本文目录

1. 拍照识物app哪个最好最准确
2. 苹果手机怎么识别图片物品
3. ps一个物体怎么快速识别主题
4. 如何用LabVIEW做颜色识别

拍照识物app哪个最好最准确

使用拍照识物app可以帮助用户轻松了解自己所不认识的物体、品牌或是人物，这里为大家整理了一些拍照识物app，拥有非常强大的智能识物功能，支持植物识别、人物是被、物体识别等等，只需拍照扫一扫，可以快速了解你所想要知道的内容，线上识别，轻松获取信息，感兴趣的小伙伴快来下载这些拍照识物app吧！

苹果手机怎么识别图片物品

苹果手机识别图片物品方法如下：

向上轻扫照片或轻点。

轻点出现在照片中或照片信息结果顶部的图标,以查看有关物体的Siri知识和更多信息。轻点,然后轻点照片以关闭“看图查询”结果。

ps一个物体怎么快速识别主题

你先升个ps2019，去简易下载站下载也行，然后在选择主题

如何用LabVIEW做颜色识别

C#调用NI的库函数实现颜色识别检测（在halcon环境下）

一直使用C#+halcon进行视觉算法的开发，但是遇到了一个非常普遍的需求，对物体进行颜色识别。在halcon中颜色识别主要分两种方式，一种为进行色域转化，由RGB转换为HSV后根据颜色表在H或者其他通道中对不同的颜色值进行区分，此种方式缺点是在进行建模时必须知道目标ROI的H通道值，且与其他ROI的值差别较大，不然非常容易误报。另一种方法即建立分类器，使用mlp或者gmm进行训练，然后将要识别的区域给分类器让其判断，这其中有一个缺点为，在建立分类器时必须知道当前有几种颜色，然后建立起对应输出的分类器，并且再有样本添加进入时也必须按同时将这几种颜色都加入进去（即使当前状态只有一种颜色出现差异需要再训练），同时，也不能再追加一种新的颜色。

在LabView的Vision模块中，有直接的颜色匹配模式，即将选定的ROI区域划分为16个向量再与检测的ROI作比较，识别较为准确。故本文介绍在C#环境下调用LV中的颜色识别函数，显示窗口依然使用halcon的HWindowControl（毕竟主要的开发算法还是在halcon下写的，并且个人感觉LV的图像显示窗口做的并不好，杂乱！）。

首先，调用LV需要先安装labview并且安装visionassistan模块,安装好后在其安装路径下有两个dll，分别为NationlInstryments.Vision.dll和NationlInstryments.Vision.Common.dll，同时引用halcondonet.dll(halcon的dll)，找不到在哪的可以使用软件everything进行搜索。在自己的工程中引用这两个dll，同时引用namespace,添加halcon图像显示窗口，使用该文章中https://blog.csdn.net/qizijuesha/article/details/77400312的封装后的显示窗口：

usingNationalInstrumens.Vision

usingNationInstruments.Vision.Analysis;

usingHalconDotNet;

下面上代码：

privateVisionImagemyVisionImage=newVisionImage();//VisionImage作为LV库函数中的图像输入

//从本地读取图像

privatevoidbuttonReadImage_Click(objectsender,EventArgse)

{

ImagePreviewFileDialogimageDialog=newImagePreviewFileDialog();

imageDialog.InitialDirectory="D:\\";

imageDialog.Filter="AllFiles(*.*)";

if(imageDialog.ShowDialog()==DialogResult.OK)

{

stringimagePath=imageDialog.FileName;

LoadSelectedImage(imagePath);//使用LV读取图像

}

}

privatevoidLoadSelectedImage(stringimagePath)

{

myVisionImage.ReadFile(imagePath);

myVisionImage.Type=ImageType.Rgb32;//次句一定要加上，不然在进行识别时报错，默认读取进入后是U8单通道格式

}

在halcon窗口上进行roi的划定

privateHObjectGetModelDrawRegion(HObjectdrawImage,refHTuplehv_Row1,refHTuplehv_Column1,refHTuplehv_Row2,refHTuplehv_Column2)

{

HObjectho_ModelRegion,ho_TemplateImage,ho_RegionSelect,ho_RegionUnion,ho_RegionModel;

