要想自动设置参数,可以把参数值设为auto，还可以使用determine_deformable_modelparams算子获取默认的参数，或者使用inspect_shape_model 算子查看不同层级的金字塔参数的效果。对于无标定和有标定两种情况，分别使用find planar_uncalib_deformable model算子和find planar_calib_deformable mod

但是，如果某些情况下需要连续评估多个方向的灰度共生矩阵，还是通过gen_cooc matrix 算子生成矩阵然后调用cooc_feature_matrix 算子计算纹理图像的特征更为有效。这里参数Direction多了一种选择—mean，这种方式表示在方向为mean的情况下，灰度值取的是在相邻4个方向上的灰度均值。参数8：Contrast（输出参数），表示灰度值的对比度，或者说是灰度值的反差。这个

area_center_gray算子与area_center算子类似，都可以求区域的中心。但不同的是，在用area center_gray 算子求灰度图像的面积时，图像的灰度值可以理解为图像的“高度”，其面积可以理解为“体积”。在求中心时，每个像素的灰度值可以理解为点的“质量”，计算得到的中心是图像区域的重心。与根据形状特征求面积的方法类似，灰度值图像也可以使用算子直接求出区域的面积和重心。这里用

其原理是使用一个自定义的结构元素,在待处理的二值图像上进行类似于“滤波”的滑动操作，然后将二值图像对应的像素点与结构元素的像素进行对比，得到的并集为膨胀后的图像像素。图8.3（a）为二值化之后的图像，使用一个圆形结构元素对图像进行膨胀操作，如图（b）所示，得到的结果为“膨胀”了一圈的图像，如图（c）所示。Halcon中有许多与膨胀操作相关的算子，比较常用的有dilation_circle算子和di

机器视觉相关硬件相机、镜头、图像采集卡、光源的选型

近年来，人工智能渐渐成为一个热点话题。作为人工智能领域的一个分支，图像处理技术也随之发展到了一个新的高度，各种新的软件工具、算法库、开源资料不断涌现，各行各业也渐渐开始进行技术变革。比较典型的例子是，一些传统的需要人工检测的行业，开始逐步采用自动化的智能检测方式。比如，使用相机代替人眼去观察检测的对象；采用软件算法代替人的主观判断，针对图像信息进行分析推理，得到客观的结果。这种技术目前已经在传统行

在场景中选择物体或特征是图像测量或识别的重要基础，而阈值处理是最简单也最常用的区域选择方法，特别适用于目标和背景的灰度有明显区别的情况。下面就介绍几种常用的阈值处理方法。

近年来，人工智能渐渐成为一个热点话题。作为人工智能领域的一个分支，图像处理技术也随之发展到了一个新的高度，各种新的软件工具、算法库、开源资料不断涌现，各行各业也渐渐开始进行技术变革。比较典型的例子是，一些传统的需要人工检测的行业，开始逐步采用自动化的智能检测方式。比如，使用相机代替人眼去观察检测的对象；采用软件算法代替人的主观判断，针对图像信息进行分析推理，得到客观的结果。这种技术目前已经在传统行