运动自行车检测引言一、结果1.1 Halcon演示结果1.2 MFC演示结果二、Halcon代码三、MFC源代码1.头文件主要代码2.源文件主要代码引言使用MFC联合Halcon，将HDevelop中的演示结果用MFC中对话框的形式显示一、结果1.1 Halcon演示结果1.2 MFC演示结果二、Halcon代码* This example demonstrates the use of the

下载对应的opencv版本，本文使用的是opencv-4.5.1-vc14_vc15.exe解压后放在自己习惯的盘中，本次使用的是放在D:\software\OpenCv4.5进行环境变量配置如下vs中新建项目，项目→❌❌属性如下配置，在包含目录中加入之前解压后的文件路径D:\software\OpenCv4.5\opencv\build\include\opencv2D:\software\Op

文章目录2、感兴趣的区域2.1 基本概念2.1.1Create Region2.1.2 Create ROI2.1.3A First Example2.2扩展概念2.2.1分割图像2.2.2绘制区域2.2.3创建区域2.2.4处理区域2.2.5对齐 ROI 或图像2.2.6Create ROI2.2.7可视化结果2.3 编程示例2.3.2图像的交互式部分过滤2.3.3检查工具的轮廓2.4Selec

这里写目录标题1、HALCON 图像采集1.1 基本概念1.1.1 打开图像采集设备1.1.2 获取图像1.1.3 关闭图像采集设备1.1.4 A First Example1.2 扩展概念1.2.1打开图像采集设备1.2.2 设置参数1.2.3 获取图像1.3 编程示例1.4 选择算子1.4.1 打开图像采集设备1.4.2设置参数1.4.3 获取图像1.4.4 关闭图像采集设备1.5Tips &

高斯导数卷积图像引言一、结果1.1 高斯平滑1.1.1 读取图像1.1.2 高斯平滑结果1.1.3 MFC可视化结果1.1.4 Halcon代码1.2 高斯梯度绝对值——用作边缘检测1.2.1 读取图像1.2.2 高斯梯度绝对值1.2.3 MFC可视化结果1.2.4 Halcon代码1.3 高斯矩阵行列式——用作角点检测1.3.1 读取图像1.3.2 高斯矩阵行列式处理结果1.3.3 MFC可视化

Halcon进行OCR的重要步骤（上）前言一、生成训练文件1.1 完整代码1.2 结果二、创建和训练 OCR 分类器2.1 完整代码2.1 结果三、读取数字3.1 完整案例3.2 结果前言本文简要介绍使用 HALCON 进行 OCR。 介绍从训练文件生成到训练再到阅读的所有重要步骤。提示：以下是本篇文章正文内容，下面案例可供参考一、生成训练文件图中显示了一个训练图像，其中第四行中的字符用作训练样本

图像分割引言图像分析系统的基本结构图像分割的概念图像分割的应用邻域图像分割的意义图像分割的基本思路图像分割方法分类图像分割的基本策略一、点、线和边缘检测点的检测-用空域的高通滤波器来检测孤立点线检测边缘检测边缘检测的基本思想一阶微分：用梯度算子来计算二阶微分：通过拉普拉斯来计算梯度算子Sobel梯度算子的使用与分析拉普拉斯拉普拉斯算子的分析二、边缘连接和边界检测边缘连接边缘连接的意义——边检测算法

select_shape前言1、select_shape (Operator)2、Possible values for Features2.1 常用的特征选择一2.2 常用的特征选择——circularity (Operator)2.2.1 函数原型2.2.2 解析2.2.3 Example2.3 常用的特征选择——compactness (Operator)2.3.1 函数原型2.3.2 解析

HALCON/C++ 接口的基础知识前言1、The Namespace HalconCpp2、调用 HALCON 运算符2.1仔细观察参数2.2 通过类调用运算符2.3构造函数和 Halcon 运算符2.4析构函数和 Halcon 运算符2.5元组模式3、Error Handling4、内存管理5、如何结合面向过程和面向对象的代码6、I/O Streams7、Windows API 冲突前言HAL

文章目录Blob Analysis1、基本概念1.1 获取图像1.2分割图像1.3 提取特征1.4 A First Example2、扩展概念2.1 使用感兴趣区域2.2 对齐 ROI 或图像2.3 纠正图像2.4预处理图像（过滤）2.5 提取分割参数2.6 分割图像2.7Process Regions2.8提取特征2.9将结果转换为世界坐标2.10可视化结果3、编程示例3.1 水晶3.2 原子3