add_metrology_object_line_measure 算子详细介绍

时间: 2025-07-19 07:29:45 AIGC 浏览: 75
<think>我们被要求详细解释Halcon算子`add_metrology_object_line_measure`的使用方法和参数。根据提供的引用资料,我们可以总结如下: 该算子用于在测量模型(Metrology Model)中添加一个线类型的测量对象(Metrology Object)。它会在指定的线段上布置一系列矩形测量区域(Measure Regions),这些区域用于在后续的测量中提取边缘点,然后拟合出精确的直线。 ### 算子签名(以C#为例) ```csharp public void HMetrologyModel.AddMetrologyObjectLineMeasure( HTuple row1, HTuple column1, HTuple row2, HTuple column2, HTuple measureLength1, HTuple measureLength2, HTuple measureSigma, HTuple measureThreshold, HTuple genParamName, HTuple genParamValue, out HTuple index ) ``` ### 参数详解 1. **`row1, column1`** (输入参数): 线段起点的行坐标和列坐标(图像坐标系)。 2. **`row2, column2`** (输入参数): 线段终点的行坐标和列坐标(图像坐标系)。 3. **`measureLength1`** (输入参数): 矩形测量区域垂直于直线方向的一半长度(即测量区域高度的一半)。 *例如:若设置为20,则测量区域总高度为40像素。* 4. **`measureLength2`** (输入参数): 矩形测量区域沿直线方向的一半长度(即测量区域宽度的一半)。 *例如:若设置为5,则测量区域总宽度为10像素。* 5. **`measureSigma`** (输入参数): 高斯滤波的标准差(Sigma),用于平滑图像以抑制噪声。 *建议值:0.7-1.5,值越大平滑效果越强。* 6. **`measureThreshold`** (输入参数): 边缘检测的阈值,只有梯度幅值大于此阈值的边缘点才会被考虑。 *建议值:20-50,根据图像对比度调整。* 7. **`genParamName`** (输入参数): 通用参数的名称元组,用于设置其他可选参数。可以为空元组(`new HTuple()`)。 8. **`genParamValue`** (输入参数): 通用参数的值元组,与`genParamName`一一对应。可以为空元组(`new HTuple()`)。 9. **`index`** (输出参数): 返回新添加的测量对象的索引,后续可通过此索引访问该对象。 ### 通用参数(`genParamName`和`genParamValue`) 通过通用参数可以设置更多高级选项,常用的有: - **`'measure_select'`**: 选择测量区域中的边缘点。可选值: - `'all'`:所有边缘点(默认) - `'first'`:第一个边缘点(沿测量方向) - `'last'`:最后一个边缘点 - **`'measure_transition'`**: 指定边缘极性(即从暗到亮或从亮到暗)。可选值: - `'all'`:所有边缘(默认) - `'positive'`:正过渡(从暗到亮,沿测量方向) - `'negative'`:负过渡(从亮到暗) - **`'min_score'`**: 拟合直线的最小置信度(0.0~1.0)。默认值0.5。 *低于此值的拟合结果将被忽略。* - **`'num_instances'`**: 最多检测的直线实例数。默认值1。 *如果设置为`-1`,则检测所有可能的实例。* - **`'measure_interpolation'`**: 边缘点亚像素插值方法。可选值: - `'bicubic'`:双三次插值(最精确但较慢) - `'bilinear'`:双线性插值(默认) - `'nearest_neighbor'`:最近邻(最快) - **`'distance_threshold'`**: 拟合直线时,边缘点与拟合直线的最大允许距离(单位:像素)。默认值1.0。 *距离大于此值的点将被视为离群点。* - **`'num_measures'`**: 指定测量区域的数量。如果设置,则测量区域的数量固定为此值,此时参数`'measure_distance'`将被忽略。 *注意:直线至少需要2个测量区域。* - **`'measure_distance'`**: 相邻测量区域中心点之间的距离(单位:像素)。 *如果未设置`'num_measures'`,则通过此参数控制测量区域密度。* ### 工作流程 1. **创建测量模型**: ```csharp HMetrologyModel metrologyModel = new HMetrologyModel(); ``` 2. **添加线测量对象**: ```csharp metrologyModel.AddMetrologyObjectLineMeasure( startRow, startCol, endRow, endCol, 20, 5, 1.0, 30, new HTuple("measure_transition", "min_score"), new HTuple("positive", 0.7), out index ); ``` 3. **应用测量模型**: ```csharp metrologyModel.ApplyMetrologyModel(image); ``` 4. **获取结果**: ```csharp // 获取直线参数(起点和终点) HTuple lineParams = metrologyModel.GetMetrologyObjectResult(index, "all", "result_type", "all_param"); // 获取拟合的轮廓 HXLDCont lineContour = metrologyModel.GetMetrologyObjectResultContour("all", "all", 1.5); ``` ### 注意事项 - 测量区域布置: 算子会在起点和终点定义的线段上,均匀布置测量区域。测量区域的数量由`'num_measures'`或`'measure_distance'`决定。 *引用[3]提到:如果未指定`'num_measures'`,则系统会自动计算最小所需数量(直线至少2个)。* - 边缘方向: 测量方向垂直于直线方向。`'measure_transition'`参数中的“正负”是相对于测量方向而言的。 *例如:若测量方向是从起点指向终点,则`'positive'`表示从暗到亮。* - 拟合鲁棒性: 拟合过程使用鲁棒算法(如Tukey权重函数),可通过`'distance_threshold'`控制离群点排除。 ### 示例代码 ```csharp // 创建测量模型 HMetrologyModel model = new HMetrologyModel(); // 添加线测量对象(起点(100,50),终点(300,500)) HTuple startRow = 100, startCol = 50, endRow = 300, endCol = 500; HTuple mLength1 = 20, mLength2 = 5, sigma = 1.0, threshold = 30; HTuple genNames = new HTuple("measure_transition", "min_score", "num_measures"); HTuple genValues = new HTuple("positive", 0.7, 10); model.AddMetrologyObjectLineMeasure( startRow, startCol, endRow, endCol, mLength1, mLength2, sigma, threshold, genNames, genValues, out HTuple index ); // 应用模型 HImage img = new HImage("test.png"); model.ApplyMetrologyModel(img); // 获取结果 HTuple lineParams = model.GetMetrologyObjectResult(index, "all", "result_type", "all_param"); if (lineParams.Length >= 4) { double startX = lineParams[0].D, startY = lineParams[1].D; double endX = lineParams[2].D, endY = lineParams[3].D; // 显示直线 HOperatorSet.DispLine(2000, startY, startX, endY, endX); } // 清理资源 model.Dispose(); img.Dispose(); ``` ### 常见问题 1. **如何提高检测速度?