python网站开发源码,深圳小程序服务商,python搭建wordpress,wordpress xml插件下载VisionPro Blob、条码识别、OCR 核心学习笔记一、Blob 斑点分析工具#xff08;CogBlobTool#xff09;1. 核心概述定义#xff1a;基于灰度阈值分割#xff0c;将图像分为前景#xff08;斑点#xff09;和背景#xff0c;提取并分析图像中的二维连通区域。核心输出属性…VisionPro Blob、条码识别、OCR 核心学习笔记一、Blob 斑点分析工具CogBlobTool1. 核心概述定义基于灰度阈值分割将图像分为前景斑点和背景提取并分析图像中的二维连通区域。核心输出属性面积、质心X/Y、周长、主轴角度、外接矩形、圆度、孔洞数等。适用场景目标形状 / 尺寸差异大无法用模板匹配PMA训练目标与背景灰度差异明显高对比度目标无重叠、无接触独立分布典型应用药片检测、胶点检测、墨点定位、尺寸分类。2. 核心原理图像分割按设定的灰度规则将像素分为「斑点前景」和「背景」两类连通域分析按邻域规则4/8 邻域合并连通像素形成独立 Blob特征计算对每个 Blob 计算面积、质心、形状等特征结果筛选按特征范围如面积 1000-5000过滤无效 Blob。3. 关键参数详解1极性Polarity定义斑点与背景的灰度关系决定哪部分是目标黑底白点背景为黑色低灰度斑点为白色高灰度白底黑点背景为白色高灰度斑点为黑色低灰度特殊斑点内的孔洞白色斑点中的黑色区域会被识别为「孔」支持拓扑分析。2阈值与分割模式核心分割是 Blob 的第一步决定能否正确提取目标VisionPro 提供6 种分割算法分为硬阈值、软阈值、相对阈值、动态阈值四大类分割类型算法名称核心原理适用场景优缺点硬阈值固定硬阈值一刀切灰度阈值 斑点阈值 背景或反之图像灰度呈双峰分布目标与背景灰度区分明显光照稳定速度最快配置简单光照变化时极易失效相对硬阈值按像素占比分割取灰度直方图中前 N% 像素为斑点不受绝对灰度影响光照线性变化整体变亮 / 变暗但目标与背景占比固定抗光照变化强无需手动调阈值速度略慢于固定阈值动态硬阈值基于直方图自动计算最优阈值最小化类间方差双峰分布图像不想手动调阈值光照轻微波动自适应强无需固定阈值非双峰图像分割效果差软阈值固定软阈值分三部分斑点、背景、过渡区过渡区按权重归属目标与背景间有模糊过渡如渐变、毛边分割更细腻减少边缘误判计算量更大相对软阈值结合相对占比 软过渡抗光照 兼容过渡区光照变化 边缘模糊的场景兼顾抗光照与边缘精度配置复杂关键区别硬阈值非黑即白无过渡软阈值允许过渡区按权重分配固定阈值依赖绝对灰度速度快相对阈值依赖像素占比抗光照强。3连通性Connectivity定义像素如何判定为「连通」直接影响 Blob 数量8 邻域目标默认上下左右 4 个斜对角只要相邻包括斜角就算连通4 邻域背景默认仅上下左右斜对角不算连通示例斜向排列的像素8 邻域算 1 个 Blob4 邻域算多个独立 Blob。4形态学操作Morphology对分割后的二值图像做预处理优化 Blob 形状膨胀白色区域斑点变大填补小孔洞腐蚀白色区域变小消除细小毛刺开闭运算先腐蚀后膨胀开运算去毛刺、先膨胀后腐蚀闭运算填孔洞注意无论极性如何形态学操作始终针对白色区域。5测得尺寸与筛选可添加面积、周长、圆度、长宽比等测量属性支持按范围筛选如面积 1000~5000、圆度0.8勾选属性越多工具运行速度越慢按需选择。6拓扑Topology识别「斑点、孔、孔中斑点」三级结构适用于带孔洞的目标如垫片、环形工件可统计孔洞数量、孔洞面积。4. 标准操作流程加载图像添加CogBlobTool设置极性黑底白点 / 白底黑点选择分割模式光照稳定选固定硬阈值光照变化选相对硬阈值调整阈值 / 占比预览分割效果确保目标完整、无背景干扰按需添加形态学操作去毛刺 / 填孔洞设置测量属性与筛选范围如面积、圆度运行工具查看有效 Blob 结果。5. 核心总结Blob 核心是灰度分割 连通域分析依赖高对比度光照稳定用固定硬阈值最快光照变化用相对硬阈值最稳8 邻域适合连续目标4 邻域适合分离目标形态学用于优化二值图像筛选用于剔除无效斑点。