欢迎来到广州研为官方频道！我们将在频道中不断更新运动控制案例讲解、小型项目代码讲解、运动控制知识科普、机器视觉知识科普等内容，只为与您一起交流分享运动控制的那些事。目录1轮廓加工ContourProcessing2edges_sub_pix提取图像轮廓3轮廓获取轮廓坐标3.1获取轮廓

图片素材 通过网盘分享的文件：图片5链接:https://pan.baidu.com/s/1r9SG4lZ3ZQ5S-NGVsFx70w?pwd=BFDJ提取码:BFDJ读码一维码创建读码句柄create_bar_code_model([],[],BarCodeHandle)参数一：输入通用参数可以调整条形码模型的名称。参数二：通用参数可以调整条形码

一、基本概念        Halcon灰度形态学是图像处理领域中的一种重要技术，它允许对图像中的灰度值进行非线性操作，这些操作取决于像素的邻域。        灰度形态学是形态学的一种推广，与二值形态学相比，它不仅在图像本身的空间尺寸上有所变化，而且图像本身的灰度值也

1）单通道图像的绘制draw_circle(WindowHandle,Row,Column,Radius)gen_circle(Circle,Row,Column,Radius)paint_region(Circle,Image,ImageR,0,'fill')paint_region(Circle,Image,ImageG,255,'fill')paint_region(Circle,Image,ImageB,

目录1、图像预处理和形状校正2、源码 1.原图2.矫正后的图像3.示例代码         在图像处理领域中，Halcon是一种广泛使用的编程语言和库，它提供了丰富的图像处理功能。本文将详细解析一段Halcon代码，这段代码主要用于图像处理和形状校正。代码分为两部分，本文将逐

   刚性仿射变换（RigidAffineTransformation）是一种机械视觉和图像处理常用的技术，通常用于在保持物体形状和大小不变的情况下，对物体进行旋转和平移。常见于模板匹配，定位跟随等场景。1：vector_angle_to_rigid(::Row1,Column1,Angle1,Row2,Column2,Angle2:HomMat

    二维条形码（2-DimensionalBarCode）在水平和竖直方向的二维空间存储信息，其特点是信息容量大、安全性强、保密性高（可加密）、识别率高、编码范围广等。除此之外，二维条形码还可将汉字、图像等信息进行优化编码处理具有全方位识别，并可引入加密机制的功能。因此，二维条形码

    现实中我们见到过有山有湖的景象，那么一定是水绕山、山围水的情形。当然可在需要的时候人工构筑分水岭，以防集水盆之间的互相穿透。而区分高山与水的界线以及湖与湖之间的间隔，就是分水岭。    分水岭分割法是一种基于拓扑理论的数学形态学的分割方法，其基本思

    模糊测量是对标准测量的一种扩展，并不意味着测量是“模糊的”，而是用模糊隶属函数来控制边缘的选择。所谓的模糊隶属函数，就是将边缘的特征值转换为隶属度值，基于这些隶属值做出是否选择边缘的决定，即当隶属值大于你设定模糊阈值时，边缘就会被选中，反之则反。这种方法的优

以Halcon为例，安装的软件是不带图标的，在网上下载个，命名为halcon.jpg放到了安装路径里桌面处——鼠标右键——打开终端，我已经安装了VSCode（习惯用它来编辑文本）codehalcon.desktop然后粘贴如下内容，保存后关闭VSCode。具体含义：logo下边的名字、可执行文件的位置、logo的图标、类

使用CountObj函数首先，可以使用CountObj函数来检查当前图像是否为空。如果图像为空，则返回的计数为0；否则，返回的计数大于0。示例代码如下：cppCopyCode HTuplehNum;HalconCpp::CountObj(m_hCurrentImg,&hNum);if(hNum==0){qDebug()<<"传入图像为空!";}else{qDebu

读取图像并标注目标点灰度值，为后续对比做准备read_image(Image,'E:/Halcon/图片/880720666518444692.jpg')dev_set_draw('margin')dev_set_color('green')dev_get_window(WindowHandle)query_font(WindowHandle,Font)FontWithSize:=Font[0]+'-40&

