圖像濾波

圖像增強：對(duì)比度增強，亮(liàng)度校(xiào)正，直方圖歸一(yī)化(huà)，直™α¥♠方圖均衡化(huà)

平滑濾波：邊緣保護和(hé)增強平滑，各向非同性濾波ε↕↔，高(gāo)斯平滑，二項式濾波，均值濾波，階梯濾波器±α↑φ(qì)（中值，分(fēn)離(lí)系數(shù)中值濾波，加權中值等），中度濾波，Sigma濾波，切尾均值，椒鹽噪聲去(qù)除，遞歸平滑濾波

邊緣濾波：

Canny,Deriche,Lanser,Shen,Frei,Kirsch,R'‌ oberts,Prewitt,Roberts,¶★Prewitt,Robinson,Sobel,Laplace算(suàn)子(zǐ)，高(gāo)斯差分(fēn)，高(gāo)斯導數(↓&™shù)，邊緣閉合

點濾波：Foerstner,Harris,Sojka亞像素精度點提取濾波器(qì)

紋理(lǐ)：Laws濾波（3×3，5×5，7×7），離(lí)差，熵

算(suàn)術(shù)運算(suàn)：比例縮放(fàng)，加，減，乘，絕對(duì)值，最大(dà)值，最小(xiǎo)>α₹值，翻轉，平方根

顔色變換：CIElab,hsv,his,yiq,yuv,CIExyz,hls,his等

傅立葉變換：高(gāo)速FFT；高(gāo)斯，導數(shù)計(jì)算(suàn)，Gabor濾波器(qì)，帶通(tōng)，高(gāo)∏♠£通(tōng)，低(dī)通(tōng)濾✘↕ε波，能(néng)量，相(xiàng)位，權值計(jì↕♦​)算(suàn)

霍夫變換：線，圓檢測。

其他(tā)類型濾波器(qì)：自(zì)定義濾波器(qì)，點濾波器(qì)，灰度骨架抽取，主成分(fēn)分(f★ ↕ēn)析，拓撲骨架抽取，高(gāo)斯金(jīnσ‌)字塔變換，類型轉換

 

亞像素邊緣及線提取

Canny,Deriche,Lanser和(hé)Sobel邊緣檢測算(suàn)子(zǐ)；Facet模型及Steger線提取（精度高(gāo)于1/50像素）；亞像素彩色邊緣，線提取；亞像素阈值

 

亞像素輪廓處理(lǐ)

輪廓處理(lǐ)：仿射和(hé)投影(yǐng)變換；線☆₩₹，圓，橢圓和(hé)矩形的(de)分(fēn)割

提取及拟合：平行(xíng)輪廓合并；集合算(suàn)法（交集，并集，差∑™↑ 集）；不(bù)同标準形狀生(shēng)成

形狀特征：面積，中心點，方向，圓度，緊密度，周長(cháng)，λ   橢圓軸，力矩，凸度，離(lí)心率，閉合區(qū)域（凸，圓，矩形）；基于形狀特©¥ 征的(de)輪廓選擇

 

邊緣位置測量

沿直線和(hé)圓弧的(de)亞像素邊緣提取；自(zì)動選擇邊緣（≥£>起點，終點，所有(yǒu)點，上(shàng)升，下(xià)降，邊緣★  γ點對(duì)）；邊界及邊界對(duì)尋找評價函數(shù)

 

形态學

二值形态學：明(míng)可(kě)夫斯基加減，膨脹，腐蝕，開ε→(kāi)運算(suàn)，閉運算(suàn)，擊中擊不(bù)中變換，邊界，修←‍π≈剪，加粗，細化(huà)，距離(lí)變換

灰度形态學：分(fēn)水(shuǐ)嶺算(suàn)法：膨脹，腐蝕，開∏•(kāi)運算(suàn)，閉運算(suàn)∏÷£©

 

Blob分(fēn)析

阈值：全局，局部，自(zì)動

區(qū)域處理(lǐ)：連通(tōng)域分(fēn)析，骨架，連接點，終點，≈↔集合算(suàn)法（交集，并集，差集，補集）；閉合區(qū)域（矩形，σ≈>圓，橢圓形，凸）；空(kōng)洞填充，區(qū)域生(shēng)成（矩形，圓形，橢圓形，多(∑∏™"duō)邊形，方格，網格，任意形狀），訪問(wèn)（行(xíng)程編碼，鏈↕>碼，輪廓，多(duō)邊形）

灰度值特征：最小(xiǎo)值，最大(dà)值，均值，方差，共生(s₩γhēng)距陣，直方圖，熵，模糊特征，灰度距

形狀特征：面積，中點，方向，圓度，直角度，緊密度，空(kōng)洞數(♣€shù)，周長(cháng)，凸度，橢圓軸，2階距，3階距，離(lí)心率，Hamming距離(lí)，閉合區(qū)域（圓，矩形），距離(lí)，空(kōng)間(j←​iān)關系，Euler數(shù)

 

圖像分(fēn)割

阈值：彩色，後驗證分(fēn)割

區(qū)域生(shēng)長(cháng)：梯度，均值，彩色，紋理(l×₽ǐ)

