学习halcon没有相机怎么学

先扎实学好理论知识，熟练掌握基础的 *** 作。然后研究实例、做实战项目。

halcon底层功能算法多，运算性能快，开发需要一定软件功底和图像处理理论。halcon不能提供相应的界面编程需求，需要和vs来构造MFC界面或者QT使用，才能构成一套完整软件。做机器视觉的项目，拿到项目时一般遵循如下流程：第一步：需求分析，建立相应的方案；第二步：算法流程规划及业务逻辑设计；第三步：模块化编程及集成化实现；第四步：调试，根据反馈结果来不断的修改程序Bug，达到客户需求，最后交付客户及软硬件 *** 作文档。

学习机器视觉一定要结合项目实战，在实践中学习总结经验教训，系统化学习所需知识。要补充一定的C++知识，进行VS联合开发，客户现场的学习和现场调试，不断学习示例分析，掌握方法套路流程。根据实际问题，学习模块调用，按照方法套路学习。最好是先用HALCON实现图像处理部分，然后在VS2010开发软件中利用MFC图形界面实现出来，实践学习是最好的方法。发展趋势是结合神经网络、深度学习进行相应的人工智能机器视觉开发。

可能原因如下：

stop算子停止HDevelop程序的连续程序执行。如果发生这种情况，即使下面有大量的注释或其他不可执行的程序行，PC（程序计数器）仍停留在stop语句（而不是放在下一个可执行程序行），以便直接显示程序中断的原因。

算子相当于菜单栏中的stop行动（F9)。程序可以通过run (F5）继续。

可以通过在首选项对话框( preferencesdialog）中设置时间参数来重新定义行为。执行不会停止，而是在等待指定的时间段后继续执行。在这段时间内，程序可以被F9中断或者由一个运行命令继续。这由程序窗口第一列中的图标标记。

在VC环境下进行图像处理比在MATLAB下开发运算速度要快，但工作量要大的多，用MATLAB做图像处理，直接调用里面的相关函数就可以完成，而且比较直观，但满足不了在速度上要求比较高的场合。所以在VC环境下直接开发往往是首选，但由于VC只是一个开发环境，直接运用于图像处理的函数还得自己编写添加，所以往往很耗时。随着各类机器视觉软件的开发，各种机器视觉软件包也相继产生，HALCON就是一个比较强大的机器视觉软件，功能比较全，在HDevelop环境下开发比较容易，执行速度也较快。除此之外，HALCON也可以集成到其他开发环境下，这样可以节约底层开发时间，直接有效地运用它的函数库，可以产生很好的效果。下面就结合自己的经验，简单介绍一下在VC环境下如何使用HALCON库。

在VC环境下进行图像处理，往往需要自己写图像处理的类，现在有一些前人写好的类，比如CDib类、DIBAPI类等等，因此可以直接“拿来主义”。HALCON库就相当于一个封装好的类，通过在VC下进行一些简单的设置，我们就可以使用其里面的函数了。下面是在VC环境下如何设置：

1 首先在project－>settings中的Link属性页中添加halconcpplib；

2 其次在project－>settings中的C/C++属性页中的Preprocessor中添加目录$(HALCONROOT)\include,$(HALCONROOT)\include\cpp；

3 然后在project－>settings中的Link属性页中input下来菜单中添加路径$(HALCONROOT)\lib\i586-nt4；

4 最后当然是不要忘了在程序中添加类的头文件了：＃i nclude "HalconCpph"

上面的设置好了，一切OK了。下面就可以在程序中调用HDevelop中的函数了，比如图像增强函数emphasize(hImage, &hRotateImage, 7, 7, 20)等等。我们知道在HDevelop中通常图像是作为一个tuple变量，因此在VC中有必要进行变量转换，例如：

针对灰度图像可以将图像数转换成一个Hobject变量：

gen_image1(&hImage,"byte",WIDTH, HEIGHT,(long)m_pImageBuffer);

针对彩色图像，可以分别取出R、G、B三个分量：

ExtractRGB24Channels(m_pImageBuffer, m_pRed, m_pGreen,m_pBlue);

