相对直方。

background_seg (Edges, BackgroundRegions)将找出的区域根据背景分割成各个连通的区域。

fill_up_shape (BackgroundRegions, RegionFillUp, 'area', 1, 40)有选择性的填充smooth_funct_1d_gauss (Function, Sigma, SmoothedFunction)对一维数组进行平滑处理。

funct_1d_to_pairs (SmoothedFunction, XValues, YValues)将数据分别对应赋予一个横坐标。

fill_interlace (Image, ImageFilled, 'odd')修改在采集图像过程中造成的两个半幅图像拼接的问题。

regiongrowing (Image, Regions, 1, 1, 1, 100)将图像分割成各个灰度值相近的区域。

expand_gray_ref (Regions, Image, EmptyRegion, RegionExpand, 'maximal', 'image', Mean, 11)根据灰度和颜色将分离的区域连通。

expand_line (Image, RegionExpand, Line, 'mean', 'row', 100)将轮廓拓展成一个跟其灰度相近的区域。

expand_region (Regions, NoPixel, RegionExpanded1, 'maximal', 'image') 根据设定的特征将分离的区域连通。

fast_threshold (Image, Region, 128, 255, 10)根据最大和最小灰度以及面积选出区域gray_erosion_rect (Image, Imag, StrokeWidth, StrokeWidth)每个点的灰度值用这个点的矩形掩码内最小灰度值代替。

select_shape_std (ConnectedRegions, SelectedRegion, 'max_area', 70)从多个区域选出指定特征相似的区域。

如选出面积最大的区域。

scale_image_max (ImageReduced, ImageScaleMax)增加图像的对比度text_line_orientation (SelectedRegion, ImageScaleMax, 30, rad(-30), rad(30), OrientationAngle) 检测具有字符的图像的方向rotate_image (ImageScaleMax, ImageRotate, deg(-OrientationAngle), 'constant')将图像按照指定的角度旋转find_text (ImageRotate, TextModel, TextResult)根据设定的模板寻找字符get_mposition (WindowHandleButton, Row, Column, Button)获得鼠标坐标gen_grid_region (RegionGrid, Gap, Gap, 'lines', Width, Height)生成网格区域clip_region (Grid, StreetGrid, 165, 20, 405, 750)选择一定范围内的区域。

clip_region_rel (RegionBorder, RegionClipped, 5, 5, 5, 5)选择四边都减去一定像素的区域gray_closing (Image, ImageReduced, ImageClosingFast)灰度值闭操作gray_opening (Image, ImageReduced, ImageOpeningFast) 灰度值开操作hysteresis_threshold (EdgeAmplitude, RegionHysteresis, 10, 20, 10)当大于最大阈值的点取出做为可靠点，最大与最小值之间的点根据与可靠点的关系选出。

get_domain (Image, Domain)得到整幅图像的区域gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2)在区域内部的实心区域得到一个平行于横坐标的最大矩形。

complement(Region : RegionComplement : : )找到输入区域的补区域。

interjacent (Regions, RegionInterjacent, 'border')找到将各个区域分割开的区域local_max (Image, LocalMaxima)找到比周围灰度值都大的点。

