超人视觉启蒙班一些零散笔记
halcon理论之-分类识别
例程:
关于hsv的看
基于分类训练的是
分类器是特征向量? 这里的特征向量是指,如ABC三个字母,按纹理分,ABC特征都不同,按周长分,ABC特征也不同,把纹理和周长加起来就是ABC的特征集合,即是特征向量。借此区分字母
特征提取有哪些特征?
特征学习套路(参考超人视觉启蒙班-纹理识别)
1特征提取 (如果是多种特征,要把ABC特征放在一起组成特征向量)
2创建分类器(create_class_mlp)
3添加样本(add_sample_class_mlp)
4训练(train_class_mlp)
5 识别(classify_class_mlp)
halcon理论之特征提取
有哪些特征
几何特征,纹理特征(往往跟灰度有关系,熵啊,能量值啊,要用到共生矩阵) ,颜色特征,概率特征,算子描述特征。htog特征(即是梯度)…很多特征
学模式识别是比图像处理更高级的,学习深度学习
画ROI 创建分类器,添加样本和训练
1、区域特征:
area_center 。area_center_gray。moments。smallest_rectangle1,smallest_rectangle2,。smallest_circle
min_max_gray。compactness, eccentricity, elliptic_axis。intensity
convexity:区域面积与凸包面积的比例。contlength:区域边界的长度。compactness
2、灰度特征
estimate_noise。select_gray
select_shape 自带的特征直方图工具挺好用
halcon理论之-几何定位仿射变换
一:定位,
方法有:
1blob分析,说白了,就是分析像素块,找到大概的区域,如图中需要测量的小方块,然后进行区域填充,然后把它旋转和平移过来,
2模板匹配,做一个有大致轮廓的大模板,然后在图像里面找对应的,每个人找的标记点不一样,有找mark点的,有基于颜色的(颜色的参考:超人视觉玩转车牌识别,定位矫正+识别第一节) 范例里也有颜色识别,
3:深度学习
比如车牌识别,有的做形状定位 ,比如矩形,模板匹配,或基于车牌底色找到大概位置,判定角度,
二:仿射变换
得到点的坐标和角度,再用仿射变换(它是特殊的投影变换,也是常说的几何变换) 只对图像的形状发生变换,变换到标准位置,在进行测量和识别。
仿射变换的常见三种内容:平移,旋转,缩放, 变换(这三个都是矩阵变换过去)。完成后会对halcon的三大数据元素(range区域,图像,XLD)产生影响
一二步说白了就是找到目标物的大概位置是多少,知道他目前的角度偏差,位置偏差是多少,然后用仿射变换整回到固定位置
参考例子几何变换里的包含旋转和缩放,仿射变换的第一种方式-求矩阵的方式-
套路一:设置个单位矩阵a-在单位矩阵基础下变化为旋转/平移/缩放矩阵b-把矩阵b套在变换算子里
hom_mat2d_identity (HomMat2DIdentity)
hom_mat2d_rotate (HomMat2DIdentity, 0, 638, 800, HomMat2DRotate)
affine_trans_region (ROI_0, RegionAffineTrans, HomMat2DRotate, ‘nearest_neighbor’)
案例2,blob分析里的
包含了仿射变换的第二种方式-直接用函数vector_angle_to_rigid(这个函数仅支持平移和旋转,不支持缩放) 算出最终变换矩阵
套路:自动的得到变换矩阵,然后用affine
vector_angle_to_rigid (Row, Column, Angle, RowRef, ColumnRef, 0, HomMat2D)
affine_trans_image (Image, ImageTrans, HomMat2D, ‘constant’, ‘false’)
检查缺陷方法:
1blob+特征2blob+特征+差分3频域4光度立体5训练学习 6测量拟合
halcon联合VC-OpenCV
VC和halcon联合
配置说白了是让VC认识halcon,halcon这时候当成一个动态链接库来处理
把握住这几步
1 h文件(让编译器知道头文件的地方) 2lib文件(让编译器找到lib文件的地方,还要输入具体是哪个lib文件) 3dll文件(动态库) 4包含头文件include
halcon与opencv都是函数库,都提供了多种编程语言访问入口。不同在于halcon可以用c,c++,c#,vb,delphi等语言访问,opencv提供py,ruby,matlab等语言接口。opencv侧重计算机视觉,halcon机器视觉。
eVision,HexSight,RVB…没错,加上halcon其实有八个,常用的
超人视觉启蒙班一些零散笔记相关推荐
- 超人视觉启蒙班第一讲
超人视觉启蒙班第一讲 * Image Acquisition 01: Code generated by Image Acquisition 01 open_framegrabber ('Direct ...
