add_metrology_object_line_measure 抓线(无对齐测量模型)
read_image (Image, 'C:/Users/Public/Documents/MVTec/HALCON-18.11-Progress/examples/images/printer_chip/printer_chip_01.png')
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
get_image_size (Image, Width, Height)
dev_display (Image)
*画一条线
draw_line (WindowHandle, Row1, Column1, Row2, Column2)
*创建测量模型句柄
create_metrology_model (MetrologyHandle)
* 添加直线测量对象到模型
* add_metrology_object_line_measure()
* MetrologyHandle:测量模型句柄
* RowBegin:测量区域行坐标起点
* ColumnBegin:测量区域列坐标起点
* RowEnd:测量区域行坐标终点
* ColumnEnd:测量区域列坐标终点
* MeasureLength1:垂直于边界的测量区域的一半长度
* MeasureLength2:相切于边界的测量区域的一半长度
* MeasureSigma:用于平滑的高斯函数的 Sigma
* MeasureThreshold:最小边缘幅度阈值
* GenParamName:通用参数的名称
* GenParamValue:通用参数值
* Index:所创建的计量对象的索引
add_metrology_object_line_measure (MetrologyHandle, Row1, Column1, Row2, Column2, 20, 5, 1, 30, [], [], Index)
*'num_instances':拟合,成功拟合实例的最大数量
set_metrology_object_param (MetrologyHandle, 'all', 'num_instances', 1)
*'measure_select':测量,边缘端点的选择('last'、'first')
set_metrology_object_param (MetrologyHandle, 'all', 'measure_select', 'all')
*'measure_threshold':测量,最小边缘幅度阈值
set_metrology_object_param (MetrologyHandle, 'all', 'measure_threshold', 30)
*'measure_sigma':测量,用于平滑的高斯函数的 Sigma
set_metrology_object_param (MetrologyHandle, 'all', 'measure_sigma', 1)
*'measure_length1':区域,垂直于边界的测量区域的一半长度
set_metrology_object_param (MetrologyHandle, 'all', 'measure_length1', 30)
*'measure_length2':区域,相切于边界的测量区域的一半长度
set_metrology_object_param (MetrologyHandle, 'all', 'measure_length2', 1)
*'num_measures':区域,测量区域数(小卡尺个数)
set_metrology_object_param (MetrologyHandle, 'all', 'num_measures', 10)
*'min_score':拟合,最小分数
set_metrology_object_param (MetrologyHandle, 'all', 'min_score', 0.4)
* 执行
*apply_metrology_model()
*Image:输入的测量图像
*MetrologyHandle:测量模型句柄
apply_metrology_model (Image, MetrologyHandle)
*获取计量模型的计量对象的测量区域和边缘位置结果
*get_metrology_object_measures()
*Contours:测量区域的矩形 XLD 轮廓
*MetrologyHandle:测量模型句柄
*Index:指定计量对象,为all时所有计量对象的参数都被设置('all')
*Transition:选择亮/暗或暗/亮边缘('all'、'negative'、 'positive')
*Row:测量边缘的行坐标集
*Column:测量边缘的列坐标集
get_metrology_object_measures (Contours, MetrologyHandle, 'all', 'all', Row, Column)
* 获取计量模型的计量对象的结果
*get_metrology_object_result()
*Contour:给定计量对象的结果轮廓
*MetrologyHandle:测量模型句柄
*Index:指定计量对象,为all时所有计量对象的参数都被设置('all')
*GenParamName:通常设置为’result_type’,表示用GenParamValue返回方式和结果
*GenParamValue:通常设置为’all_param’,表示将所有测量参数到Parameter
*Parameter:返回的参数值
*对于直线:返回 [‘row_begin’,‘column_begin’,‘row_end’,‘column_end’]
*对于圆型:返回[‘row’,‘column’,‘radius’]或 [‘x’,‘y’,‘radius’]
*对于椭圆:返回[‘row’,‘column’,‘phi’,‘radius1’,‘radius2’]
*对于矩形:返回[‘row’,‘column’,‘phi’,‘length1’,‘length2’]
get_metrology_object_result (MetrologyHandle, 0, 'all', 'result_type', 'all_param', Parameter)
* 获取计量模型的计量对象的结果轮廓
*get_metrology_object_result_contour()
*Contour:给定计量对象的结果轮廓。
*MetrologyHandle:测量模型句柄
*Index:指定计量对象,为all时所有计量对象的参数都被设置('all')
*Instance:计量对象的实例('all')
*Resolution:相邻轮廓点之间的距离
get_metrology_object_result_contour (Contour, MetrologyHandle, 0, 'all', 1.5)
*释放测量模型句柄
clear_metrology_model (MetrologyHandle)
clear_window (WindowHandle)
dev_display (Image)
dev_set_color ('red')
dev_display (Contour)
dev_set_color ('green')
gen_cross_contour_xld (Cross, Row, Column, 16, 0.785398)
*参数设置列表(set_metrology_object_param )
* 'measure_length1':区域,垂直于边界的测量区域的一半长度
* 'measure_length2':区域,相切于边界的测量区域的一半长度
* 'measure_distance':区域,两个测量区域中心之间的距离
* 'num_measures':区域,测量区域数
* 'measure_sigma':测量,用于平滑的高斯函数的 Sigma
* 'measure_threshold':测量,最小边缘幅度阈值
* 'measure_select':测量,边缘端点的选择('last'、'first')
* 'measure_transition':测量,方向('all'、'negative'、 'positive')
* 'measure_interpolation':测量,插值类型
* 'min_score':拟合,最小分数
* 'num_instances':拟合,成功拟合实例的最大数量
* 'distance_threshold':拟合,距离阈值
结果:
本帖 复制 可以直接运行,红色字体为注解。
add_metrology_object_line_measure 抓线(无对齐测量模型)相关推荐
- add_metrology_object_circle_measure (对齐测量模型)
*读取图片 read_image (Image, 'rings_and_nuts') dev_get_window (WindowHandle) dev_set_draw ('margin') *创建 ...