    多相机统一坐标系是指将多个不同位置的相机的图像采集到同一个坐标系下进行处理和分析的方法。在计算机视觉和机器视觉领域中，多相机统一坐标系被广泛应用于三维重建、立体视觉、目标跟踪等任务中。以gen_binocular_rectification_map（生成描述图像映射的转换图的双

           双目立体视觉机器视觉的一种重要形式，基于视差原理并由多幅图像获取物体三维几何信息，一般由双摄像机从不同角度同时获得被测物的两幅数字图像，或由单摄像机在不同时刻从不同角度获得被测物的两幅数字图像，并基于视差原理恢复物体的三维几何信息，

read_image(Image13,'E:/vs//13.png')get_image_size(Image13,Width,Height)gen_rectangle1(Rectangle,0,0,Height,Width/2)reduce_domain(Image13,Rectangle,ImageReduced)crop_domain(ImageReduced,Image1)gen_rectangle1(Rectangle,0,W

  通过在案例中应用摸索算子的特性，对光度立体法有了进一步认识。基于此重新理解文档，希望能够帮助有疑惑的同志，同时也期望看到博客的同志如果有更深的理解以及应用技巧，共享与大家共同交流进步。photometric_stereoImages(input_object)：输入图像输入图像（一个至少包含3

*create_variation_model(::Width,Height,Type,Mode:ModelID)说明：创建一个ID为ModelID，宽为Width,高为Height,类型为Type的VariationModel，参数Mode决定了创建标准图像和相应的variation图像的方法。'standard'表示标准的训练方法，标准图像的位置是各训练图像位置的平均

9点标定是通过9个点计算出相机坐标系到机械手坐标系的一个仿射变换，（实际上空间中的二维平面的仿射变换最低只需要3个点就可以，但是为了保证矩阵的准确性，数据点一般采用9-12点）。在实际应用过程中，需要获取像素下特征点的坐标和对应机械手的坐标。联立方程组求解即可得到对应仿射变

1.1矩阵的创建、设置和访问*1、矩阵的创建*创建单位矩阵create_matrix(3,3,'identity',MatrixID1)*创建一个全是常数的矩阵create_matrix(3,3,7,MatrixID2)*为主对角线上的所有元素都被设置为参数Value的值create_matrix(3,3,[3,7,1],MatrixID3)*为矩

1.1String字符串的基本操作*将数字转换为字符串或修改字符串*tuple_string(T,Format,String)//HALCON语句*String:=T$Format//赋值操作*Formatstring由以下四个部分组成：*<flags><fieldwidth>.<precision><conversion字符>*1.flags标志*1.1字符'-'*

1.1Tuple数组的基本操作*1、Tuple数组元素的创建*1.1、创建一个空数组assign([],empty_tuple)//采用赋值操作empty_tuple:=[]//采用赋值操作*1.2、创建一个整型数组assign([1,2,3,4,5,6,7,8,9,10],tupleInt1)//采用赋值操作tupleInt1:=[1,0,3,4,5,6,7,8,9]/

read_image(Image33,'E:/Halcon数据/资源图片/33.png')dev_get_window(WindowHandle)dev_set_draw('margin')get_image_size(Image33,Width,Height)query_font(WindowHandle,Font)FontWithSize:=Font[0]+'-30'set_font(WindowHandl

publicHTuplehv_ExpDefaultWinHandle;//输入图像宽高Int64Input_Image_Width=0,Input_Image_Height=0;///<summary>///加载图像///</summary>///<paramname="type">类型,0:内存地址;1:文件路径；2:图像;3:空白图像</param>///

 Region'area':     面积'row':      中心的行坐标'column':   中心的列坐标'width':    区域的宽度(平行于坐标轴)'height':   区域的高度(平行于坐标轴)'row1':     左上角的行坐标'column1':  左上角的列坐标'row2':     

频率特征是图像的灰度变化特征，低频特征是灰度变化不明显，例如图像整体轮廓，高频特征是图像灰度变化剧烈，如图像边缘和噪声。一个重要的经验结论：低频代表图像整体轮廓，高频代表了图像噪声，中频代表图像边缘、纹理等细节。什么时候使用傅里叶变换进行频域分析？1、具有一定纹理特征的图像，