- 基于超人视觉启蒙视频——halcon基础1:瓶盖识别
本文是基于超人视觉Halcon启蒙视频所作,此篇是基础的瓶盖识别,主要是根据以下步骤来完成: 1. 连接相机实时采集图像: 2. 二值化: 3. 特征筛选: 4. 求出中心点坐标. 首先在Halcon ...
- 超人视觉-blob分析实战
今天,超人视觉启蒙班,看到了第七讲<blob分析实战>及第八讲<几何定位+仿射变换+测量(1)>,看的速度过快则不容易消化,决定停下来,总结. 什么是blob分析呢? Blob ...
- 视觉SLAM总结——视觉SLAM十四讲笔记整理
视觉SLAM总结--视觉SLAM十四讲笔记整理 说明 基础知识点 1. 特征提取.特征匹配 (1)Harris (2)SIFT (3)SUFT (4)ORB (5)特征匹配 2. 2D-2D:对极约束 ...
- halcon机器视觉之玩转车牌识别-超人视觉罗超
本人超人视觉-罗超: 大家好,直接上干货.本人将从哲学和技术结合的全新视角来理解,我的整个学习视觉的思想套路都是从哲学世界观来展示,下面我将逐步从我的第一篇博客开始给大家展示.首先我们要对一 ...
- halcon机器视觉玩转车牌识别-超人视觉罗超
本人超人视觉-罗超: 大家好,直接上干货.本人将从哲学和技术结合的全新视角来理解,我的整个学习视觉的思想套路都是从哲学世界观来展示,下面我将逐步从我的第一篇博客开始给大家展示.首先我们要对一个机器视觉 ...
- 《思考致富》的零散笔记
这是阅读<思考致富>时的一些零散笔记,按章节排序. 第二章 欲望:成熟一切的起点 [印象最深刻的部分] 欲望转换为财富的6个步骤: 1)在头脑里确定你渴望得到的准确金钱数量. 2)确定为了 ...
- 视觉SLAM十四讲笔记-7-2
视觉SLAM十四讲笔记-7-2 文章目录 视觉SLAM十四讲笔记-7-2 估计相机运动 7.3 2D-2D:对极几何 7.3.1 对极约束 7.3.2 本质矩阵 7.3.3 单应矩阵 7.4 实践:对 ...
- 超人视觉和鸟叔视觉哪个好_视觉设计如何带来更好的业务成果
超人视觉和鸟叔视觉哪个好 I often talk about how visual design will never make or break a business. Despite our i ...
最新文章
- 2020年企业业务营收同比增长23.0%,华为的数字化转型实践之道
- 免费公开课 | 基于定制数据流技术的AI计算加速
- 新型智能头盔可快速评估患者中风的大小、位置和类型
- 关于我的CSDN博客的一些要说的话
- 启明云端分享| ESP32-C6是乐鑫首款低功耗、高性价比的 Wi-Fi 6 和蓝牙 5 SoC,一起来看看C6还有哪些重要功能
- Unity Fine Prued Tiled Light (FPTL)
- 计算机二级考试都怎么考,计算机二级都考什么 怎么考
- libxml2如何配合php使用,libxml2实现xml文档的节点的修改
- 数据安全超级守护进程
- 2022西电抗疫CTF个人赛
- Hexo Theme NexT 主题个性化配置最佳实践
- 小谈工作面试 | 掘金技术征文
- bzoj 3709 [PA2014]Bohater
- 大饼“U”形底?ETR开始
- RefineDet算法笔记
- 不平衡数据处理方法总结(学习笔记)
- Qt5开发从入门到精通——第六篇四节( 图像与图片——显示SVG格式图片 )
- mysql 定时任务 每月15号执行
- bo JAVA是什么意思,大家来讨论下业务层(BO)该做什么事?该怎样做事?该怎么解决...
- 云计算虚拟化环境下的安全防护