- SIGIR2022 | 流行度偏差如何利用?探索解耦域适应无偏召回模型
召回模型中流行度偏差的现象主要有两种:流行度分部差异.长尾分布差异.本工作主要探索如何改善召回阶段中的双塔模型来缓解流行度偏差.目前已有缓解流行度偏差的方法主要有两大类:逆倾向评分(IPS)和因果图推 ...
- 经典相位法三维轮廓测量模型
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 在结构光三维测量中,之前笔者介绍了关于把投影看做相机的逆的模型,这次笔者要介绍一个经典相位三维轮廓测量 ...
- Task 6:CFA | Amos Mplus | 道德、人格、身份的测量模型
CFA | Amos & Mplus | 道德.人格.身份的测量模型 1 文章介绍 1.1 数据获取 1.2 论文内容 2 理论模型 2.1 文章主要验证的结构方程模型: 2.2 以上模型中的 ...
- ITU-T Technical Paper: IP网络测量模型
2019独角兽企业重金招聘Python工程师标准>>> 本文翻译自ITU-T的Technical Paper:<How to increase QoS/QoE of IP-ba ...
- 第4章-无人车UGV模型分析
第3章 回到目录 第5章 4 无人车UGV模型分析 4.1 建立无人车动力学模型 4.2 一阶控制器通过速度控制小车 4.2.1 一维直线运动 4.2.2 二维平面运动 4.3 二阶控制器通过加速度控 ...
- 【生成模型】关于无监督生成模型,你必须知道的基础
大家好,小米粥销声匿迹了很长一段时间,今天又杀回来啦!这次主要是介绍下生成模型的相关内容,尤其是除了GAN之外的其他生成模型,另外应部分读者要求,本系列内容增添了代码讲解,希望能使大家获益,更希望大家 ...
- Facebook开源了两个无监督翻译模型,只用单语就能训练双语
翻栗子 发自 凹非寺 量子位 出品 | 公众号 QbitAI 昨天,Yann LeCun大神发推宣布,Facebook的两个无监督翻译模型,开源了. 所谓无监督,便是不需要双语对照文本,只用单语 ...
- 单线程无阻塞IO模型在Node.js中的工作方式
本文翻译自:How the single threaded non blocking IO model works in Node.js I'm not a Node programmer, but ...
最新文章
- Linux下nginx支持.htaccess文件实现伪静态的方法!
- no argument specified with option /LIBPATH:错误的解决
- 情绪调节的自适应_心理健康系列 | 大学生常见情绪问题及调试方法
- 由PostgreSQL的区域与字符集说起
- TCP/IP/ICMP 学习实践
- 全志V3S代码中的bug之1
- SAP C4C Mashup port bindingF4帮助对话框里的数据源
- python报数组越界_python数组越界
- 自定义注解!绝对是程序员装逼的利器!!
- 阿里云提示微擎被挂图片木马详解
- c语言的链表怎么写,写一个C语言的链表记录一下
- PHP Error(不定时更新)
- qq、微信能打开,网页打不开的解决办法。
- STM32F103_study50_The punctual atoms(STM32 General timer basic principle )
- Apache apollo 配置说明及用户名和密码管理
- 开机自启动夜神模拟器全屏并打开指定apk
- 计算机微程序控制器实验报告,计算机组成原理微程序控制器实验报告
- Yapi idea插件使用
- 如何将scr文件设置为屏保
- vue3表格双击事件