HObjectho_ModelContours,ho_TransContours=null;

HTuplehv_TempHomMat2D=newHTuple();

HTuplehv_HomMat=newHTuple();

//初始化本地变量值

HOperatorSet.GenEmptyObj(outho_ModelRegion);

HOperatorSet.GenEmptyObj(outho_TemplateImage);

HOperatorSet.GenEmptyObj(outho_ModelContours);

HOperatorSet.GenEmptyObj(outho_TransContours);

HOperatorSet.GenEmptyObj(outho_RegionSelect);

HOperatorSet.GenEmptyObj(outho_RegionUnion);

HOperatorSet.GenEmptyObj(outho_RegionModel);

try

{

HObjectho_temp_brush=newHObject();

hWindow_Final1.DrawModel=true;//缩放功能禁用

HOperatorSet.SetSystem("border_shape_models","false");

ho_ModelRegion.Dispose();

HalconToolClass.set_display_font(hWindow_Final1.hWindowControl.HalconWindow,10,"mono",newHTuple("true"),newHTuple("false"));

HalconToolClass.disp_message(hWindow_Final1.hWindowControl.HalconWindow,"在窗口中将MARK1点位置框出,点击右键完成","window",20,20,"red","false");

hWindow_Final1.Focus();

HOperatorSet.SetColor(hWindow_Final1.hWindowControl.HalconWindow,"red");

HOperatorSet.DrawRectangle1(hWindow_Final1.hWindowControl.HalconWindow,outhv_Row1,outhv_Column1,outhv_Row2,outhv_Column2);

HOperatorSet.GenRectangle1(outho_ModelRegion,hv_Row1,hv_Column1,hv_Row2,hv_Column2);

hWindow_Final1.DrawModel=false;

if(hv_Row1.D!=0)

{

brush_region.Dispose();

brush_region=ho_ModelRegion;

}

else

{

hWindow_Final1.HobjectToHimage(drawImage);

HalconToolClass.set_display_font(hWindow_Final1.hWindowControl.HalconWindow,20,"mono",newHTuple("true"),newHTuple("false"));

HalconToolClass.disp_message(hWindow_Final1.hWindowControl.HalconWindow,"未画出有效区域","window",20,20,"red","false");

}

HalconToolClass.set_display_font(hWindow_Final1.hWindowControl.HalconWindow,20,"mono",newHTuple("true"),newHTuple("false"));

hWindow_Final1.DispObj(ho_ModelRegion,"yellow");

ho_TemplateImage.Dispose();

HOperatorSet.ReduceDomain(drawImage,ho_ModelRegion,outho_TemplateImage);

}

catch

{

MessageBox.Show("划定模板框出错！");

}

finally

{

ho_ModelRegion.Dispose();

}

returnho_TemplateImage;

}

划定好ROI后进行颜色的学习，并将学习完毕的颜色向量存入数据库

privatevoidbuttonRecColor_Click(objectsender,EventArgse)

{

HTuplehv_Row1=null,hv_Column1=null,hv_Row2=null,hv_Column2=null;

HObjectho_ModelRegion;

ho_ModelRegion=GetModelDrawRegion(halconImage,refhv_Row1,refhv_Column1,refhv_Row2,refhv_Column2);

double[]lvRoi=ConvertHalconToLV(hv_Row1,hv_Column1,hv_Row2,hv_Column2);//在halcon中矩形的存储为左上行列坐标，右下行列坐标；

//而在LV中，矩形存储方式为中心行列坐标，weight和height长

//查询插入语言

sqlCommand="INSERTINTOroi_rec_inf(id,left_top_row,left_top_column,right_bottom_row,right_bottom_column)SELECT(SELECTMAX(id)FROMroi_rec_inf)+1,'"+hv_Row1+"','"+hv_Column1+"','"+hv_Row2+"','"+hv_Column2+"';";

mySqlClass.UsualSqlCommand(sqlCommand);

RectangleContourrectangle=newRectangleContour(lvRoi[0],lvRoi[1],lvRoi[2],lvRoi[3]);//矩形

RoirectangleRoi=rectangle.ConvertToRoi();

