- 博客(177)
- 收藏
- 关注
RSS订阅原创 意外看到的宏定义#define F(x, y, z) (((x) & (y)) | ((~x) & (z)))
有时还需要不同的逻辑，那时候很扯，直接就是两台机写两个程序，17年的时候，那时候还不知道怎么切换，直到前人走了，看了人家的代码，才知道用条件宏，才晓得在不同条件可以用虚基类来创建不同的派生类，再结合条件宏来编译。顺道搞明白几个宏的含义。~x 是按位取反运算（bitwise NOT），它将 x 的每一位取反（0变1，1变0）。仅当 x 的对应位为0且 z 的对应位为1时，结果的该位才为1。如果 x 的某一位为1，则结果的该位取决于 y 的对应位。如果 x 的某一位为0，则结果的该位取决于 z 的对应位。
2025-06-06 19:54:40
486
原创 halcon案例gray_moments.hdev
dev_set_lut设置活动图形窗口的查找表（Look-Up-Table，简称LUT）。查找表定义了从单通道图像中的“灰度值”到屏幕上的灰度值或颜色的转换。然而，与该操作符不同的是，新的查找表也用于之后打开的所有新图形窗口。操作符 moments_gray_plane 计算灰度值矩和灰度值平面近似的参数。Alpha 表示沿行轴方向（“向下”）的梯度，Beta 表示沿列轴方向（“向右”）的梯度。以下是例程说明==================================
2025-06-04 14:48:46
215
原创 close_edges.hdev
close_edges函数用于补全边缘检测中的间隙，生成更完整的物体轮廓。它通过分析边缘点邻域中振幅（梯度）最大的点，若该点振幅超过设定的最小阈值MinAmplitude，则将其加入边缘区域。输入需包含边缘检测结果（如sobel_amp输出的单像素边缘）和梯度幅值图像，输出为闭合的边缘区域。示例代码展示了使用sobel_amp检测边缘后，对比直接阈值处理（红色）和经close_edges闭合处理（绿色）的效果差异，可见后者显著改善了边缘连续性。该操作适用于梯度变化平缓区域的边缘修复，但可能导致边缘波动。
2025-06-04 12:24:28
159
原创 记录一次失败的线扫相机阴影矫正
我没有按照人家说的拿一个白纸啥的，一来，我现场找不到A4纸；2来，我想把线扫的背景直接拿掉。所以就按照真实的环境来的。设置到所需的行数:行数8192，用的最大视野；以及高度设置了2048；点击获取暗场图像，获取完成，点击执行暗场矫正。接着，点击：获取明场图像；这里把亮度设为了0，不想有干扰。让光晕在整幅图里呈现的相对均匀。也可能是这样，所以矫正失败。把图设置为6000高度；完了运行起来，采集一幅图。获取完成就点击，明场矫正。再用原图接着明场矫正。
2025-04-26 17:33:52
212
原创 来日方且长
像极了，少平在全班同学吃过饭后，作为打菜的他，却一个人践踏着泥泞，去到他山后的安乐窝。想起富贵，活着里最大的主人公，唯一且年迈，因为年少无知，一个一个的送走了所有人，最后却留下了那一只和他同样年迈的老黄牛。有的人的优雅，真是天生的。头戴头盔的某人，手里拿着两瓶小酒，白酒，李太白可以随口一句，金樽清酒斗十千，玉盘珍馐，觥筹交错之间留下洋洋洒洒的诗书。年少时读石壕吏，纯属背课文，最近看到，尤其成家之后，对家人，对ZF，社会阅历更加丰富之后，没有刚毕业时候的血气方刚，有事硬怼，取而代之的是，视若罔闻。
2025-04-23 23:10:14
646
原创 记录下测试最近遇到的问题
这次的问题是，选择的连接模块：选择cpu module（FX5)；之前一直选择的是：FX5-ENET(/IP)，选的不对，选对之后，可以测试成功，和gxworks3或者GX2，应该没有直接关系。GX3需要：设置SLMP或者MELSOFT不影响，也可能是因为HMI已经有一个SLMP的缘故。3、行触发时候，触发源可以设置为LINE0/LINE1/LINE3/编码器/分频器。4、分频器的接入信号也可以是LINE1/LINE3/编码器等；可能是设置的编码器模式：正向和反向的方向不对。2、线扫相机不取图；
2025-04-17 13:20:30
214
原创 海康相机（海康机器人千兆网口工业面阵相机用户手册）IO
大三的时候，有个学长说过，有很多东西，不值得记住。所以一直被影响到现在。只记得思路，并不记得参数。虽然有时候参数是压根还原不回来的。接线也是，每次都得查手册对应，完全不记得哪个线序是对应什么，加上每次要接线，都找不到说明书在哪。
2025-04-08 14:48:04
173
原创 线扫相机光源遇到的问题
