原创 學習OpenCV:phaseCorrelate使用
相位相關法(phase correlate)用於檢測兩幅內容相同的圖像之間的相對位移量。可用於對齊圖像,不具備光照不變性。 Mat imgTem = imread("22imgTemp.jpg"); Mat imgSrc = im
原创 Mac安裝Python與OpenCV
1、下載python3.x; 2、打開終端輸入下面指令; sudo pip3 install opencv-python 3、如果安裝失敗,先手動下載opencv-python與Numpy這兩個.whl文件到本地; 4、打開終端,通過c
原创 Anaconda Promp安裝庫時的常用指令
conda create -n XXX --clone root 創建XXX環境並且複製base的環境 conda create -n XXX python=3.8 創建XXX環境,python版本3.8 conda info -e
原创 學習OpenCV:convertScaleAbs函數
vector<float> uvec{ -1000, 0.5, 1000 }; Mat imgSrc{ uvec }; Mat imgDst; convertScaleAbs(imgSrc, imgDst,0.5,10); -1
原创 C++中常用函數/語法備忘
1、將字符串以逗號分離後保存到字符串容器 vector<string> SplitStr(string strInput) { vector<string> vecStr; for (int i = 0; i < s.size();
原创 學習Python:將xml轉換爲txt/csv
將用labelImg.exe標註後生成的xml文件轉換爲方便處理的txt/csv,具體信息根據實際情況提取。 import os import csv import glob def XML2TXT(xmlPath: str):
原创 Halcon:序列化與反序列化
read_image (Image, 'fabrik') read_image (Image0, 'letters') open_file ('1.dat', 'output_binary', FileHandle) serialize
原创 Halcon字符識別OCR中trf文件與omc文件
trf爲文本與字符的關聯;omc爲訓練後的文件,不能被OCR助手讀取;都可以被orc讀取函數讀取。
原创 Halcon:各模板匹配應用場景對比
1、基於灰度值的模板匹配 適用於目標區域灰度值比較穩定,檢測圖像與模板圖像相似度高,且具有相同的外界條件的場景。不適用雜亂場景、遮擋、光照變化、尺寸縮放及多通道圖像。在halcon19.11已被移到Legacy中了。 2、基於相關性的模板
原创 Mark點定位的一般原理與步驟
應用於被測物體幅面巨大,遠遠超過相機視野時(一般在檢測PCB,或者大料盤)。相比於傳統的檢測方法,可以大大提高檢測效率,但是因爲考慮到被檢物體冷熱縮放、剛體形變等原因,會一定程度降低檢測精度,實際項目中需要通過添加相關係數
原创 Halcon:輪廓的透視變換應用
vector_angle_to_rigid (RowRef, ColumnRef, 0, Row, Column, 0, HomMat2D) affine_trans_region (Circle, RegionAffineTrans,
原创 halcon算子:NCC匹配(create_ncc_model)與形狀匹配(create_shape_model)對比
當選取的特徵明顯且差異小時,選擇兩者的區別不大。 需要注意的是,NCC對遮擋和雜波以及圖像中的非線性光照變化非常敏感。如果在有遮擋、雜亂或非線性照明變化的情況下發現模型,則應使用基於形狀的匹配(如create_shape_model)執行
原创 Halcon示例:check_blister.hdev
一種簡單的通過物體輪廓的中心及某條邊爲方向來進行定位的一種方法,容易受其他物體的干擾,方向不好確定,不具備旋轉不變性,適用於一些對稱且移動位置小的物體定位。這裏進行一些簡單的思路記錄。 dev_close_windo
原创 模板template的簡單應用
函數模板 template<typename T> bool compare(const T& value1, const T& value2) { return value1 == value2; } int main() {