- 博客(113)
- 收藏
- 关注
RSS订阅原创 halcon特征直方图到底如何使用？
本摘要介绍了图像处理中的blob分析步骤：首先需要将blob区域进行分割处理，不能保持整体状态；其次操作时需勾选指定图标（图示为一个带有对勾选项的界面截图）。摘要简明扼要地概括了blob分析的两个关键操作要点。
2025-07-18 17:55:54
63
原创 模版匹配的曲线好看与否有影响吗？
摘要：模板匹配的关键在于目标位置的梯度相关性，而非曲线外观的完美程度。梯度曲线原理决定了形状匹配的效果，只要该梯度曲线对应模板而非其他对象，即使不够圆润也不影响匹配结果。研究表明，当两个梯度夹角较小时，其乘积值较大，匹配效果更佳。因此，不必过度追求曲线的完美形状，重点应确保梯度特征与模板一致。
2025-07-18 17:53:58
130
原创 halcon模版匹配方向的研究
摘要：研究显示，当搜索区间设为[rad(0),rad(360)]时，模板匹配返回的角度结果均为正值，便于准确判断物体旋转角度。实验证实，该方法返回的是模板逆时针旋转至目标位置的角度值。相比包含负值的[-rad(-180),rad(180)]区间，这种设置能更直观地反映旋转情况。
2025-07-18 17:48:28
319
原创 Halcon的difference算子后计数有可能不准确，解决办法。
Difference操作在图像处理中减去指定区域时，即使该区域被赋值为空值，仍会被系统计数。这意味着空区域（empty region）也会被纳入统计范围，可能影响后续分析结果。如图所示，这种特性需要在使用时特别注意，以避免数据误差。
2025-07-18 09:05:28
192
原创 如何把握Halcon代码函数化过程？
摘要：Halcon代码编写时，检测项往往连续执行。采用倒序函数化方法能高效构建函数输入输出：从最后一个算子开始编写，其输入明确且无需输出；然后依次向上分解，每个函数的输出即为下一个函数的输入。这种方法使函数构建更具逻辑性，可有效解决检测项分割为独立函数时的输入输出定位难题。（94字）
2025-07-04 16:26:10
111
原创 Halcon2——如何得到以下矩形的xld轮廓
摘要：本文介绍了一种基于HALCON的芯片焊盘定位与测量算法流程。系统通过初始化优化后，采用多阶段处理策略：首先用快速阈值分割和形状筛选进行焊盘粗定位；然后通过填充、凸包转换和膨胀构建ROI；接着使用优化Sobel算子进行亚像素边缘检测；最后通过轮廓筛选、合并和Tukey加权拟合获得精确矩形参数。结果显示采用多色叠加方式直观呈现测量结果，整体方案兼顾处理效率和测量精度，适用于电子元件检测场景。
2025-06-15 22:04:28
75
原创 halcon学习1——如何得到圆形xld轮廓作为模版
本文展示了一个基于Halcon的刹车盘孔洞检测程序。程序通过图像处理技术定位刹车盘上的四个圆形孔洞，主要步骤包括：1）读取图像并进行二值化处理提取孔洞区域；2）使用边缘检测和圆拟合获取几何参数；3）创建形状模型并搜索匹配项；4）通过灰度验证筛选真实孔洞；5）利用极性信息优化模型。最终程序在多个测试图像上验证了模型的准确性，实现了对刹车盘孔洞的稳定检测。该方法结合了形状匹配和灰度分析，有效区分了真实孔洞与误检区域。
2025-06-15 21:44:40
99
原创 opencv解析——双线性插值、三线性差值、最近邻差值法
这个插值了解即可，目前我觉得用在resize中比较多，可以创造亚像素精度。有更多的情况运用，可以留言一起讨论。
2025-05-28 13:20:55
405
原创 大图像中的小目标检测——基于YOLOV8+OnnxRuntime部署+滑动窗口+Zbar的条码检测研究
最近项目中用到了条码检测，查阅很多资料，说用Zbar等工具检测的比较多。但是我们会发现，检测是不稳定的，Zbar是解析条码的工具包，运用好它的前提是：能够准确将条码区域提取出来，以及图像质量（分辨率、打光效果等）要把握很好。本文基于YOLOV8+OnnxRuntime部署+滑动窗口+Zbar对于条码检测进行升级，可以有效解决条码检测问题，并且速度也很高。市面上有很多条码、二维码检测的算法，最让人印象深刻的就是腾讯微信扫码——基于SSD和超分算法的二维码检测方式。
2025-05-22 13:13:52
899
1
原创 如何在现场电脑是部署onnx模型