合集下载

halcon 中do_ocv_simple算子理解

halcon 中do_ocv_simple算子理解

一、介绍Halcon是一款强大的机器视觉软件，其内置了丰富的算子用于图像处理和分析。

其中，do_ocv_simple算子是Halcon中常用的一个算子，用于进行简单的光学字符识别（OCR）任务。

本文将针对这一算子进行深入的理解和探讨，以帮助读者更好地掌握Halcon软件的应用。

二、算子原理1. do_ocv_simple算子是基于Halcon内置的光学字符识别引擎（OCR）实现的。

其原理是通过对输入的图像进行预处理，然后使用OCR引擎对图像中的字符进行识别，并返回识别结果。

2. 在进行字符识别之前，通常需要对原始图像进行一系列的预处理操作，例如图像灰度化、去噪、字符分割等。

这些预处理操作可以提高字符识别的准确性和鲁棒性。

3. do_ocv_simple算子支持对单个字符或者多个字符的识别，用户可以根据实际需求设置参数进行调整。

三、使用方法1. 在使用do_ocv_simple算子进行字符识别时，首先需要加载需要处理的图像，并进行必要的预处理操作。

可以使用Halcon中的preprocessing算子对图像进行灰度化、去噪等处理。

2. 接下来，可以调用do_ocv_simple算子对预处理后的图像进行字符识别。

在调用该算子时，需要指定相应的参数，例如字符的位置、字符的大小、识别的字符集等。

3. 根据算子的返回结果，可以进一步处理识别到的字符，例如进行后续的数据分析、记录统计等。

也可以根据识别结果对图像进行标记或者其他可视化操作。

四、注意事项1. 在使用do_ocv_simple算子进行字符识别时，需要根据实际情况选择合适的参数，以确保识别的准确性和稳定性。

2. 对于不同类型的文本和背景，可能需要调整预处理操作的参数，以适应不同的场景和要求。

在实际使用中，需要不断尝试和调整，以获得最佳的识别效果。

3. 还需要注意算子的性能和运行效率，尤其是在处理大规模图像和复杂场景时，需要合理优化算法和参数，以保证处理速度和准确性。

halcon圆拟合算子

halcon圆拟合算子

halcon圆拟合算子
Halcon是一款机器视觉软件，提供了丰富的算子和函数，用于图像处理和机器视觉应用。

其中，圆拟合算子是用于从一组给定的点中拟合出一个圆。

在Halcon中，可以使用以下算子进行圆拟合：
circle_fit_3d_spa: 这个算子用于拟合一个3D圆，它接受一组3D空间中的点作为输入，并返回圆心和半径。

该算子使用最小二乘法进行拟合，并考虑了3D空间中的旋转和平移。

circle_fit_2d_spa: 这个算子用于拟合一个2D圆，它接受一组2D平面上的点作为输入，并返回圆心和半径。

该算子也使用最小二乘法进行拟合。

这些算子在Halcon的算子库中都可以找到，并可以通过编程语言（如C++、C#、Python 等）调用。

使用这些算子可以方便地实现圆拟合功能，并在机器视觉应用中进行相应的处理和分析。

需要注意的是，在使用这些算子进行圆拟合时，输入的点集应该是一组离散的点，且这些点应该是围绕着圆的。

如果输入的点集不符合这些条件，拟合结果可能会出现偏差。

此外，对于一些特殊情况（如多个圆或非圆形的情况），可能需要采用其他方法进行处理。

总之，Halcon提供的圆拟合算子是机器视觉应用中常用的工具之一，可以帮助用户方便地实现圆拟合功能，并对图像或数据进行进一步的处理和分析。

在使用这些算子时，需要注意输入数据的特性和适用范围，以确保获得准确的拟合结果。

halcon算子较全的中文手册

halcon算子较全的中文手册

1. Halcon算子概述Halcon是一种强大的机器视觉软件，它由MVTec开发，可用于各种工业和非工业应用。

在Halcon中，算子是至关重要的组成部分，它们可以实现图像处理中的各种功能，如滤波、边缘检测、特征提取等。

本文将以算子作为主题，深入探讨Halcon算子的各种特性和用法。

2. Halcon算子的分类Halcon算子可以分为预处理算子、过滤算子、分割算子、匹配算子、测量算子等多个类别。

每个类别都包含了众多的算子，它们可以根据图像处理任务的不同需求进行灵活组合和调用。

3. Halcon算子的特性Halcon算子具有许多独特的特性，如多样的输入输出形式、灵活的参数设置、高效的运算速度等。

这些特性使得Halcon算子在图像处理领域得到广泛应用，并受到了众多工程师和科研人员的喜爱。

4. Halcon算子的使用技巧在使用Halcon算子时，熟练掌握一些技巧和经验是非常重要的。

合理设置算子的参数、选择适当的算法、理解算子的内部原理等，都可以帮助我们更好地使用Halcon算子，提高图像处理的效率和准确性。

通过一些典型的应用案例，我们可以深入了解Halcon算子的实际应用。

这些案例涵盖了工业质检、医疗影像、无人驾驶、智能制造等多个领域，展示了Halcon算子的强大功能和广泛适用性。

6. 我对Halcon算子的个人理解作为一名Halcon用户，我对Halcon算子有着深刻的认识和体会。

我认为Halcon算子不仅仅是图像处理的工具，更是一种思维方式和解决问题的哲学。

通过深入学习和使用Halcon算子，我对图像处理和机器视觉有了全新的认识和理解。

总结与回顾通过本文的全面介绍和深度探讨，我们对Halcon算子有了更加全面和深入的了解。

从算子的分类到使用技巧，再到实际案例分析，我们逐步领略了Halcon算子的强大功能和潜力。

我相信，在今后的工作和研究中，我们可以更好地运用Halcon算子，为图像处理和机器视觉领域的发展做出更大的贡献。

halcon常用的模板匹配算子

halcon常用的模板匹配算子

halcon常用的模板匹配算子
Halcon常用的模板匹配算子有以下几种：
1. match_template: 使用灰度模板进行匹配，可以匹配在亮度、尺度等方面变化的目标。

2. match_shape_model: 使用形状模板进行匹配，可以匹配在旋转、尺度、平移等方面变化的目标。

3. match_gray: 使用基于灰度变化的模板匹配算法，可以匹配在灰度、亮度等方面变化的目标。

4. match_texture: 使用基于纹理的模板匹配算法，可以匹配在纹理、颜色等方面变化的目标。

5. match_pose: 使用基于姿态的模板匹配算法，可以匹配在姿态、旋转等方面变化的目标。

这些模板匹配算子可以根据不同的应用场景选择合适的算子来进行目标匹配，能够提供高精度的匹配结果。