WPF+Halcon 培训项目实战(1-5):Halcon安装,图像处理,Halcon简单模板匹配

文章目录

前言

为了更好地去学习WPF+Halcon,我决定去报个班学一下。原因无非是想换个工作。相关的教学视频来源于下方的Up主的提供的教程。这里只做笔记分享,想要源码或者教学视频可以和他联系一下。

相关链接

微软系列技术教程 WPF 年度公益课程
Halcon开发 CSDN博客专栏
个人学习的Gitee 项目地址仓库

项目专栏

WPF+Halcon实战项目

我个人对就业市场的评价

  • 前后端:
    • 竞争太激烈:基本是的人都会。
    • 技术栈太多:前后端的技术太多了。没有统一。而且技术一直在更新
    • 互联网下行:经济下行,互联网缩招,根本没有那么多的岗位
    • 生态挤占:Java才是后端的主流,C# 不可能打破Java的垄断地位。
  • 上位机:
    • 技术清晰。语言就两个,C+++C#。开发框架就3个,QT+Winfrom/WPF。
      • QT:C++和跨平台。高性能,开发周期长
      • Winfrom:简单,但是界面比较丑
      • WPF:好看,但是学习成本高。但是WPF在设计之初的时候已经基本完美了,而且基本不再更新,学一次,用一辈子。

目前看看WPF+Halcon我能不能找到工作。哎,不清楚啊。至少能有个10k吧,如果有12K那就更好了。

Halcon安装

halcon-20.11-windows安装教程

实战1-4:Halcon基础

这里就不展开了,可以看我之前的专栏博客

Halcon开发 CSDN博客专栏

实战5:模板匹配形状匹配

模板匹配就是找类似的图形。我们可以打开Halcon的教学案例,可以看到有很多的模板匹配案例。这里由于我们只是了解一下模板匹配,这里我们就不展开说明了。

实战代码

测试图片

c 复制代码
* 读取文件
read_image (Image, '1.png')
dev_close_window ()
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
dev_display (Image)

* 选择矩形ROI
* 绘制矩形获取参数
draw_rectangle1 (WindowHandle, Row1, Column1, Row2, Column2)
* 矩形参数转矩形
gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2)
* 使用矩形截取图形
reduce_domain (Image, Rectangle, ImageReduced)

* 重新覆盖图形
dev_display (Image)

* 创建匹配模板
* 创建模板文件,默认是弧度制,可以使用rad将度数转弧度,旋转弧度为0-180
create_shape_model (ImageReduced, 'auto', rad(0),rad(180), 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
* 使用模板匹配文件,获取匹配结果数组,旋转弧度为0-180
find_shape_model (Image, ModelID, rad(0),rad(180), 0.5, 0, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)
* 循环数组输出
tuple_length (Score, Length)
for Index := 0 to Length-1 by 1
    disp_cross (WindowHandle, Row, Column, 20, 0)
    disp_message (WindowHandle, 'Score:'+Score[Index], 'window', Row[Index], Column[Index]+100, 'black', 'true')
endfor


结尾

我们后面会将Halcon的代码转到WPF代码中。Halcon代码只是用来一个简单的WPF测试案例,之后可以替换成任意的Halcon代码。

相关推荐
用户2527362781414 分钟前
【踩坑复盘】我在本地跑 RAG 知识库时踩了 5 个大坑,吐血整理避坑指南
人工智能
大模型真好玩15 分钟前
LangChain DeepAgents 速通指南(九)—— 生产级智能体框架 DeepAgents Code 源码导读
人工智能·langchain·agent
用户018349301692 小时前
用Zustand管理AI多会话状态
人工智能
武子康5 小时前
调查研究-198 Agent 到底该记住什么?读懂《What Must Generalist Agents Remember?》
人工智能·openai·agent
aqi005 小时前
15天学会AI应用开发(九)利用Chroma持久化向量数据
人工智能·python·大模型·ai编程·ai应用
武子康7 小时前
调查研究-197 FAISS vs Elasticsearch 全面对比:从向量检索、全文搜索到 RAG 选型指南
人工智能·elasticsearch·agent
青禾网络7 小时前
Web 前端如何接入 AI 音效生成:从零到可用的完整方案
人工智能·设计模式
用户252736278147 小时前
【技术实战】用 Spring Boot + Vue3 + LM Studio 在本地跑通 RAG 知识库
人工智能
用户5191495848457 小时前
VBScript随机数生成器内部机制:从时间种子到密码令牌破解
人工智能·aigc