因为纸袋会跑，所以加了一个亚克力的板子用来压住，板子开了一个槽，这个槽是正对线扫相机视野的。但是放上去之后，中间会有黑色阴影，然后视野就会变暗。光源要打到线扫的那一行上，所以一定会有角度，就是在线扫相机的物方焦平面和光源之间，会被这个板子，板子有厚度，会遮挡，中间出现黑色阴影，现在把这个削掉了。为啥要全切，因为纸袋宽度，从小到大。之后：和不放板子是一样的，都是亮的。之前：中间会有黑色阴影。
2025-03-29 19:43:44
130
原创 halcon案例select_object_model_3d.hdev
select_object_model_3d筛选connection_object_model_3d连通域volume_object_model_3d_relative_to_plane体积max_diameter_object_model_3d外接直径
2025-03-25 00:34:31
766
原创 halcon案例set_object_model_3d_attrib.hdev
* 在这个示例中，设置了一个三维物体模型的立方体的坐标。* 其次，设置了三角形和颜色。第三，修改了一个三维物体模型的坐标。* 第四，展示了移除已设置属性的过程。* 在所有步骤之间，都会对生成的三维物体模型进行可视化。
2025-03-24 23:52:02
208
原创 halcon例程gen_primitives_object_model_3d.hdev最基础
* 本示例程序展示了如何在 HALCON 中使用以下操作符：* gen_plane_object_model_3d、*gen_sphere_object_model_3d_center、*gen_sphere_object_model_3d、*gen_cylinder_object_model_3d *和 gen_box_object_model_3d。* 在此示例中，一个平面、两个球体、一个圆柱体和一个立方体被设置为不同的姿态。* 生成的三维物体模型的原始形状被可视化显示。
2025-03-24 23:27:22
662
原创 记录一个问题，在几乎相同配置的电脑，我自己电脑不卡，现场电脑很卡-关掉实时保护
测试发现，拖动时，windows Defender这个CPU占用率特别高；所以怀疑和他有关，再加上自己电脑没这东西。现场自己关了实时保护。确实互相之间差一些，但是用好的配置也不行。用自己电脑，很正常，滚动条拖动不卡顿；第一波需要完成整个图像处理并显示。程序赋值到C固态盘，也没用；除了系统，其他都确认没问题；第二波只是一个二值化；
2025-03-20 16:17:19
136
原创 halcon案例distance_pc.hdev
点和contour可以是包含，可以是点在contour上，也可以是点在外。一直没关注过这个算子:最近总在找一个合适的矩形计算的东西。读图并筛选到类圆形，且直接用外界椭圆的方式取得圆心。计算得到圆心位置到待拟合轮廓的最大最小距离。点到contour的距离。
2025-03-18 11:45:10
150
原创 线材连接找方向，并获得线
上篇文章的，想起很多判断是否线材焊接上，或者剪脚是否剪断的问题，刚好找到最近之前评估过一个风险项的。正向没有找完，反向找的时候，角度不对，导致了起点位置没找对，需要局部修改。(3)线的角度偏差较大‘正向找不出，反向也找不出。这里线是白色的，所以用Light。找错位置时候的搜索区域。（1）线没有乱歪曲的。
2025-03-18 11:02:53
223
原创 halcon案例segment_ball_bond_lead_frame
否则，计算Regions与Pattern的开运算面积与Regions面积的比值（以百分比表示）。将Regions中的每个区域与Pattern区域的并集进行比较。如果可能，则从Regions中复制相应的区域。确定从Pattern的边缘到Regions中每个区域边缘的最小最大范数距离（见distance_rr_min_dil）。确定从Pattern的边缘到Regions中每个区域边缘的最小欧几里得距离（见distance_rr_min）。确定Pattern的中心到Regions中每个区域中心的欧几里得距离。
2025-03-18 00:16:59
473
原创 halcon例程track_wires_on_chip.hdev
主要是找线，遍历迭代跟踪起点和终点获得轮廓。第二个：* 将线的所有线段合并为一个覆盖整个轨迹的长轮廓。判断最小值，如果大于5，反向重新查找得到线段。第三个:* * 更新搜索参数以用于下一次迭代。更新起点，以及角度，搜索范围的半径等参数。获取搜索区域，根据已知的起点。如果不是，直接联合在一起。第4个：跟踪到线的区域。初步筛选contour。找到距离起点最近的轮廓。
2025-03-17 23:46:51
367
原创 DeepLearningTool-深度学习分类-和HALCON的详细过程