** - 减小`measureLength1`和`measureLength2`以减少处理区域。 - 使用更高的金字塔层级(通过`SetMetrologyModelParam("pyramid_level", 2)`设置)。 - 减少测量区域数量(调整`'num_measures'`或增大`'measure_distance'`)。 2. **如何提高低对比度图像的检测率?** - 降低`measureThreshold`。 - 增大`measureLength1`以覆盖更多边缘。 - 使用更平滑的`measureSigma`(如1.5)。 3. **如何检测多条平行线?** - 设置`'num_instances'`为期望的数量(如3)。 - 确保测量区域足够宽以覆盖所有目标线。 ### 引用说明 本文档中关于参数含义和注意事项的说明参考了Halcon官方文档和示例[^1][^2][^3]。 --- ### 相关问题 1. 如何动态调整线测量对象的参数以适应不同图像? 2. 在Halcon中如何检测曲线(非直线)? 3. 使用测量工具时,如何避免相邻线条的干扰? 4. 如何评估线测量结果的精度?</think>### Halcon `add_metrology_object_line_measure` 算子详解 `add_metrology_object_line_measure` 是 Halcon 中用于高精度线检测的核心算子,它通过创建测量模型(Metrology Model)在指定位置布置矩形测量区域,实现亚像素级精度的直线检测。以下是详细说明: --- #### 一、算子签名 ```csharp add_metrology_object_line_measure( : : MetrologyHandle, // 测量模型句柄 Row1, Column1, // 线段起点坐标 Row2, Column2, // 线段终点坐标 MeasureLength1, // 垂直方向测量区域半长 MeasureLength2, // 平行方向测量区域半长 MeasureSigma, // 高斯滤波Sigma MeasureThreshold, // 边缘幅度阈值 GenParamName, // 通用参数名 GenParamValue, // 通用参数值 : Index // 返回的测量对象索引 ) ``` --- #### 二、核心参数详解 1. **几何参数**: - `Row1, Column1`:线段起点坐标(行,列) - `Row2, Column2`:线段终点坐标(行,列) - `MeasureLength1`:测量区域垂直于线方向的一半长度(控制采样宽度)[^2] - `MeasureLength2`:测量区域平行于线方向的一半长度(控制采样长度)[^2] 2. **边缘检测参数**: - `MeasureSigma`:高斯平滑系数(推荐值:0.7-1.5) - `MeasureThreshold`:边缘梯度阈值(推荐值:20-50) 3. **通用参数**(通过`GenParamName/GenParamValue`设置): ```csharp // 示例:设置关键通用参数 GenParamName = ['measure_transition', 'min_score', 'num_measures']; GenParamValue = ['positive', 0.7, 15]; ``` - `measure_transition`:边缘极性 - `'positive'`:从暗到亮边缘 - `'negative'`:从亮到暗边缘 - `'all'`:所有边缘(默认) - `min_score`:拟合置信度阈值(0.0~1.0) - `num_measures`:测量区域数量(覆盖线段)[^3] - `measure_select`:边缘选择策略(`'first'`, `'last'`, `'all'`) - `distance_threshold`:拟合时的最大点距离(像素) --- #### 三、工作流程 ```mermaid graph TD A[创建测量模型] --> B[添加线测量对象] B --> C[设置测量参数] C --> D[应用测量模型] D --> E[获取结果] ``` 1. **创建测量模型**: ```csharp create_metrology_model(MetrologyHandle) ``` 2. **添加线测量对象**: ```csharp add_metrology_object_line_measure( MetrologyHandle, 100, 50, 300, 500, // 起点(100,50) 终点(300,500) 20, 5, // 测量区域尺寸 1.0, 30, // Sigma=1.0, Threshold=30 ['min_score','measure_transition'], [0.7, 'positive'], Index ) ``` 3. **应用模型并获取结果**: ```csharp apply_metrology_model(Image, MetrologyHandle) get_metrology_object_result(MetrologyHandle, Index, 'all', 'result_type', 'all_param', LineParams) ``` --- #### 四、测量区域布置原理 测量区域沿给定线段均匀分布: - 当设置 `num_measures` 时,系统自动计算间距[^3] - 最小测量区域数:直线至少需要 **2个** 测量区域 - 测量区域间距计算: $$ \text{spacing} = \frac{\text{线段长度}}{\text{num_measures} - 1} $$ ```plaintext | 测量区域1 | ----- 间距 ----- | 测量区域2 | ... | 测量区域N | ``` --- #### 五、最佳实践 1. **参数调优指南**: | 问题现象 | 解决方案 | |-------------------------|------------------------------| | 漏检弱边缘 | 降低`MeasureThreshold`(10-20) | | 受噪声干扰 | 增大`MeasureSigma`(1.5-2.0) | | 端点定位不准 | 增加`num_measures`(>10) | | 相邻线条干扰 | 减小`MeasureLength1`(5-10) | 2. **动态参数调整**: ```csharp set_metrology_object_param(MetrologyHandle, Index, 'min_score', 0.5) ``` 3. **多实例检测**: ```csharp // 检测最多3条平行线 set_metrology_object_param(MetrologyHandle, Index, 'num_instances', 3) ``` --- #### 六、完整示例(PCB导线检测) ```csharp // 创建测量模型 create_metrology_model(MetrologyHandle) // 添加线测量对象 add_metrology_object_line_measure( MetrologyHandle, 100, 50, 100, 450, // 垂直线段 15, 5, // 测量区域15x5 1.2, 25, // Sigma=1.2, Threshold=25 ['measure_transition','num_measures','min_score'], ['positive', 20, 0.8], Index ) // 设置检测3条平行线 set_metrology_object_param(MetrologyHandle, 'all', 'num_instances', 3) // 执行检测 apply_metrology_model(PCBImage, MetrologyHandle) // 获取所有检测结果 get_metrology_object_result(MetrologyHandle, 'all', 'all', 'result_type', 'all_param', LineParams) ``` --- #### 七、技术优势 1. **亚像素精度**:比传统边缘检测精度高3-5倍 2. **鲁棒性强**:内置离群点剔除机制(Tukey权重) 3. **多功能性**:支持平行线、交叉线等复杂场景 4. **速度优化**:支持金字塔分层处理和多线程 > 通过合理配置参数,该算子可实现±0.1像素的重复测量精度[^1]。 --- ### 相关问题 1. 如何优化`add_metrology_object_line_measure`在低对比度图像中的性能? 2. `measure_transition`参数的选择如何影响金属表面检测? 3. 在动态场景中如何实现测量参数的自动调整? 4. 如何处理曲线检测需求(如圆弧、椭圆)? [^1]: 【halcon】Metrology工具系列之 add_metrology_object_line_measure [^2]: add_metrology_object_line_measure 抓线(无对齐测量模型) [^3]: Halcon例程解析——apply_metrology_model.hdev
阅读全文

