卡尺工具：实现halcon中的fit_circle_contour_xld

Halcon中的圆形拟合：fit_circle_contour_xld实践与比较
已于 2023-12-09 16:51:30 修改
阅读量1k 收藏 7
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 计算机视觉 文章标签： 计算机视觉
于 2023-12-09 15:21:34 首次发布
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。
本文链接：https://blog.youkuaiyun.com/manuoo/article/details/134892964
博客介绍了在计算机视觉领域，Halcon库中的fit_circle_contour_xld操作符如何进行几何和代数拟合圆形。讨论了两种方法的优缺点，强调了代数拟合在某些情况下可能提供与几何拟合相当的精度。文章还提到使用权重函数优化拟合过程，并分享了一种自定义的拟合策略，通过迭代和误差评估选择最佳拟合结果。

        拟合圆的方法分为两大类：几何拟合与代数拟合。

        几何拟合：通过迭代算法使 \mathscr{F} 收敛到最小值，其中 d_i 是数据点到圆的几何(垂直)距离。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
halcon知识：fit_circle_contour_xld函数
gongdiwudu的专栏
02-06 1万+
一、 说明 这个函数是用一个圆逼近一段弧，得到参数：圆心（Row, Column）,半径 Radius、弧的起点、终点、点顺序。 fit_circle_contour_xld(Contours : : Algorithm, MaxNumPoints, MaxClosureDist, ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Radius, StartPhi, EndPhi, PointOrder) 二、参数列表： ..
【C# + HALCON 机器视觉】HALCON经典算子：圆拟合（fit_circle_contour_xld）
专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！
05-12 1324
摘要：本文聚焦 C# 与 HALCON 集成开发，深入研究圆拟合算子fit_circle_contour_xld在轴承滚珠尺寸检测中的应用。通过threshold分割滚珠区域，利用fit_circle_contour_xld拟合圆参数，与设计值对比判定产品是否合格。结合 C# 多线程技术，实现每秒 5 件的检测速度，并阐述 ROI 局部处理等性能优化方法、异常处理策略及跨平台集成方案。此外，还介绍了融合 3D 点云数据的立体测量扩展应用，为工业视觉检测提供全面解决方案。
Halcon 算子 fit_circle_contour_xld
奔跑的郑的博客
01-06 1万+
作用：用圆近似XLD轮廓； 参数翻译（对应以上参数顺序）： 输入轮廓、 圆拟合算法（详细算法解释如下）、 用于计算的最大轮廓点数（MaxNumPoints >= 3，-1是所有点）、 闭合轮廓端点之间的最大距离（轮廓两头的距离MaxClosureDist >= 0.0）、 拟合过程忽略的点（轮廓首尾ClippingEndPoints >= 0）、 稳健加权拟合的最大迭代次数（Iterations >= 0）、 用于剔除异常值的剪切因子（ClippingFact..
Halcon——圆拟合算子详解
zeroCCY的博客
10-10 2682
该算子是 Halcon 中用于拟合轮廓的圆形的操作符。这个操作可以根据输入的轮廓点数据来计算最佳拟合的圆。（1）Contours：输入轮廓、（2）Algorithm：圆拟合算法（详细算法解释如下）、（3）MaxNumPoints：用于计算的最大轮廓点数（MaxNumPoints >= 3，-1是所有点）、（4）MaxClosureDist：闭合轮廓端点之间的最大距离（轮廓两头的距离MaxClosureDist >= 0.0）、
使用halcon将一个圆上的点拟合成圆形并且求出圆心
优快云博客
08-13 7509
我们在自动化贴装机标定过程中，需要计算吸头的旋转中心位置。我们一般使用的方法是使用模板匹配，做一个模板，吸头旋转一个角度寻找模板一次，通过多次旋转求取吸头的旋转中心。 使用halcon实现 public bool FitCircle(double[] X, double[] Y, out double RcX, out double RcY, out double R) { ...
各种标定+计算定位
刘德华的博客
03-25 2802
移动相机定位(跟着机械手跑,不带旋转轴) 9点标定 HTuple Row = new HTuple();//图像row HTuple Column = new HTuple();//图像column HTuple X = new HTuple();//机械x HTuple Y = new HTuple();//机械y for (int i = 0; i < 9; i++) { Row[i] = Convert.ToDouble(dataGridView3.Rows[i].C...
Halcon模板匹配定位跟随找圆
Helios的博客
02-27 3372
检测图像： Hdevelop代码： list_image_files ('D:/用户目录/Test', 'default', [], ImageFiles) read_image (Image,ImageFiles[0]) gen_rectangle2 (Roi_Model, 918.272, 2649.06, rad(-47.7444), 200.86, 111.06) reduce_domain (Image, Roi_Model, Image_model) edges_sub_pix (
Halcon - 定位 - 卡尺
weixin_30598225的博客
09-23 2752
以直线卡尺为例，其他卡尺更改相应参数即可。 Code 直线卡尺 * 获取图像及图像尺寸 dev_close_window () read_image (Image, 'fabrik') get_image_size (Image, Width, Height) dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle) de...