2、报错0x00007FF8A368CF19 处(位于 onnx模型落地归纳.exe 中)有未经处理的异常: Microsoft C++ 异常: Ort::Exception，位于内存位置 0x000000000014FBF0 处。解答：类似这种系统的安装包出错了，直接重新建一个解决方案，将代码拷贝到新解决方案中。但是两者都是全局配置，修改会直接修改VS17/19/22的配置，所以建议不要用全局配置来配置环境，容易环境混乱。注意：Release | x64是基类主配置，包含目录下有编译器的一些链接库。
2025-05-22 13:13:23
534
原创 SoapUi测试——REST（WebAPi、Json协议/HTTP、Post通讯方式）接口测试与SOAP（Webserver、XML/HTTP、POST）接口测试
当服务器被开发出来，但是客户端（前端还未开发），此时需要使用接口测试工具进行接口测试。通过模拟客户端发送请求，同时接收服务器回馈结果，完成接口测试。双击选中的Response1,点击底部的Scrip按钮，下拉会出现一个脚本文件。通俗来说SOAP采用XML格式可以传输消息长，REST采用二进制编码传输快。这个界面需要注意红色框中为空白，一切用脚本来写入即可。
2025-04-28 15:59:55
643
原创 （篇六）基于PyDracula搭建一个深度学习的软件之新版本ultralytics-8.3.28调试
最终我们发现，打开的图片其实保存到了YoloPredictor下面的source，但是BasePredictor（yolo检测器）这个文件下是没有source这个属性的。
2025-02-10 16:57:05
479
1
原创 （篇五）基于PyDracula搭建一个深度学习的软件之融入大华相机
我们正常打开MVviewer会发现这些文件。我的应用场景是PLC给我一个信号，我就触发拍照程序，那么我需要选取哪一个文件作为研究基础呢？
2025-02-10 09:03:34
763
原创 （篇四）基于PyDracula搭建一个深度学习软件之算法融合
其余模组也是类似，比较简单不多赘述了。在main.py中添加下列两组代码。）由于太多，不在这篇文章中粘贴。这样我们就得到了模型的下拉框。
2025-02-10 09:02:23
384
原创 （篇三）基于PyDracula搭建一个深度学习的软件之解析yolo算法融合
在前面两篇中，，那么这一篇我们学习一下yolo要融合进入软件中，需要了解的两个类。
2025-02-07 11:35:01
506
原创 （篇二）基于PyDracula搭建一个深度学习软件之界面设计
ok到这一步基本上设计思路就完成了，只需要自己编辑一下qt设计师就可以了。下一篇我们来研究一下从零封装一个yolo检测模块到项目当中。对三个页面，home、new_page、widgets进行修改。接下来我们需要检查一下，点击按钮之后有一个界面跳转功能。下图是加入了分别加入输入图片和输出图片label。点击左下角的设置按钮会弹出如图的界面内容，我们需要对其进行修改。可以看到我们将左边的图片设计好了。找到源文件中下列代码，将我们的侧边按钮的名称修改一下。这样就可以实现高亮显示当前页面和页面跳转的功能了。
2025-02-05 16:21:14
1399
原创 （篇一）基于PyDracula搭建一个深度学习软件之添加启动界面
我们需要找到modules\ui_main.py文件中与1.png存放与同一个文件夹的图片的路径是怎么写的。想将其中图片使用pyside资源管理器resources.qrc来管理，方便后期能够标注化打包。将新编译的resources_rc.py拷贝到modules文件夹下面。我们将启动界面代码写在main.py，那么这样就可以有启动界面的效果。首先将添加图片到资源文件的images下面，添加方式如下图所示。启动界面包含一张图片，代码中包含一个这样的代码。到这里我们的资源就添加完毕了。启动界面的代码如何写？
2025-02-05 10:48:35
586
原创 YOLOV7的源码debug记录
增加这个值会使每一层变得更宽，意味着每一层会学习更多的特征，这样可以提高模型的表达能力，但同时也增加了计算复杂度。我们可以看到UPSsample之后特征图被放大，放大之后的图和原来Backbone中的同样尺寸的低层特征图融合，经过一系列卷积之后用作为下一个输出头的输入特征图。如果你希望模型更深，可以将其增加（例如 1.2 或 1.5），或者如果需要更浅的模型，可以将其减少（例如 0.8）。增加这个值会使网络变得更深，模型的学习能力增强，能够学习更复杂的特征，但同时也会增加计算量。
2024-11-29 10:24:14
760
原创 yolov7源码调试中的坑