相关推荐

1. 线拟合 1.1 直线卡尺 本小结以计算两条边缘的夹角为例,介绍直线卡尺功能。 1. 图像读取+获取图像尺寸 ​ dev_update_off () dev_close_window () read_image (Image, 'C:/Users/Admin/Desktop/图像/测量测试图.jpg') dev_open_window_fit_image (Image, 500, 500, -1, -1, WindowHandle) set_display_font (WindowHandle, 16, 'mono', 'true', 'false') dev_display (Image) get_image_size (Image, Width, Height) ​ AI写代码 bash 2. 创建模型 * 创建测量模型的数据结构 create_metrology_model (MetrologyHandle) * 提前设置图像大小,以加快 图像大小,以加快首次调用 apply_metrology_model 的速度。 set_metrology_model_image_size (MetrologyHandle, Width, Height) AI写代码 bash 3.定义线测量对象的参数 * 定义计量线对象的参数 LineRow1 := [307,294] LineColumn1 := [20,56] LineRow2 := [297,293] LineColumn2 := [40,508] Tolerance := 20 AI写代码 bash 4.创建直线测量模型,并设置参数 * 创建2个直线测量模型,并设置参数 add_metrology_object_line_measure (MetrologyHandle, LineRow1, LineColumn1, LineRow2, LineColumn2, 30, 3, 1, 50, [], [], Index1) * 设置检测框的个数(20个) set_metrology_object_param (MetrologyHandle, 'all', 'num_measures', 20) AI写代码 bash 5.将测量模型应用到图像+输出结果 * 将模型应用到图像中 apply_metrology_model (Image, MetrologyHandle) * 获取结果 get_metrology_object_result (MetrologyHandle, 'all', 'all', 'result_type', 'all_param', LineParameter) AI写代码 bash 6.测量2条直线之间的角度 * 测量两条直线的角度 angle_ll (LineParameter[0], LineParameter[1], LineParameter[2], LineParameter[3], LineParameter[4], LineParameter[5], LineParameter[6], LineParameter[7], Angle) Angle := deg(Angle) AI写代码 bash 7.创建直线图形 * 创建直线图形 get_metrology_object_result_contour (ResultContour, MetrologyHandle, 'all', 'all', 1.5) intersection_lines (LineParameter[0], LineParameter[1], LineParameter[2], LineParameter[3], LineParameter[4], LineParameter[5], LineParameter[6], LineParameter[7], Row, Column, IsOverlapping1) AI写代码 bash 8. 计算两条直线的走向 * 计算两条直线的走向 line_orientation (LineParameter[0], LineParameter[1], LineParameter[2], LineParameter[3], Orientation1) if (Orientation1 > 0) Orientation1 := Orientation1 - rad(180) endif line_orientation (LineParameter[4], LineParameter[5], LineParameter[6], LineParameter[7], Orientation2) AI写代码 bash 9.可视化 * * 可视化直线夹角 gen_circle_contour_xld (ContCircle, Row, Column, 10, Orientation1, Orientation2, 'positive', 1) * 获取用于可视化的测量区域和测量点 get_metrology_object_measures (Contour, MetrologyHandle, 'all', 'all', MRow, MColumn) gen_cross_contour_xld (Cross, MRow, MColumn, 6, rad(45)) * Display everything dev_display (Image) dev_set_line_width (1) dev_set_color ('yellow') dev_display (Contour) dev_display (Cross) dev_set_line_width (2) dev_set_color ('green') dev_display (ResultContour) dev_set_color ('blue') dev_display (ContCircle) AI写代码 bash 结果图: 总结: 通过调节直线卡尺的各项参数(检测框区域起点终点,检测框宽高及数量,检测阈值灯)功能实现,两条边缘的角度测量。 完整代码: * 直线卡尺实例 dev_update_off () dev_close_window () read_image (Image, 'C:/Users/Admin/Desktop/图像/测量测试图.jpg') dev_open_window_fit_image (Image, 500, 500, -1, -1, WindowHandle) set_display_font (WindowHandle, 16, 'mono', 'true', 'false') dev_display (Image) get_image_size (Image, Width, Height) * * 创建测量模型的数据结构 create_metrology_model (MetrologyHandle) * 提前设置图像大小,以加快 图像大小,以加快首次调用 apply_metrology_model 的速度。 set_metrology_model_image_size (MetrologyHandle, Width, Height) * 定义计量线对象的参数 LineRow1 := [307,294] LineColumn1 := [20,56] LineRow2 := [297,293] LineColumn2 := [40,508] Tolerance := 20 * * 创建2个直线测量模型,并设置参数 add_metrology_object_line_measure (MetrologyHandle, LineRow1, LineColumn1, LineRow2, LineColumn2, 10, 3, 1, 10, [], [], Index1) * 设置检测框的个数(20个) * set_metrology_object_param (MetrologyHandle, 'all', 'num_measures', 20) * 将模型应用到图像中 apply_metrology_model (Image, MetrologyHandle) * 获取结果 get_metrology_object_result (MetrologyHandle, 'all', 'all', 'result_type', 'all_param', LineParameter) * 测量两条直线的角度 angle_ll (LineParameter[0], LineParameter[1], LineParameter[2], LineParameter[3], LineParameter[4], LineParameter[5], LineParameter[6], LineParameter[7], Angle) Angle := deg(Angle) * 创建直线图形 get_metrology_object_result_contour (ResultContour, MetrologyHandle, 'all', 'all', 1.5) intersection_lines (LineParameter[0], LineParameter[1], LineParameter[2], LineParameter[3], LineParameter[4], LineParameter[5], LineParameter[6], LineParameter[7], Row, Column, IsOverlapping1) * 计算两条直线的走向 line_orientation (LineParameter[0], LineParameter[1], LineParameter[2], LineParameter[3], Orientation1) if (Orientation1 > 0) Orientation1 := Orientation1 - rad(180) endif line_orientation (LineParameter[4], LineParameter[5], LineParameter[6], LineParameter[7], Orientation2) * * 可视化直线夹角 gen_circle_contour_xld (ContCircle, Row, Column, 10, Orientation1, Orientation2, 'positive', 1) * 获取用于可视化的测量区域和测量点 get_metrology_object_measures (Contour, MetrologyHandle, 'all', 'all', MRow, MColumn) gen_cross_contour_xld (Cross, MRow, MColumn, 6, rad(45)) * Display everything dev_display (Image) dev_set_line_width (1) dev_set_color ('yellow') dev_display (Contour) dev_display (Cross) dev_set_line_width (2) dev_set_color ('green') dev_display (ResultContour) dev_set_color ('blue') dev_display (ContCircle) disp_message (WindowHandle, 'Angle = ' + Angle$'.5' + '°', 'window', 12, 12, 'black', 'true') AI写代码 bash 2. 圆拟合 2.1 图像读取,创建显示窗体 清空窗体后,根据图像大小重新打开窗体,将其显示在屏幕的(500,500)位置上,并显示图像。 * 圆拟合实例 dev_update_off () dev_close_window () read_image (Image, 'C:/Users/Admin/Desktop/图像/测试图7.bmp') dev_open_window_fit_image (Image, 500, 500, -1, -1, WindowHandle) set_display_font (WindowHandle, 16, 'mono', 'true', 'false') dev_display (Image) AI写代码 bash 2.2 圆拟合参数设置 在创建圆拟合卡尺工具前,需要对参数进行设置。这里需要重点强调的几个参数包括: 小圆卡尺和大圆卡尺:大家看到这里会比较疑惑,为什么要设置两个圆。其实这里的目的是为了通过大圆和小圆的半径差来设置矩形检测区域的高度。我这样做是为了对接C#程序的UI交互页面。其实直接设置它的高度,也能达到同样的效果。 最小匹配分数:值越小,模型的容差越大,反之相反。简单的说,值小的时候,模型会尽可能匹配出圆,而舍弃一部分准确性。当值大的时候,模型的准确性就会较高,对应的图像必须得是相对较为规整的圆形。 极性:极性方向从圆心出发,沿着半径发散。 拟合点选择:拟合点选择方向从圆心出发,沿半径发散。 拟合算法:默认选择“邻近算法”。其中“双三插值算法”精度最高,对应耗时也最久。 ** 参数设置 * 圆卡尺Row坐标 CircleMetrologyRow := 420 * 圆卡尺Col坐标 CircleMetrologyColumn := 1077 * 小圆卡尺半径 SmallCircleMetrologyRadius := 80 * 大圆卡尺半径 BigCircleMetrologyRadius := 120 * 检测框宽度 CircleMetrologyWidth := 5 * 检测框数量 CircleMetrologyAmount := 20 * Sigma MeasureSigma := 1 * Threshold(阈值) MeasureThreshold := 30 * 最小匹配值 MeasureMinScore:= 0.1 * 极性(positive:由黑到白; negative: 由白到黑; all:任意) MeasureTransition :='all' * 拟合点选择(first:第一个; last:最后一个; all:所有) MeasureSelect := 'all' * 拟合算法选择(nearest_neighbor:邻近算法; bilinear:双线插值算法; bicubic:双三次插值算法) FittingMethod :='nearest_neighbor' AI写代码 bash 2.3 圆拟合算法实现 2.3.1 图像格式转换 对于三通道或对通道的图像,需要对图像进行转换。统一转换为灰度图。(这一步也可以放在代码的开头,作为数据预处理) * 转换彩图至灰度图 count_channels (ImageOut, imgChannels) if(imgChannels != 1) rgb1_to_gray (ImageOut, ImageOut) endif * 转换real图至byte图 get_image_type (ImageOut, imgType) if(imgType == 'real') ChangeDepthImageToByteImage (ImageOut, ImageOut, 1, result) if(result != '') return() endif endif AI写代码 bash 2.3.2 构建圆检测模型 构建圆检测模型。需要注意的是,在构建圆检测模型前可以先获取一下图像尺寸,并将图像尺寸传给模型,从而提升模型的速度。 * 获取图像尺寸 get_image_size (ImageOut, Width, Height) * 准备测量模型数据结构 create_metrology_model (MetrologyHandle) * 设置图像大小从而提升第一次的运行速度 set_metrology_model_image_size (MetrologyHandle, Width, Height) * 添加圆形检测模型 add_metrology_object_circle_measure (MetrologyHandle, CircleMetrologyRow, CircleMetrologyColumn, CircleMetrologyRadius, CircleMetrologyHight, CircleMetrologyWidth, MeasureSigma, MeasureThreshold, [], [], MetrologyCircleIndices) AI写代码 bash 2.3.3 设置模型参数 在构建完检测模型后,需要将模型参数传入。下方的参数对应着2.2章节的参数。 * 设置圆形检测模型的参数 set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'num_measures', CircleMetrologyAmount) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'min_score', MeasureMinScore) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'measure_transition', MeasureTransition) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'measure_select', MeasureSelect) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'measure_interpolation', FittingMethod) AI写代码 bash 2.3.4 进行测量,获取结果 进行测量,测量结果会储存在“CircleParameter”中。按照顺序,第一位存了圆的Row坐标,第二位存了圆的Column坐标,第三位存了圆的半径。如果这个变量为空,说明检测失败。 * 进行测量 apply_metrology_model (ImageOut, MetrologyHandle) * 获取结果 get_metrology_object_result (MetrologyHandle, MetrologyCircleIndices, 'all', 'result_type', 'all_param', CircleParameter) if(|CircleParameter| != 0) CircleRow := CircleParameter[0] CircleColumn := CircleParameter[1] CircleRadius := CircleParameter[2] endif AI写代码 bash 2.3.5 创建可视化的图形 创建一些可视化的图像,从而便于观察检测结果。 * 获取测量对象的轮廓线 get_metrology_object_result_contour (CircleContour, MetrologyHandle, 'all', 'all', 1.5) * 获取测量轮廓线,以及拟合点坐标 get_metrology_object_measures (MetrologyContour, MetrologyHandle, 'all', 'all', PointRows, PointColumns) gen_cross_contour_xld (CrossContour, PointRows, PointColumns, 6, 0.785398) AI写代码 bash 2.3.6 可视化显示 dev_display (CircleContour) dev_display (MetrologyContour) dev_display (CrossContour) AI写代码 bash 2.4 效果展示 这边尝试拟合了一个扇形,将“最小分数”改小后的拟合效果。图中的小矩形就是检测框,检测框中的叉叉就是拟合出来的点。 2.5 完整代码展示 * 圆拟合实例 dev_update_off () dev_close_window () read_image (Image, 'C:/Users/Admin/Desktop/图像/测试图7.bmp') dev_open_window_fit_image (Image, 500, 500, -1, -1, WindowHandle) set_display_font (WindowHandle, 16, 'mono', 'true', 'false') dev_display (Image) ** 参数设置 * 圆卡尺Row坐标 CircleMetrologyRow := 420 * 圆卡尺Col坐标 CircleMetrologyColumn := 1077 * 小圆卡尺半径 SmallCircleMetrologyRadius := 80 * 大圆卡尺半径 BigCircleMetrologyRadius := 120 * 检测框宽度 CircleMetrologyWidth := 5 * 检测框数量 CircleMetrologyAmount := 20 * Sigma MeasureSigma := 1 * Threshold(阈值) MeasureThreshold := 30 * 最小匹配值 MeasureMinScore:= 0.1 * 极性(positive:由黑到白; negative: 由白到黑; all:任意) MeasureTransition :='all' * 拟合点选择(first:第一个; last:最后一个; all:所有) MeasureSelect := 'all' * 拟合算法选择(nearest_neighbor:邻近算法; bilinear:双线插值算法; bicubic:双三次插值算法) FittingMethod :='nearest_neighbor' ** 圆拟合函数 FittingCircle (Image, CircleContour, MetrologyContour, CrossContour, CircleMetrologyRow, CircleMetrologyColumn, SmallCircleMetrologyRadius, BigCircleMetrologyRadius, CircleMetrologyWidth, CircleMetrologyAmount, MeasureSigma, MeasureThreshold, MeasureMinScore, MeasureTransition, MeasureSelect, FittingMethod, CircleRow, CircleColumn, CircleRadius) ** 可视化 dev_display (CircleContour) dev_display (MetrologyContour) dev_display (CrossContour) AI写代码 bash 其中“圆拟合函数”代码如下: ImageOut := Image CircleMetrologyRadius := (BigCircleMetrologyRadius+SmallCircleMetrologyRadius)/2 CircleMetrologyHight :=(BigCircleMetrologyRadius-SmallCircleMetrologyRadius)/2 * 转换彩图至灰度图 count_channels (ImageOut, imgChannels) if(imgChannels != 1) rgb1_to_gray (ImageOut, ImageOut) endif * 转换real图至byte图 get_image_type (ImageOut, imgType) if(imgType == 'real') ChangeDepthImageToByteImage (ImageOut, ImageOut, 1, result) if(result != '') return() endif endif * 获取图像尺寸 get_image_size (ImageOut, Width, Height) * 准备测量模型数据结构 create_metrology_model (MetrologyHandle) * 设置图像大小从而提升第一次的运行速度 set_metrology_model_image_size (MetrologyHandle, Width, Height) * 添加圆形检测模型 add_metrology_object_circle_measure (MetrologyHandle, CircleMetrologyRow, CircleMetrologyColumn, CircleMetrologyRadius, CircleMetrologyHight, CircleMetrologyWidth, MeasureSigma, MeasureThreshold, [], [], MetrologyCircleIndices) * 设置圆形检测模型的参数 set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'num_measures', CircleMetrologyAmount) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'min_score', MeasureMinScore) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'measure_transition', MeasureTransition) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'measure_select', MeasureSelect) set_metrology_object_param (MetrologyHandle, MetrologyCircleIndices, 'measure_interpolation', FittingMethod) * 进行测量 apply_metrology_model (ImageOut, MetrologyHandle) * 获取结果 get_metrology_object_result (MetrologyHandle, MetrologyCircleIndices, 'all', 'result_type', 'all_param', CircleParameter) if(|CircleParameter| != 0) CircleRow := CircleParameter[0] CircleColumn := CircleParameter[1] CircleRadius := CircleParameter[2] endif * 获取测量对象的轮廓线 get_metrology_object_result_contour (CircleContour, MetrologyHandle, 'all', 'all', 1.5) * 获取测量轮廓线,以及拟合点坐标 get_metrology_object_measures (MetrologyContour, MetrologyHandle, 'all', 'all', PointRows, PointColumns) gen_cross_contour_xld (CrossContour, PointRows, PointColumns, 6, 0.785398) return () AI写代码 bash 参考此文章进行直线和圆的拟合

