halcon学习实战系列—如何提取牛奶包装盒上的吸管之Contour截取算子crop_contours_xld_region

最新推荐文章于 2025-11-15 09:49:23 发布
原创 最新推荐文章于 2025-11-15 09:49:23 发布 · 1.1k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#halcon学习 #Blob分析 #Contour分析 #机器视觉

在halcon学习网看到一个帖子，特别有趣，分享给大家，顺便将Contour截取算子crop_contours_xld_region列出来，个人认为，特别好用，相比halcon自带算子crop_contours_xld，crop_contours_xld_region更灵活，具体往下看

原帖子网址：http://www.ihalcon.com/read-14233.html

我的回复网址：http://www.ihalcon.com/read-14233-11.html

开始...

 

原帖子

请教如何提取牛奶包装盒上的吸管

新手入门中，现遇到一个难题，如何提取牛奶包装盒上的吸管，图片如下，望大神们不吝赐教，谢谢

需要实现的功能是判断牛奶盒上是否有吸管，我的想法是先提取吸管，然后做模板匹配，请问此思路能否实现，或者是否有更好的思路，谢谢

感谢总版主 魁拔之十万火急 的解答

了解本专栏 订阅专栏 解锁全文
halcon学习实战系列—如何提取牛奶包装盒上的吸管之Contour截取算子crop_contours_xld_region（二）
谷棵的专栏
07-21 755
对于Contour截取算子crop_contours_xld_region，上个专题《halcon学习实战系列—如何提取牛奶包装盒上的吸管之Contour截取算子crop_contours_xld_region》里面详细讲解了，但是有不当之处，主要是概念上的，功能没有问题；这里提出来，改正，并改进算子 一、算子名称修改 crop_contours_xld_region(Contour,CropRegion:ContourOut: : ) 功能实际为选取CropRegion上的Contou...
halcon学习实战系列—如何提取牛奶包装盒上的吸管之Contour截取算子crop_contours_xld_region（三）
谷棵的专栏
07-23 831
本着精益求精的态度，觉得牛奶吸管提取算法做的不够完善，对于Contour提取和Contour截取算子crop_contours_xld_region还凑合，但是对于前面的Blob预选取区域不很满意，这节完善它 一、Blob预选取区域之动态阈值方法 dyn_threshold(OrigImage,ThresholdImage:RegionDynThresh:Offset,LightDark: ) 下面简单描述一下局部动态阈值的Description 1、OrigImage最好是...
Halcon实战项目讲解，定位，基于汽车离合片精密定位尝试。
m0_51559565的博客
03-14 7464
总结： 在离合片这个项目中，重点在于如何提取凸出部的位置（即为齿所在的位置）。在使用模板匹配的时候对于精密定位是有很大的偏差，精准度低的现象。所以我们在良好的打光的情况下可以直接使用blob分析，将多种手法运用在其中。其中差值算子最常用于对毛刺的缺陷检测，取交集最常用于OCR的识别。Blob分析在基本所有的视觉问题都非常常见。 本程序为本人自己练习书写，非交付实际使用源码，仅供学习参考。
Halcon HDevelop 核心语法与实战笔记
最新发布
weixin_66547608的博客
11-15 816
本文介绍了Halcon图像处理基础流程和核心语法规则。在图像处理方面，详细说明了阈值分割、连通域分析和区域筛选等关键步骤。基础语法部分对比C#语言，讲解了变量赋值、条件判断、循环控制等结构的特点。核心数据类型包括句柄、图像/区域/轮廓对象以及元组操作。最后提供批量图像处理实例和HDevelop开发技巧。全文系统梳理了Halcon编程基础，为视觉项目开发提供了入门指导。
几种取XLD轮廓的算子_一
qq_42905899的博客
06-16 2019
提取XLD 拆分XLD 轮廓 segment_contours_xld select_shape_xld xld的长度 length_xld*共同的一条直线 union_collinear_contours_xld *共同的一个圆 union_cocircular_contours_xld选择特征XLD轮廓 select_contours_xld 取XLD轮廓点坐标 get_contour_xld ** XLD转 region gen_region_contour_xld (ContoursUnion,
HALCON深度学习实战：分类、目标检测与缺陷检测全解析
weixin_30700095的博客
09-28 1236