官方例程学习分享-apply_metrology_model
LanRenBUlang的博客
06-28 2437
这个案例主要展示使用卡尺工具去测量圆、线、矩形，得到拟合线（xld）的相关信息，包括：拟合出来的圆的圆心坐标、半径；矩形的中心坐标、角度、半长和半宽；线的起始结束坐标。
Halcon例程学习一：apply_metrology_model
weixin_44969144的博客
06-13 444
create_metrology_model (MetrologyHandle)//创建测量模型句柄结构set_metrology_object_param (）//设置测量目标的参数，包括检测数量、等等apply_metrology_model (Image, MetrologyHandle)//应用检测get_metrology_object_result （)//获取拟合的结果。
Halcon算子之fit_circle_contour_xld,用于圆拟合XLD轮廓
qq_20278613的博客
04-26 1万+
函数原型：   fit_circle_contour_xld( Contours : : Algorithm, MaxNumPoints, MaxClosureDist, ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Radius, StartPhi, EndPhi, PointOrder )  
halcon学习拓展系列—圆拟合卡尺算子fit_circle_base_circle
谷棵的专栏
08-28 1939
首先感谢wangpeng,joy和xy6300，三位提供了卡尺工具的思路，并提供了卡尺工具—rake函数，综合三位同事提供的思路，整合并优化，提出了矩形矢量直线拟合算子fit_circle_base_circle，增加了滤波功能，再次感谢三位同事！ 涉及到卡尺工具—rake函数，请参考博客园博主xy6300《边缘分析及直线和圆拟合——第5讲》 一、算子说明 fit_circle_base_circle(Image: :threshEdge,numEdge,transition,orie...
Halcon和C#联合编程实现硬币识别（个人入门练习）
Demobird的博客
05-30 3430
本人为机器视觉入门小白，自己突发奇想 1.图片数据来源和分析 2.HALCON实现 3.C#搭建界面框架 4.C#中嵌入HALCON代码，即联合编程 5.导出.exe文件，运行以及Debug 目标是这样的，在图片中识别出每种类型的硬币数量，然后计算出总钱数。先上结果，再细说过程。 C#界面和识别结果： 1.图片数据来源和分析 图片大小及格式均统一，拍摄的时候已经尽可能的去除了背景噪点，所以图像处理的要求并不很高（重点在于思路）。硬币区分原理本人代码采用直径范围来判断（也可以半径或区域面积，HALCON算子
Halcon学习备忘六（拟合圆的一种方法）
热门推荐
08-11 2万+
对于圆形区域，我们想拟合出它的圆形
BEVDet：鸟瞰图视角下的高性能多相机 3D 目标检测
m0_65010824的博客
12-03 860
本文是对论文《BEVDet: High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View》的深度解读。在自动驾驶感知领域，3D 目标检测需兼顾精度与效率，且需统一 3D 检测与 BEV 语义分割范式，这是关键挑战。PhiGent Robotics 团队提出的 BEVDet 范式，以 BEV 视角实现多相机 3D 检测，通过模块化设计复用组件，优化双空间数据增强与 Scale-NMS 策略，在 nuScenes 数据集上表现优异，为自动
数字图像处理总结 Day 3 —— 图像增强与运算
2401_87687835的博客
12-03 801
4-邻域（N₄(p)）：像素 p 的上、下、左、右4个像素。对角邻域（N_D(p)）：像素 p 的4个对角像素。8-邻域（N₈(p)），即周围的8个像素。如下图所示：若两个像素在空间上相邻，那么它们按照对应的规则可以达成邻接。4-邻接：基于4-邻域的邻接。8-邻接：基于8-邻域的邻接。m-邻接（混合邻接）：为了解决8-邻接可能引起的歧义（如对角连接穿过缝隙）而定义。如果 q 在 p 的4-邻域内，或者 q 在 p 的对角邻域内且两者的4-邻域没有交集，则 p 和 q 是 m-邻接的。
halcon图像腐蚀—erosion1
qq_34059233的博客
12-05 968
针对阈值分割后的图像，经常存在很多的小目标，这些小目标是噪声，这时候就可以使用图像腐蚀的方法去除小目标
halcon图像去噪—均值滤波
qq_34059233的博客
12-02 509
针对图像中的噪声，我们可以使用Halcon的均值滤波算子来去除噪声
openEuler操作系统环境：目标检测软件开发实操与性能评估
最新发布
2202_76097976的博客
12-06 596
本文系统研究了在openEuler操作系统上构建目标检测软件应用的完整流程，涵盖了环境搭建、模型训练、性能评估及优化等关键环节。实验以openEuler 22.03 LTS SP3为平台，采用YOLOv8模型在鸟类检测数据集上进行训练，通过CUDA 12.2加速实现GPU计算。研究结果表明，openEuler凭借其内核优化、异构计算支持和AI框架兼容性，在目标检测任务中表现出优异的性能和稳定性，推理速度达142 FPS，资源占用率降低18%以上。内核优化：采用Linux 5.10.0-136内核，支持。
帮我生成一段halcon检测printer_chip的长一点的代码，halcon算子能灵活组合
06-30