//该函数为调用的LV中学习颜色的函数，ROI使用halcon窗口中画出的ROI，若此时不存入数据库，也可直接使用colorInformation进行颜色识别

ColorInformationcolorInformation=Algorithms.LearnColor(myVisionImage,rectangleRoi,ColorSensitivity.Low,(int)80);

sqlCommand=@"INSERTINTOcolor_match(

rec_id,color1,color2,color3,color4,color5,color6,color7,color8,color9,color10,color11,color12,color13,color14,color15,color16)

SELECT(SELECTMAX(id)fromroi_rec_inf),

'"+colorInformation.Information[0]+"','"+colorInformation.Information[1]+"','"+colorInformation.Information[2]+"','"+colorInformation.Information[3]+"','"+colorInformation.Information[4]+"','"+colorInformation.Information[5]+"','"+colorInformation.Information[6]+"','"+colorInformation.Information[7]+"','"+colorInformation.Information[8]+"','"+colorInformation.Information[9]+"','"+colorInformation.Information[10]+"','"+colorInformation.Information[11]+"','"+colorInformation.Information[12]+"','"+colorInformation.Information[13]+"','"+colorInformation.Information[14]+"','"+colorInformation.Information[15]+"'";

mySqlClass.UsualSqlCommand(sqlCommand);//插入颜色数据

}

privatedouble[]ConvertHalconToLV(HTuplehv_Row1,HTuplehv_Column1,HTuplehv_Row2,HTuplehv_Column2)

{

doublewidth=0,height=0;

if(hv_Row2>hv_Row1)

{

width=hv_Row2-hv_Row1;

}

if(hv_Column2>hv_Column1)

{

height=hv_Column2-hv_Column1;

}

double[]lvRoi={hv_Column1,hv_Row1,width,height};//需要传出的左上横纵坐标及宽，长信息

returnlvRoi;

}

现在进行图像颜色识别，给定要识别的ROI区域及对应的图像和之前保存的颜色向量，函数返回匹配分值

privatevoidMatchColor(HObjectimageMatch)

{

VisionImagemyImage=newVisionImage();

myImage.Type=ImageType.Rgb32;

LoadSelectedImage("F:\\tempImage.jpeg",refmyImage);

double[]lvROI=ConvertHalconToLV(Convert.ToDouble(dtSelect.Rows[0]["left_top_row"].ToString()),Convert.ToDouble(dtSelect.Rows[0]["left_top_column"].ToString()),Convert.ToDouble(dtSelect.Rows[0]["right_bottom_row"].ToString()),Convert.ToDouble(dtSelect.Rows[0]["right_bottom_column"].ToString()));

RoirectangleRoi=newRoi(newRectangleContour(lvROI[0],lvROI[1],lvROI[2],lvROI[3]));//矩形

qlCommand="SELECTcolor1,color2,color3,color4,color5,color6,color7,color8,color9,color10,color11,color12,color13,color14,color15,color16FROMcolor_matchWHERErec_id='"+Convert.ToInt32(dtSelect.Rows[0]["id"].ToString())+"';";

DataTabledtColor=mySqlClass.SelectDataUsual(sqlCommand);

double[]colorValue=DTConvertToDouble(dtColor);

ColorInformationmyColorInformation=newColorInformation(newCollection<double>(colorValue));

Collection<int>scores=Algorithms.MatchColor(myImage,myColorInformation,rectangleRoi);

if(scores[0]<700)

{

DoNGSomething(Convert.ToInt32(dtSelect.Rows[0]["id"].ToString()));

richTextBox1.Text="NG";

}

else

{

DoOKSomething(Convert.ToInt32(dtSelect.Rows[0]["id"].ToString()));

richTextBox1.Text="OK";

}

}

总结：

先在halcon窗口上划定ROI区域，将此ROI转换为LV中Roi类型，然后调用ColorInformation=Algorithms.LearnColor(image,roi,low,threshold)方法，该函数返回16行向量值ColorInformation即为该区域的颜色分布

给定ROI区域（同样在halcon中划定并进行转换)，调用Algorithms.MatchColor(image,ColorInformation,roi)进行指定区域的颜色识别，该方法返回一个匹配分值

在给定image值时，一定要将其typeImage类型设定为RGB32

OK，本文到此结束，希望对大家有所帮助。