传统机器视觉依赖手工特征提取，难以应对复杂光照、形变和背景干扰。HALCON引入深度学习后，通过卷积神经网络（CNN）自动学习图像的层次化特征表达，显著提升了工业检测的鲁棒性与泛化能力。图像分类作为计算机视觉中最基础且应用最广泛的深度学习任务之一，在工业自动化、医疗影像分析、智能安防等领域扮演着核心角色。HALCON 作为一款功能强大的机器视觉软件，其深度学习模块不仅支持标准分类流程的快速部署，还允许开发者基于特定场景需求构建自定义神经网络结构，并实现从数据准备到模型推理的全流程闭环控制。
【halcon】halcon轮廓总结之select_contours_xld
songhuangong123的博客
10-17 7185
select_contours_xld 我认为是一个非常常用且实用的算子，用于对轮廓进行筛选。
halcon学习拓展系列—判定二维点集在Region/Contour的位置信息算子test_region_points和test_contour_points【2024更新】
谷棵的专栏
09-09 1617
在专题《halcon学习实战系列—如何提取牛奶包装盒上的吸管之Contour截取算子crop_contours_xld_region（二）》中详细讲解过test_region_points算子，该算子应该是在拓展系列里面讲的，因为实战系列需要所以提前分享给了大家，为了拓展系列的完整性和结构性，这里再次整理到拓展系列 另外，开始前吐槽一下，halcon的Blob分析全是基于像素的，如果想做亚像素的处理，只有Contour，而Contour的操作算子又很少，怎么办？只能用仅有的Contour算子拓展其他的Co
Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清
02-09
Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清Halcon实战视频教程，超人视觉，初级和高级版视频，无密码高清
Halcon 实战流程
2504_92799057的博客
08-07 1013
本文介绍了基于Halcon的三种图像处理流程：标准流程、高精度匹配流程和深度学习流程。标准流程包括图像采集、预处理、区域分割、特征提取和结果判断五个步骤，适用于常规检测任务；高精度匹配流程通过模板创建、ROI提取和亚像素测量实现精确匹配；深度学习流程则涵盖数据准备、模型训练、评估和推理全流程。文章还提供了三角形缺陷检测和毛边检测两个实际案例，展示了不同流程在工业检测中的具体应用。这些流程可根据检测需求选择，标准流程适合简单任务，高精度流程适用于精密测量，而深度学习则能处理复杂模式识别问题。
Halcon机器视觉算法原理与编程实战.pptx
10-13
Halcon机器视觉算法原理与编程实战.pptx
Halcon深度学习-企业项目实战（核酸管外观缺陷检测）Halcon代码
04-26
Halcon深度学习-企业项目实战（核酸管外观缺陷检测）Halcon代码
halcon项目实例
09-06
halcon算子实例，包括车牌识别，缺陷检测，文字识别，颜色识别，halcon学习笔记等
halcon机器视觉实例
08-08
两个相机，3M胶定位中心点，镀锌片定位凹槽，c#联合halcon，面向对象编程方式，接口实现多态
halcon实例.zip
07-19
halcon实例，其中包括源码及图片，对于入门者是个好的参考。
C# 与 OpenCV/Halcon 实战：基于机器视觉的产品外观缺陷检测系统开发
威哥说编程
07-09 1450
本文介绍了如何使用C#结合OpenCV或Halcon构建机器视觉产品外观缺陷检测系统。文章首先概述了机器视觉在工业质检中的应用优势，然后详细讲解了开发环境配置（包括Emgu.CV和Halcon的安装方法）。接着演示了图像采集、预处理（灰度化、边缘检测等）的核心代码实现，并重点介绍了基于阈值分割和模板匹配的缺陷检测方法。通过本教程，读者可以掌握从图像处理到缺陷识别的完整开发流程，为实现自动化质检系统提供技术参考。
基于Halcon学习的测量拟合----实战【一】
BoomBiuBiu的博客
02-14 1172
此例子是通过把旋转后的充电头矫正，测量矩形位置不变的情况下 可以与前两篇的测量芯片引脚的例子作为对比 * Image Acquisition 01: Code generated by Image Acquisition 01 open_framegrabber ('DirectShow', 1, 1, 0, 0, 0, 0, 'default', 8, 'gray', -1, 'false', 'default', '[0] Web Camera', 0, -1, AcqHandle) grab.
halcon学习和实践（工业视觉套路）
嵌入式-老费，一个分享专业嵌入式知识的blog
09-04 1739
【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 和学术领域为了追求正确率尝试各种算法不同，工业视觉领域更多的是一种算法的套路。这些套路有它自己的道理，也有它内在的逻辑，整个过程也比较好解释，所以在工业上面其实用的很广。大家可以来看一看，