最新推荐

recommend-type

appstream-0.15.2-beta-javadoc.jar

appstream-0.15.2-beta-javadoc.jar
recommend-type

b2bi-jvm-1.4.114.jar

b2bi-jvm-1.4.114.jar
recommend-type

Node.js构建的运动咖啡馆RESTful API介绍

标题《sportscafeold:体育咖啡馆》指出了项目名称为“体育咖啡馆”,这个名字暗示了该项目可能是一个结合了运动和休闲主题的咖啡馆相关的网络服务平台。该项目运用了多种技术栈,核心的开发语言为JavaScript,这从标签中可以得到明确的信息。 从描述中可以提取以下知识点: 1. **Node.js**:体育咖啡馆项目使用了Node.js作为服务器端运行环境。Node.js是一个基于Chrome V8引擎的JavaScript运行环境,它能够使得JavaScript应用于服务器端开发。Node.js的事件驱动、非阻塞I/O模型使其适合处理大量并发连接,这对于RESTFUL API的构建尤为重要。 2. **Express Framework**:项目中使用了Express框架来创建RESTFUL API。Express是基于Node.js平台,快速、灵活且极简的Web应用开发框架。它提供了构建Web和移动应用的强大功能,是目前最流行的Node.js Web应用框架之一。RESTFUL API是一组遵循REST原则的应用架构,其设计宗旨是让Web服务通过HTTP协议进行通信,并且可以使用各种语言和技术实现。 3. **Mongoose ORM**:这个项目利用了Mongoose作为操作MongoDB数据库的接口。Mongoose是一个对象文档映射器(ODM),它为Node.js提供了MongoDB数据库的驱动。通过Mongoose可以定义数据模型,进行数据库操作和查询,从而简化了对MongoDB数据库的操作。 4. **Passport.js**:项目中采用了Passport.js库来实现身份验证系统。Passport是一个灵活的Node.js身份验证中间件,它支持多种验证策略,例如用户名和密码、OAuth等。它提供了标准化的方法来为用户登录提供认证,是用户认证功能的常用解决方案。 5. **版权信息**:项目的版权声明表明了Sportscafe 2015是版权所有者,这表明项目或其相关内容最早发布于2015年或之前。这可能表明该API背后有商业实体的支持或授权使用。 从【压缩包子文件的文件名称列表】中我们可以了解到,该文件的版本控制仓库使用的是“master”分支。在Git版本控制系统中,“master”分支通常用于存放当前可部署的稳定版本代码。在“master”分支上进行的更改通常都是经过测试且准备发布到生产环境的。 综上所述,我们可以知道体育咖啡馆项目是一个利用现代JavaScript技术栈搭建的后端服务。它包含了处理HTTP请求的Express框架、连接MongoDB数据库的Mongoose库和实现用户身份验证的Passport.js中间件。该项目可用于构建提供体育信息、咖啡馆菜单信息、预约服务等的Web应用或API服务,这为体育咖啡馆的营销、用户体验和数据管理提供了可能。 考虑到文档资料的提及,该项目的安装和API文档应该包含在项目资料中,可能在项目的README文件或其他说明文档中。对于项目的使用者或者开发者而言,这部分文档非常重要,因为它们可以提供详细的信息和指导,帮助用户快速部署和使用该API。 总结来说,这是一套针对体育咖啡馆相关业务的后端解决方案,它使用了流行的开源技术栈,可以灵活地应用于体育咖啡馆的网络服务中,如信息发布、在线预约、会员管理等。
recommend-type