<think>我们被要求提供一个使用Halcon库的较长代码示例，用于检测printer_chip（打印机芯片），并强调算子的灵活组合能力。由于Halcon是一种机器视觉库，通常用于图像处理、模式识别等任务，检测打印机芯片可能涉及图像采集、预处理、特征提取、匹配或测量等步骤。考虑到没有具体的图像和需求细节，我们将提供一个典型的检测流程，包括：1.读取图像2.图像预处理（如转换为单通道、降噪等）3.创建形状模板（用于匹配芯片）4.在图像中查找模板5.测量芯片的某些尺寸（如引脚间距、宽度等）6.显示结果注意：由于实际应用中的图像和需求可能不同，以下代码为示例性质，可能需要根据实际情况调整参数。我们将按照以下步骤编写代码：1.读取图像2.预处理（灰度化、阈值分割或边缘提取等）3.创建模板（使用芯片的轮廓或特征点）4.在图像中查找模板（可能使用形状匹配）5.对找到的芯片进行测量（例如使用卡尺工具测量边缘距离）6.显示结果（包括匹配位置和测量结果）由于代码较长，我们将分步骤编写，并添加必要的注释。</think>下面是一个使用Halcon检测打印机芯片(printer_chip)的示例代码，展示了算子灵活组合的应用： ```python from halcon import * # 1. 图像采集与预处理 dev_open_window(0, 0, 800, 600, 'black', WindowHandle) read_image(Image, 'printer_chip_01.png') rgb1_to_gray(Image, GrayImage) * 中值滤波降噪 median_image(GrayImage, ImageMedian, 'circle', 3, 'mirrored') * 动态阈值增强对比 dyn_threshold(ImageMedian, ImageMedian, RegionDynThresh, 5, 'light') # 2. 特征提取与定位 * 组合形态学算子定位芯片主体 opening_circle(RegionDynThresh, RegionOpening, 3.5) connection(RegionOpening, ConnectedRegions) select_shape(ConnectedRegions, SelectedRegions, 'area', 'and', 5000, 20000) * 精确定位芯片角点 smallest_rectangle1(SelectedRegions, Row1, Column1, Row2, Column2) gen_rectangle1(Rectangle, Row1, Column1, Row2, Column2) * 亚像素边缘检测 edges_sub_pix(GrayImage, Edges, 'canny', 1.5, 20, 40) # 3. 引脚检测与测量 * 在芯片区域检测引脚 reduce_domain(Edges, Rectangle, EdgesReduced) segment_contours_xld(EdgesReduced, ContoursSplit, 'lines_circles', 5, 4, 2) * 筛选水平引脚 select_shape_xld(ContoursSplit, SelectedContours, 'direction', 'and', -0.1, 0.1) * 测量引脚间距 fit_line_contour_xld(SelectedContours, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist) distance_pl(ColBegin, RowBegin, ColEnd, RowEnd, ColBegin, RowBegin, Distances) # 4. 缺陷检测 * 组合算子检测表面缺陷 var_threshold(GrayImage, RegionVarThresh, 15, 15, 0.2, 2, 'dark') connection(RegionVarThresh, ConnectedDefects) select_shape(ConnectedDefects, FinalDefects, 'area', 'and', 10, 1000) # 5. 结果显示与输出 dev_display(Image) dev_set_color('green') dev_display(Rectangle) dev_set_color('blue') dev_display(SelectedContours) dev_set_color('red') dev_display(FinalDefects) * 输出测量结果 print('平均引脚间距:', sum(Distances)/len(Distances)) print('检测到缺陷数量:', count_obj(FinalDefects)) ``` ### 算子组合亮点： 1. **预处理组合**：`rgb1_to_gray`+`median_image`+`dyn_threshold`实现噪声鲁棒性处理 2. **定位组合**：`opening_circle`→`connection`→`select_shape`实现精确区域提取 3. **测量组合**：`edges_sub_pix`→`segment_contours_xld`→`fit_line_contour_xld`→`distance_pl`完成亚像素级尺寸测量 4. **缺陷检测组合**：`var_threshold`+`select_shape`实现自适应缺陷检测 ### 灵活应用场景： 1. 调整`select_shape`参数可适应不同尺寸芯片 2. 修改`edges_sub_pix`算子参数可优化不同材质表面检测 3. 替换`var_threshold`为`texture_laws`可检测纹理缺陷 4. 添加`create_shape_model`可实现模板匹配定位 这种算子链式组合体现了Halcon"视觉算法积木"的设计哲学，通过基本算子组合可构建复杂视觉解决方案[^1]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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