然后在转换为Hobject变量：

gen_image3(&hImage, "byte", width, height, (long )m_pRed, (long )m_pGreen, (long )m_pBlue);

接下来就可以调用图像处理函数了，比如

图像增强：emphasize(hImage, &hRotateImage, 7, 7, 20); //参数可以调整

阈值化：bin_threshold(hImage,&hRotateImage);

rgb1_to_gray(hImage,&hRotateImage);//转化为灰度图

把处理完的变量转换成到一个buffer中，用于图像显示：get_image_pointer1(hRotateImage,(long )&m_pImageBuffer,Type, &width1, &height1);

但在调用HALCON库函数时也碰到了一些问题，比如在图像旋转中rotate_image(hImage, &hRotateImage, 90, "constant"); 将处理后的变量转换成

get_image_pointer3(hRotateImage, (long )&m_pRed, (long )&m_pGreen, (long )&m_pBlue, Type, &width1, &height1);

ComposeRGB24(m_pRed, m_pGreen, m_pBlue, m_pImageBuffer);

而执行过程中出现错误，get_image_pointer3这个函数报错，Undefined gray value in get_image_pointer3还需解决！

边摸索边进步，在其他环境中的调用还需要试试，比如嵌入式 *** 作系统等等。

创建一个新文件，把help文件拷到其中即可。

在没有安装halcon软件的电脑上运行halcon编写的程序的方法如下。

1、把licensedat文件放到工程文件目录下。

2、把halcondll，halconcppdll文件复制到工程文件目录下。

3、创建C盘，ProgramFiles，MVTec，halcon然后把help文件拷到其中即可。

4、将mindvision内的dll库文件复制粘贴到工程文件目录下。

1、灰度转换-->二值化（硬阈值或者动态阈值处理）-->连通区域-->抠图（reduce_domin）

2、创建一个与原始图像一样大小纯黑色的图像gen_image_const（）

3、将抠图得到的目标图像与创建的纯黑图像拼接，union1（）

4、运用for循环，遍历每个坐标，获取灰度值(get_grayval)，将灰度值等于0的剔除，剩下的就是目标灰度值与对应的坐标。

比价原始的办法，不知道是否有更简单的方法

可以用Halcon建立深度学习模型，并用到实际项目中。

流程大概是使用免费的 Halcon Deeplearing Label Tool制作模型后，导出成 hdl 文件，并在应用程序中用 ApplyDlClassifier 应用模型。

经过测试， ApplyDlClassifer 在第一次运行时，无论数据集有多大，执行时间在500ms左右（AMD 5800X + Nvidia P2200），能够明显感受到卡顿，而在第二次运行时，就感受不到卡顿。所以我考虑，在应用程序启动时，使用线程对模型进行预热。

预热听着高深，其实就是读取模型（ ReadDlClassifier ） 并送入一张空白图。

下面演示我的做法：

21 封装一个自己的Application类

22 我将Halcon算子封装成一个单例类，并使用 getAlgorithmGlobalData 获得这个单例对象。 slotDoModelWarmUp 是这个单例类一个槽函数。

23 在 slotDoModelWarmUp 中开多线程，对模型进行预热。

我将Halcon深度学习算子要用到的变量封装成一个 context 结构体，放在单例类中。为了节约开销，我使用引用，直接获取这个单例对象。这样，在向线程中传参数时，需要一个 std::ref 。

线程函数如下：

classifierHandle 是一个引用变量，这使得我可以直接 *** 控单例类中的数据成员，而不是使用拷贝。

经过测试，在AMD 5800X + Nvidia P2200下，推理速度达到了1166ms。

环境：HALCON-2005-Progress + VS2019

要求：

功能：设置MFC窗口大小，显示Halcon。

MFCApplication1Dlgcpp源程序：

运行结果：

以上就是关于学习halcon没有相机怎么学全部的内容，包括:学习halcon没有相机怎么学、halcon停止扫描、如何在VC环境下使用HALCON库等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！