损失函数：衡量预测误差，用于模型优化。混淆矩阵：评估分类模型性能，提供详细预测结果分析。两者结合使用，可以全面评估和优化模型。过拟合：模型过于复杂，捕捉了噪声，表现为训练集误差低，测试集误差高。欠拟合：模型过于简单，无法捕捉数据模式，表现为训练集和测试集误差都高。调整参数过拟合：简化模型、增加数据、使用正则化、早停、Dropout。欠拟合：增加模型复杂度、特征工程、增加训练时间、调整学习率、使用集成方法。通过合理调整参数和方法，可以有效避免过拟合和欠拟合，提升模型性能。
2025-03-04 22:09:01
1917
原创 视野和焦距
同样的焦距，工作距离越大，视野越大。比如MV-CS200-10GM，25mm的镜头，工作距离200Mm,视野105*70mm;工作距离250，视野是131*88mm。同样的工作距离，焦距越短，视野越大。比如MV-CS200-10GM，工作距200mm，35mm的镜头，目标宽高为75*50mm;25mm的镜头，目标宽高为105*70mm;
2025-03-03 14:50:59
282
原创 拼图和替换图内容
outimage1是由图像1的从第500行开始的2000行，作为第一部分，第二部分是图像2的2000行之后的其余部分，一起组合所成。图像大小和原图一致。此处的output1图是由图像1的最后2000行，作为起始的2000行，后面的用图像2保持不变，两者合并在一起，得到一个大图。此处的output1图是由图像1的最后2000行，作为起始的2000行，后面的用图像2保持不变填充得到一个等大的图。在相机的回调函数中，图像数据通常以 BYTE* 指针的形式提供，同时会提供图像的宽度、高度和位深度等信息。
2025-03-03 00:43:16
579
原创 浅浅的理解消息响应机制
自己写框架，还经常不会用子窗口调用主窗口；指针也用不起来，所以，每次，最终的解决方法就是用消息传递。刚开始在树上看是基于消息响应，其实不太明白干啥的。现在理解的就是，你需要和某人建立关系，然后你俩需要一个指令，这个指令就是消息传递函数，具体传的啥，就看你函数写啥就会执行响应的动作，但是需要知道是谁给谁传递。所以就有一些主从关系和函数在。两年前看QT的框架，发现槽函数和消息响应机制其实都差不多；可惜，当时做的框架也不知道去哪了，现在已经把QT忘光了。
2025-03-02 02:19:04
833
原创 海康相机取图记录
他们用主动取图；我没听过，但是我觉得我应该用过。其实就是用getframetimeout(),只是觉得自己真是没关注过，她又问你是不是用回调取图。确实，我一直用回调取图，因为这家公司大家都是这么用。为此还复习了很久的函数指针和指针函数之间的关系。知道回调函数需要注册。最开始的公司，他们用Halcon的接口取图，嗯
2025-03-02 00:53:41
1035
原创 halcon例程print_quality_smallest_module_size
在 HALCON 中，get_data_code_2d_results 函数用于获取二维数据码（如 QR 码、Data Matrix 等）的解码结果和质量评估信息。当使用 ‘quality_isoiec15415’ 参数时，QualityGrades 返回的是根据 ISO/IEC 15415 标准评估的二维数据码的打印质量等级。Contrast：对比度，数据码域内最小和最大像素强度的范围，对比度越高，等级越好。Grid Non-Uniformity：网格非均匀性，评估数据码在网格上的均匀性。
2025-02-24 15:36:00
329
原创 entropy_gray在halcon
在图像分析中，Anisotropy（各向异性系数）是一个重要的特征参数，它反映了图像灰度值分布的对称性。具体来说，各向异性系数的值越小，表示灰度值分布越对称；例如，在纹理分析中，各向异性较高的区域可能表示纹理方向性较强，而各向异性较低的区域则可能表示纹理较为均匀。熵是图像灰度值分布的信息量度量，表示图像灰度值的随机性或不确定性。自然图像分析：在自然图像中，各向异性系数可用于分析物体的纹理方向性，例如树叶的纹理或水流的方向。通过利用各向异性系数，可以更全面地理解图像的特征，从而提高图像分析的准确性和效率。
2025-02-21 16:14:24
359
原创 halcon例程segment_plants
此例:分割不同背景中的绿色植物。其中算子segment_image_mser是新的，可以借鉴学习，以及不同的颜色空间域，可以尝试使用
2025-02-13 00:47:53
456
原创 halcon案例count_fish_sticks