【LNR优化与用户体验】:一文看透互操作优化如何提升用户感知

# 摘要 LNR(邻区关系优化)是提升移动通信网络性能与用户体验的关键技术。本文系统阐述了LNR优化的基本概念、理论基础与技术实现路径,构建了包括信道质量评估、干扰建模及关键性能指标分析在内的数学模型,并探讨了参数配置、邻区管理及AI与大数据在LNR优化中的应用。通过量化用户感知指标,分析了LNR优化对视频流畅度、页面加载速度及切换性能的实际改善效果,并结合典型场景验证了其优化成效。本文进一步展望了LNR技术在5G及未来网络中的发展趋势与技术挑战。
recommend-type

Java1.8 的编程语言、使用场景、版本号、厂商、是否开源、发行日期、终止日期、可替代产品、推荐产品是什么

以下是关于 **Java 1.8** 的全面信息汇总,涵盖其编程语言特性、使用场景、版本号、厂商、是否开源、发行日期、终止支持日期、可替代产品和推荐产品。 --- ## ✅ Java 1.8 综合信息表 | 项目 | 内容 | |------|------| | **编程语言** | Java | | **版本号** | Java 1.8(也称为 Java 8) | | **厂商** | Oracle、Adoptium、Amazon(Corretto)、Azul(Zulu)、Red Hat、IBM 等 | | **是否开源** | ✅ 是(OpenJDK 1.8 是开源的,Oracle
recommend-type

Java开发的教区牧民支持系统介绍

根据给定文件信息,下面将详细阐述相关知识点: ### 标题知识点 #### catecumenus-java: 教区牧民支持系统 - **Java技术栈应用**:标题提到的“catecumenus-java”表明这是一个使用Java语言开发的系统。Java是目前最流行的编程语言之一,广泛应用于企业级应用、Web开发、移动应用等,尤其是在需要跨平台运行的应用中。Java被设计为具有尽可能少的实现依赖,所以它可以在多种处理器上运行。 - **教区牧民支持系统**:从标题来看,这个系统可能面向的是教会管理或教区管理,用来支持牧民(教会领导者或牧师)的日常管理工作。具体功能可能包括教友信息管理、教区活动安排、宗教教育资料库、财务管理、教堂资源调配等。 ### 描述知识点 #### 儿茶类 - **儿茶素(Catechin)**:描述中提到的“儿茶类”可能与“catecumenus”(新信徒、教徒)有关联,暗示这个系统可能与教会或宗教教育相关。儿茶素是一类天然的多酚类化合物,常见于茶、巧克力等植物中,具有抗氧化、抗炎等多种生物活性,但在系统标题中可能并无直接关联。 - **系统版本号**:“0.0.1”表示这是一个非常初期的版本,意味着该系统可能刚刚开始开发,功能尚不完善。 ### 标签知识点 #### Java - **Java语言特点**:标签中明确提到了“Java”,这暗示了整个系统都是用Java编程语言开发的。Java的特点包括面向对象、跨平台(即一次编写,到处运行)、安全性、多线程处理能力等。系统使用Java进行开发,可能看重了这些特点,尤其是在构建可扩展、稳定的后台服务。 - **Java应用领域**:Java广泛应用于企业级应用开发中,包括Web应用程序、大型系统后台、桌面应用以及移动应用(Android)。所以,此系统可能也会涉及这些技术层面。 ### 压缩包子文件的文件名称列表知识点 #### catecumenus-java-master - **Git项目结构**:文件名称中的“master”表明了这是Git版本控制系统中的一个主分支。在Git中,“master”分支通常被用作项目的主干,是默认的开发分支,所有开发工作都是基于此分支进行的。 - **项目目录结构**:在Git项目中,“catecumenus-java”文件夹应该包含了系统的源代码、资源文件、构建脚本、文档等。文件夹可能包含各种子文件夹和文件,比如src目录存放Java源代码,lib目录存放相关依赖库,以及可能的build.xml文件用于构建过程(如Ant或Maven构建脚本)。 ### 结合以上信息的知识点整合 综合以上信息,我们可以推断“catecumenus-java: 教区牧民支持系统”是一个使用Java语言开发的系统,可能正处于初级开发阶段。这个系统可能是为了支持教会内部管理,提供信息管理、资源调度等功能。其使用Java语言的目的可能是希望利用Java的多线程处理能力、跨平台特性和强大的企业级应用支持能力,以实现一个稳定和可扩展的系统。项目结构遵循了Git版本控制的规范,并且可能采用了模块化的开发方式,各个功能模块的代码和资源文件都有序地组织在不同的子文件夹内。 该系统可能采取敏捷开发模式,随着版本号的增加,系统功能将逐步完善和丰富。由于是面向教会的内部支持系统,对系统的用户界面友好性、安全性和数据保护可能会有较高的要求。此外,考虑到宗教性质的敏感性,系统的开发和使用可能还需要遵守特定的隐私和法律法规。
recommend-type

LNR切换成功率提升秘籍:参数配置到网络策略的全面指南

# 摘要 LNR(LTE to NR)切换技术是5G网络部署中的关键环节,直接影
recommend-type

How to install watt toolkit in linux ?