二、条码识别CogIDTool1. 一维码 vs 二维码1一维码线性条码仅在宽度方向存储数据长度方向无信息常见类型Code 128全 ASCII高密度、Code 39字母 数字、UPC/EAN零售商品、Codabar、POSTNET邮政特点数据量小仅存数字 / 字母需静区空白区易污损失效。2二维码二维条码长度 宽度均存储数据含定位点与容错机制常见类型QR Code通用、Data MatrixDPM 首选、PDF417堆叠式、汉信码特点数据量大可存文本、链接、图片360° 可读污损 / 残缺仍可解码容错。3DPM直接元件标记直接在产品表面标记条码激光、喷墨、打点、蚀刻无标签首选码型Data Matrix、QR Code适用汽车、航空、电子元件的全生命周期追溯。2. 条码等级ISO 标准按 ISO/IEC 15416一维、15415二维、TR 29158DPM分为 5 级A 级最高质量全环境可读B/C 级通用商业场景超市、物流D 级质量差仅特定设备可读F 级无法识别需重打 / 更换。3. CogIDTool 核心优势VisionPro 新一代通用读码工具替代传统 Barcode/2DSymbol 工具核心能力同时支持一维码 二维码无需分开工具同图可识别多种一维码、多个同类型二维码支持高旋转、透视变形、污损条码两种解码算法IDQuick快速适合高质量、高对比度条码IDMax默认鲁棒性强适合低质量、污损、变形条码。4. 图像要求1一维码码宽50 像素模块宽度50 像素模块宽度1.6 像素非线性码、2.5 像素邮政码必须有静区对比度32像素高宽比≤1.35:1。2二维码四周有等宽静区即可要求更低支持 DPM、模糊、变形码。5. 结果输出成功解码后输出解码字符串核心数据码中心 X/Y、旋转角度弧度 / 角度四个角点坐标码类型、ISO 标准信息。6. 操作流程加载图像添加CogIDTool选择解码算法默认 IDMax勾选支持的码型一维 / 二维码框选 ROI缩小识别范围提升速度运行工具查看解码结果与码位置。三、OCR 字符识别CogOCRMaxTool1. 核心概述基于字符分割 模板匹配读取图像中的印刷 / 雕刻字符应用场景生产日期、序列号、批次号、型号等字符读取。核心流程字符分割 → 字符训练建库 → 字符识别 → 结果输出。2. 关键步骤1字符分割将字符从背景中分离并将连续字符切分为单个字符核心参数阈值、字符最小 / 最大宽度、字符间距、行间距目标每个字符独立分割无粘连、无断裂。2字符训练建库工具默认无字符库需手动添加所有待识别字符0-9、A-Z、符号等支持从图像提取字符、手动输入字符、加载已有字符库要求字符库包含所有可能出现的字符否则无法识别。3识别与参数调整调整 ROI、方向训练与识别方向必须一致多行字符需多个 OCR 工具分别处理字符位置不确定时先通过 PMA/Blob 定位再将 OCR ROI 绑定定位结果。3. 核心参数ROI 区域框选字符所在区域减少干扰区段参数字符宽度、间距、行高控制分割效果阈值分离字符与背景字体库保存 / 加载训练好的字符集复用项目。4. 操作流程加载图像添加CogOCRMaxTool框选 ROI设置字符方向调整阈值与分割参数确保字符正确分割提取字符建立字符库添加所有待识别字符运行工具查看识别结果保存字符库便于复用。5. 注意事项多行字符每个行对应一个 OCR 工具位置不确定先定位PMA/Blob再做 OCR方向一致训练字符的方向与识别方向必须相同字符库可保存为文件跨项目加载复用。四、三大工具适用场景对比工具类型核心能力适用目标依赖条件典型应用Blob灰度分割 形状分析二维连通区域斑点、孔洞高对比度、无重叠、形状 / 尺寸差异大药片、胶点、墨点、尺寸分类CogIDTool一维 / 二维码解码条码、二维码有清晰条码 / 二维码、满足最小像素 / 对比度商品追溯、DPM 元件、物流标签CogOCRMaxTool字符识别印刷 / 雕刻字符数字、字母、符号字符清晰、可分割、有字符库生产日期、序列号、型号读取需要我把这份笔记整理成可直接复制的结构化速记版吗方便你快速查阅核心参数和操作流程。