此程序主要使用了measure_projection 来测量鱼柳边界，以及用50作为判断参数来确认边界，并显示后进行宽度宽度，宽度大于20的作为鱼的个数，大于48的则认为NG。使用了轮廓线思想。以及有将数组转化为函数来查找边缘。此法可借鉴找多个边缘使用。
2025-02-13 00:26:53
368
原创 halcon案例classify_pill_defects_deep_learning_4_infer
【代码】halcon案例classify_pill_defects_deep_learning_4_infer。对新图像进行推理”
2025-02-08 13:28:35
230
原创 halcon案例classify_pill_defects_deep_learning_3_evaluate
深度学习分类工作流之一，训练后模型的评估。主要有一个评估指数，比如，召回率，精确率，F1分数，混淆矩阵，TOPK错误率，以及热力图显示
2025-02-08 12:22:06
240
原创 halcon案例classify_pill_defects_deep_learning_2_train
训练参数的设置，并进行模型训练，保存最佳模型和最终模型。
2025-02-08 11:49:51
173
原创 halcon案例classify_pill_defects_deep_learning_1_preprocess
分类工作流的一系列示例之一第一部分数据集预处理。设置输入/输出路径 设置参数读取标记数据并将其拆分为训练、验证和测试 预处理数据集 预览预处理后的数据集
2025-02-08 10:31:23
148
原创 halcon案例create_dl_model_classification
* 使用 HALCON 深度学习框架创建一个分类模型。* 本示例向您展示了如何：* 1: 创建一个深度学习分类模型，* 2: 设置模型参数并通过其摘要检查模型，* 3: 检索和修改层参数，* 4: 添加元数据（可选）。为了创建一个网络，需要将不同的层连接成一个图。* 这意味着，我们从（至少）一个输入层开始。* 所有后续层都通过指定之前定义的层作为输入来添加。
2025-02-07 18:47:24
244
原创 halcon案例create_dl_model_segmentation
*使用 HALCON 深度学习框架创建一个分割模型。*本示例展示了如何：*1: 创建一个深度学习分割模型，*2: 设置模型参数并通过其摘要检查模型，*3: 添加元数据（可选）。*本示例中构建的网络有两个不同的输出。*一个用于像素分类置信度，*一个用于分割图像。*此外，为了训练，我们添加了以下层：*输入（权重）*输入（分割图像目标）*类别 ID 转换*交叉熵损失*分割网络架构的总结如下：*输入 softmax -> 损失（仅用于训练） 深度最大值 arg（分割图像）深度最大值（分割置信度）为了创建一个网络，需
2025-02-07 18:37:10
207
原创 halcon案例dl_anomaly_detection_global_context_workflow
* 本示例展示了全局上下文异常检测（Global Context Anomaly Detection，简称 GC-AD）的一般工作流程。* 通过 GC-AD，你可以在无异常图像上训练模型，然后将其用于检测新图像中的异常。* 该工作流程被拆分为不同的部分，这些部分被封装在各自的局部程序中。每个部分的参数可以在相应的程序中进行自定义。* 请参考相关章节了解有关 GC-AD 的更多详细信息。
2025-02-07 18:16:56
335
原创 halcon案例dl_anomaly_detection_workflow
* 深度学习异常检测示例。* 本示例展示了基于深度学习的异常检测的一般工作流程* 该工作流程通常包括以下步骤* 1数据集预处理* 2在无异常（“ok”）图像上训练模型* 3对训练好的模型进行阈值估计和评估* 4对新图像进行推理
2025-02-07 17:56:02
382
原创 halcon案例dl_anomaly_detection_global_context_inference
* 本示例展示了全局上下文异常检测（Global Context Anomaly Detection，简称 GC-AD）的推理工作流程。* 该网络由两个子网络组成：局部网络和全局网络* 局部网络专注于检测结构异常* 而全局网络则用于发现逻辑异常* 更多关于这一主题的详细信息请参阅相关章节*推理工作流程通常包括以下步骤：* 1、数据集预处理* 2、对印刷电路板（PCB）图像进行推理* 3、（可选）使用局部网络和全局网络检查结果
2025-02-07 17:22:20
781
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人