安装 Watt Toolkit(原名 Steam++)在 Linux 系统上通常可以通过编译源码或者使用预编译的二进制文件来完成。Watt Toolkit 是一个开源工具,主要用于加速 Steam 平台的下载速度,支持跨平台运行,因此在 Linux 上也能够很好地工作。 ### 安装步骤 #### 方法一:使用预编译的二进制文件 1. 访问 [Watt Toolkit 的 GitHub 仓库](https://github.com/BeyondDimension/SteamTools) 并下载适用于 Linux 的最新版本。 2. 解压下载的压缩包。 3. 给予可执行权限: ```
recommend-type

PHP实现用户墙上帖子与评论的分享功能

根据给定文件信息,我们可以推导出与“userwallposts”相关的知识点。这里涉及的关键概念包括用户墙面墙(User Wall)、帖子(Posts)和评论(Comments),以及它们在编程语言PHP中的实现方式。用户墙是一种允许用户发布信息,并让他们的朋友或跟随者查看并参与讨论的功能,常见于社交网站。 ### 用户墙概念 用户墙类似于现实生活中的一面墙,用户可以在上面贴上“帖子”来分享自己的想法、照片、视频等信息。其他用户可以在这些帖子下面进行“评论”,类似于在墙上留言。这种互动方式构建了一个社区式的交流环境,增加了用户之间的互动性和参与感。 ### 用户墙的实现 在PHP中实现用户墙功能需要处理前端用户界面和后端服务器逻辑。前端负责展示用户墙、帖子和评论的界面,而后端则负责存储、检索和管理这些数据。 1. **前端实现**:前端可以使用HTML、CSS和JavaScript来构建用户墙的界面。使用AJAX技术可以让用户无需刷新页面即可提交和获取新的帖子和评论。此外,可能还会用到模板引擎(如Twig或Smarty)来动态生成页面内容。 2. **后端实现**:后端PHP代码将负责处理前端发送的请求,如帖子和评论的添加、删除和检索。数据库(如MySQL)将用于存储用户信息、帖子内容、评论以及它们之间的关联关系。 3. **数据库设计**: - 用户表(users):存储用户信息,例如用户名、密码(加密存储)、用户状态等。 - 帖子表(posts):存储帖子信息,例如帖子ID、帖子内容、发帖时间、所属用户ID等。 - 评论表(comments):存储评论信息,包括评论ID、评论内容、评论时间、所属帖子ID和用户ID等。 4. **PHP与数据库交互**:使用PDO(PHP Data Objects)或mysqli扩展来执行SQL语句与数据库进行交互。PDO提供了数据库访问的抽象层,可以连接多种数据库系统,而mysqli则针对MySQL进行了优化。 5. **安全性**: - 输入验证:为了防止SQL注入等安全问题,需要对用户输入进行验证和清理。 - 输出编码:在将数据输出到浏览器之前,应将特殊字符转换为HTML实体。 - 用户认证:用户登录系统时,应采取安全措施如使用会话管理(session management)和防止跨站请求伪造(CSRF)。 6. **功能实现细节**: - 发布帖子:用户输入帖子内容并提交,后端接收并存储到帖子表中。 - 显示帖子:从帖子表中检索所有帖子并展示在用户墙上,包括帖子标题、内容、发布时间和发帖人等信息。 - 发布评论:用户对特定帖子发表评论,后端接收评论信息并将其存储到评论表中。 - 显示评论:为每个帖子显示其下的所有评论,包括评论内容、时间、评论者等。 ### 开源项目实践 “userwallposts-master”暗示了可能存在一个与用户墙帖子和评论相关的开源项目或代码库。这个项目可能包含预设的代码和文件结构,允许开发者下载、安装和配置来创建他们自己的用户墙功能。开发人员可以使用这个项目作为起点,根据自己的需求进一步定制和扩展功能。 在实际开发过程中,还需要考虑系统的可扩展性和维护性。例如,可以设计RESTful API让前端和后端分离,或者使用现代的PHP框架(如Laravel、Symfony等)来简化开发流程和提高代码的组织性。 在总结上述内容后,我们可以了解到用户墙是社交平台中常见的一种功能,其核心功能包括发布帖子和评论。在PHP环境下实现这样的功能需要对前端界面和后端逻辑有深入的理解,以及对数据库设计和交互的安全性有一定的认识。开源项目如“userwallposts-master”可能提供了一个基础框架,帮助开发者快速构建和部署一个用户墙系统。
recommend-type

【LNR信令深度解析】:MR-DC双连接建立全过程技术揭秘

# 摘要 本文系统探讨了LNR信令与MR-DC双连接技术的基本原理、架构组成及其关键信令流程。深入分析了MR-DC的网络架构分类、核心网元功能、无线承载管理机制以及双连接建立过程中的关键信令交互路径。同时,文章解析了LNR信令消息的结构特征与关键字段,探讨了MR-DC场景下的性能评估指标与优化策略,包括信令压缩、负载均衡及节能调度机制。最后,文章展望了MR-DC技术在5G