药片专题

OpenCV实战 -- 维生素药片的检测记数

文章目录 检测记数原图经过操作开始进行消除粘连性--形态学变换总结实现方法1. 读取图片:2. 形态学处理:3. 二值化:4. 提取轮廓:5. 轮廓筛选和计数: 分水岭算法:逐行解释在基于距离变换的分水岭算法中,二值化操作是为了得到`sure_fg`(肯定是前景的区域),以便将其用作分水岭算法的标记点。这个过程涉及以下几步: 读取图片 形态学处理 二值化 提取轮廓

Halcon深度学习药片检测

1.应用示例思路 (1) 标注数据并获取halcon字典形式的训练数据;(2) 数据预处理; (3) 模型训练;(4) 模型评估和验证;(5) 模型推理。 数据的标注使用labelimg工具,具体的参考以下博文: https://blog.csdn.net/ctu_sue/article/details/127280183  2.应用示例相关参数说明 (1) 创建目标检测模型(crea

halcon瑕疵检测-光度立体法检测药片包装背面的缺陷

在工业领域,表面检测是一个非常广泛的应用领域。在halcon中,使用增强的光度立体视觉方法,三维表面检测被加强。利用阴影可方便快速的检测物体表面的缺口或凹痕。使用光度立体视觉方法可在复杂图像中轻松找到表面缺陷。药片包装的背面,不平整并且还有很多文字。此示例便是使用光度立体法,检测药片包装背面的缺陷。 示例代码如下: * 该示例通过使用光度立体技术检测药片包装背面的缺陷 * 输入是4