于是我查看了打开了train.py的配置文件。这个坑头有点大，我找变了所有的py文件，搜索之下没有任何。结果训练时候却报错，说找不到train.txt文件。如图所示，我将yaml文件的地址如下。，对应的yaml文件如下图所示。
2024-11-27 16:16:04
383
原创 统一NLP和目标检测的DETR（一）——self attention、encoder、decoder
主流目标检测算法：YOLO系列，它基于anchor来做，少不了要用MNS，导致速度相对较慢。但今天介绍一款DETR，基于VIT的目标检测算法。那么我们需要先深入过一遍VIT。
2024-09-03 15:08:52
655
1
原创 YOLOV5的输出[1,25200,85]如何理解和解析
1、25200代表着检测框的数量，比如我们取出第一个检测框a，也就是[1,1，85]，取出来之后我们解析85，前五个为box的中点坐标、长宽值以及置信，后面80我们取Max（80个类别）中最大值，类别的处于多少行对应于label class.txt别中的类是哪一类别。
2024-07-17 13:20:51
1158
原创 解决——Cmake无论编译什么文件都报相同的错误，相同的.lib文件找不到，甚至你所编译的东西和该lib毫不相关。
之后编译终于开始走动了，而不是一开始就来个错误是.lib没有找到。
2024-06-03 10:48:08
304
原创 QT的创建，发现编译器有一个黄色三角形感叹号，提示说Cmake配置错误，该怎么办？
确保你安装了Cmake2.如果你电脑之前已经装了Cmake，那么在qt安装中，即便你选择了Cmake版本，但依旧不会修改电脑的Cmake版本。这时候就会出现黄色箭头。在勾勾的地方会有一个黄色感叹符号（我已经解决了，所以没有显示）3.去官网按Qt的Cmake版本下载安装3.27.7，解决完毕。关机重启即可。
2024-05-13 15:30:20
1012
原创 QT的C++版本是如何从ui文件编译成C++可以使用的.h文件的
Desktop_Qt_6_7_0_MinGW_64_bit是一个编译器，可以将ui文件编译为.h文件。这里的ui_mainwindow.h文件我们可以打开看一下：你会发现你所有的ui设计都被记录在了这里。
2024-05-11 15:18:31
315
原创 QT的C++版本，ui界面突然卡死直接退出的解决办法
删除C:\Users\Administrator.designer\gradients.xml文件，重启QtCreator。这个文件我是12G，一开始我也不敢乱删，但是删除之后，果然ui界面可以加载了。
2024-05-11 14:33:43
289
原创 QT如何增删安装的组件
往下会看到让你选择 add or remove component。打开 uninstall QT。接下去就可以修改组件了。
2024-05-11 14:18:03
517
原创 VS2017和VS2019相同配置，vs2017配置onnxruntime无法运行的解决方案（报错，程序无法运行 00000x78）
在VS2019的时候，生成解决方案，在release和debug文件夹中是有exe文件的，但VS2017的release和debug文件夹中是没有exe文件的。然而如下dll安装包需要放到exe文件下。这就导致了你直接放在release或者debug文件夹下在vs2017会报错。
2024-03-12 09:42:45
617
原创 VS2017、VS2019、VS022等等多版本一起配置环境时候，配置环境是共用的。
2017配置完了之后，到了2019打开也会是一样的，2022也是一样的，也就是说这个配置文件会是共有的。一开始没发现这个点，想着同时配置VS2019和VS2017，结果就是一个运行，一个就报错，还是要多注意。最近发现多个VS版本同时配置环境，包括包含目录、库目录、附加依赖项。
2024-03-12 09:35:09
3397
原创 加油加油加油加油加油，你一定行，你一定可以，你一定有美好的未来。感恩每一天，感恩身体，感恩灵魂。
加油加油加油加油加油，你一定行，你一定可以，你一定有美好的未来。
2024-03-07 17:18:29
168
原创 mmsegmentation在C++上部署时，图片与处理的均值和方差在哪里找？
我们打开我们训练用的config文件，如下所示处会写明均值和方差。
2024-02-20 11:48:49
185
大图像中的小目标检测-基于YOLOV8+OnnxRuntime部署+滑动窗口+Zbar的条码检测研究
2023-10-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人