分(fēn)類：基于多(duō)層神經網絡，支持向量機(jī)或n維線性平面或曲面的(de)分(fēn)類器(qì)

可(kě)變化(huà)模型：基于參考圖像和(hé)經過訓練的(de)在一(yī)定₹σ誤差範圍內(nèi)的(de)标準樣本的(de)分(fēn)割

 

分(fēn)類器(qì)

多(duō)層感知(zhī)神經網絡分(fēn)類器(qì)：¶≤"☆支持向量機(jī)分(fēn)類器(qì)：非一(yī)緻分(fēn)布§₩≥n維線平面或曲面的(de)

數(shù)據集聚類算(suàn)法

 

幾何變換

旋轉，比例縮放(fàng)，平移，鏡像，剪切，仿≥∑₹↕射，透視(shì)，極化(huà)變換：從(cóng)點對(duì)應

到(dào)角的(de)近(jìn)似變換；含自(zì)動點匹配的(de)圖®'‍像融合圖像；變形校(xiào)正；拼圖；線掃描圖

像區(qū)域與邊界融合

 

模式匹配

基于灰度值，相(xiàng)關性，形狀，任→↕意大(dà)小(xiǎo)和(hé)形狀的(de)多(duō)模闆匹配；魯棒性極佳

的(de)識别算(suàn)法，對(duì)于旋轉，比例縮放(fàng)，混‍&∏亂及部分(fēn)被遮擋物(wù)體(tǐ)和(hé)照(•‍zhào)明(míng)變化(huà)都(dōu)能(néng‌↓ >)準

确識别；彩色及多(duō)通(tōng)道(dào)圖像的(de)匹配；隻需調用(yòng)一(y↔$∞ī)次識别函數(shù)，即可(kě)識别不(bù)同目

标及之間(jiān)有(yǒu)相(xiàng)對(duì)位置變化(huà)的(de)目标；可​→≥∞(kě)以産生(shēng)綜合模型，比如(rú)從 ×δ(cóng)多(duō)邊形的(de)圖像數(shù)

據中；自(zì)動判斷原型

 

三維匹配

從(cóng)DXF CAD文(wén)件(jiàn)建立3維模型；通(tōng)過三維空(kōng)間(jiān)內(nèδ§♥i)任意6自(zì)由度姿态進行(xíng)基于

形狀的(de)匹配；對(duì)于混亂或部分∑♠(fēn)被遮擋的(de)物(wù)體(tǐ)和(hé)照(zε→±hào)明(míng)變化(huà)都(dōu)能(néng)夠準确識别

 

條碼及二維碼識别

1維條碼識别：EAN13，EAN8，UPC-A，UPC-E，2/5工(gōng)業(yè)，2/5插入式，Codabar,Code39,Code93,C α‌ode128,PharmaCode

2維碼識别：ECC200，QR碼，PDF417碼；二維碼印刷質量檢測

 

光(guāng)學字符識别（OCR）

基于字符的(de)識别，特殊分(fēn)割算(suàn)法，旋轉校(xiào)正，訓練字體"÷↓(tǐ)，可(kě)選特征；為(wèi)多(duō)種應用(yòng)進行± β(xíng)字體(tǐ)訓練

 

光(guāng)學字符驗證（OCV）

基于灰度值的(de)模闆對(duì)比算(suàn)法，對(duì)于亮(‍±liàng)度，位置以及大(dà)小(xiǎo)變換均能(néng)得(de)出一↑↑α(yī)緻性結果。

 

灰度校(xiào)正

為(wèi)了(le)提供亞像素測量的(de)精确度，對(duì)圖像采集設備的(de)響應曲線進★★行(xíng)校(xiào)正

 

3D定标

用(yòng)多(duō)幅圖像為(wèi)針孔和(hé)遠(yuǎn)心面陣攝↓σ→"像機(jī)或線陣攝像機(jī)的(de)內(nèi)部及外(wài)部參數(shù)定标；₽λ自(zì)動校(xiào)正攝像機(jī★Ωπ♣)旋轉；圖像和(hé)點的(de)變形校(xiào)正

 

3D視(shì)覺

雙目立體(tǐ)視(shì)覺：雙攝像機(jī)标¥↑±<定；自(zì)動判斷攝像機(jī)相(xiàng)對(duì)位置；圖像校(x‍σiào)正；亞像素精度的(de)深度及差度計(jì)算(suàn)

其它方法：基于聚焦變化(huà)的(de)♥Ω∑×深度圖像獲取；基于雙目視(shì)覺的(de)測量

 

圖像序列

背景估計(jì)；光(guāng)流分(fēn)析

 

Sockets的(de)網絡傳輸

在HALCON處理(lǐ)器(qì)之間(jiān)變換圖像，♣₽"區(qū)域，XLD（輪廓數(shù)據）及控制(zhì)參數(shù)

 

串口

讀(dú)取或寫入數(shù)據。

 

支持文(wén)件(jiàn)格式

AVI，二進制(zhì)，BMP，GIF，JPEG，JPEG-2000，PCX，PNG，PNM，Sun-Raster,TIFF,XWD