Halcon学习---案例实战(11)--检测小石子
qq_35275007的博客
01-19 1044
count_pellets.hdev 思想：核心代码很简单，但这里有个技巧；阈值分割后有石头连通在一起，先打散，腐蚀缩小区域，再打散，以同样参数膨胀恢复区域，能很好的分开重叠区域 * This programs demonstrates the use of basic morphology * operators. * The aim of the program is to detect each single pellet * (bright particle on a darker backg
halcon crop_domain后的仿射变换
06-13
### Halcon中使用 `crop_domain` 后的仿射变换操作方法及实现步骤 在Halcon中，`crop_domain` 是一种用于裁剪图像感兴趣区域（ROI）的操作。当对局部图像进行复杂处理后，可能需要将结果还原到原始图像上并执行进一步的仿射变换。以下详细说明如何实现这一过程： #### 1. 使用 `crop_domain` 裁剪图像 首先，通过 `crop_domain` 函数将图像裁剪到特定的感兴趣区域（ROI）。此操作会限制后续处理仅在指定区域内进行，从而提高效率[^3]。 ```hdevelop * 输入图像和ROI read_image(Image, 'path_to_image') gen_circle(Region, 200, 200, 50) * 生成一个圆形ROI crop_domain(Image, Region, ImageCropped) ``` #### 2. 在裁剪后的图像上执行处理 在裁剪后的图像上执行所需的图像处理操作，例如边缘检测、模板匹配等。这些操作的结果通常以区域或轮廓的形式返回。 ```hdevelop * 示例：在裁剪后的图像上检测边缘 edges_sub_pix(ImageCropped, Edges, 'canny', 1, 20, 40) ``` #### 3. 将结果还原到原始图像 处理完成后，需将结果（如边缘、区域等）映射回原始图像坐标系。这一步可通过 `affine_trans_region` 或其他相关函数完成[^2]。 ```hdevelop * 还原边缘到原始图像 reduce_domain(Image, Region, ImageReduced) dev_display(ImageReduced) dev_display(Edges) ``` #### 4. 生成仿射变换矩阵 为了对还原后的结果进行仿射变换，需要先生成一个合适的变换矩阵 `HomMat2D`。可以使用 `hom_mat2d_identity` 创建初始矩阵，并结合旋转、缩放和平移等操作调整矩阵参数[^1]。 ```hdevelop * 创建初始变换矩阵 hom_mat2d_identity(HomMat2DIdentity) * 添加平移 hom_mat2d_translate(HomMat2DIdentity, 50, 50, HomMat2DTranslate) * 添加旋转 hom_mat2d_rotate(HomMat2DTranslate, rad(45), 200, 200, HomMat2DRotate) ``` #### 5. 对图像、区域或轮廓执行仿射变换 根据实际需求，选择适当的函数对图像、区域或轮廓进行仿射变换。以下是几种常见操作的示例代码： - **对图像进行仿射变换**： ```hdevelop affine_trans_image(Image, ImageAffinTrans, HomMat2DRotate, 'constant', 'true') dev_display(ImageAffinTrans) ``` - **对区域进行仿射变换**： ```hdevelop affine_trans_region(Edges, EdgesTransformed, HomMat2DRotate, 'nearest_neighbor') dev_display(EdgesTransformed) ``` - **对XLD轮廓进行仿射变换**： ```hdevelop affine_trans_contour_xld(Contours, ContoursTransformed, HomMat2DRotate) dev_display(ContoursTransformed) ``` #### 6. 注意事项 - 如果仿射变换后图像超出边界，建议将 `AdaptImageSize` 参数设置为 `'true'`，以确保整个变换结果可见。 - 当旋转角度超过90度时，可能需要对角度进行修正，避免图像翻转[^4]。 --- ###
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

谷棵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值