【HALCON】add_metrology_object_generic 関数について - 汎用計測オブジェクトを追加

HALCONのadd_metrology_object_generic関数は、2D計測モデルに対して円、楕円、矩形、直線などの汎用計測オブジェクトを追加するための関数です。これにより、画像中の特定のオブジェクトや領域の正確な計測が可能になります。さまざまな形状に対応しており、複数の計測オブジェクトを同時に扱うこともできます。

【HALCON】add_metrology_object_line_measure 関数について - 直線計測オブジェクトを追加

HALCONのadd_metrology_object_line_measure関数は、2D計測モデルに対して直線の計測オブジェクトを追加するための関数です。始点と終点の座標を指定し、エッジ検出を行うことで画像中の直線の正確な計測が可能になります。計測領域やエッジ検出の設定も柔軟に調整可能です。

【HALCON】add_metrology_object_rectangle2_measure 関数について - 矩形計測オブジェクトを追加

HALCONのadd_metrology_object_rectangle2_measure関数は、2D計測モデルに対して矩形の計測オブジェクトを追加するための関数です。中心座標、角度、半辺長に基づき、画像中の矩形の正確な計測が可能です。製品検査や幾何学的計測において、複数の矩形領域を効率的に計測する用途に適しています。

【HALCON】add_noise_distribution 関数について - ノイズを追加する

HALCONのadd_noise_distribution関数は、指定されたノイズ分布に基づいて画像にノイズを追加する機能を提供します。この関数を使用すると、特定のノイズパターンをシミュレーションし、画像の品質や処理に対するノイズの影響を検証することが可能です。使用方法、引数、応用例を詳しく解説します。

【HALCON】add_noise_white_contour_xld 関数について - XLD輪郭に白色ノイズを追加

HALCONのadd_noise_white_contour_xld関数は、指定された振幅の白色ノイズをXLD輪郭に追加し、ランダムに輪郭を変化させます。各ポイントに対して回帰線を計算し、その線に垂直な方向にノイズが追加されます。この関数は、システムのノイズ耐性を評価し、画像処理アルゴリズムの性能テストに使用されます。

【HALCON】add_noise_white 関数について - 白色ノイズを画像に追加

HALCONのadd_noise_white関数は、指定された振幅の白色ノイズを画像に追加するための機能を提供します。白色ノイズはランダムに分布し、ノイズの強度は振幅によって調整されます。この関数は、システムの耐性テストや画像処理アルゴリズムの性能評価に活用されます。

【HALCON】add_sample_class_gmm 関数について - GMMにサンプルを追加

HALCONのadd_sample_class_gmm関数は、Gaussian Mixture Model (GMM) にトレーニングサンプルを追加するための関数です。この関数を使用して、サンプルの特徴ベクトルとクラスIDを指定し、GMMに新しいデータを追加することができます。画像分類やデータ分析において、サンプルを増やしてモデルを強化する場面で活用されます。

【HALCON】add_sample_class_knn 関数について - k-NN分類器にサンプルを追加

HALCONのadd_sample_class_knn関数は、k-Nearest Neighbors (k-NN) 分類器に新しいサンプルを追加するために使用されます。特徴ベクトルとクラスIDを指定してデータを追加し、モデルの分類精度を向上させることが可能です。画像分類タスクや機械学習において、効果的にモデルを改善できます。

【HALCON】add_sample_class_mlp 関数について - MLPにサンプルを追加

HALCONのadd_sample_class_mlp関数は、Multilayer Perceptron (MLP) に新しいトレーニングサンプルを追加するための関数です。特徴ベクトルとターゲットベクトルを指定し、MLPモデルに新しいデータを供給して学習を進めます。モデルの精度向上やデータの多様性を持たせるために使用され、画像分類や回帰に利用されます。

【HALCON】add_sample_class_svm 関数について - SVMにサンプルを追加

HALCONのadd_sample_class_svm関数は、Support Vector Machine (SVM) に新しいトレーニングサンプルを追加するための関数です。特徴ベクトルとクラスを指定し、SVMモデルに新しいデータを追加することで分類精度を向上させることが可能です。モデルの性能改善や大規模データセットの処理に役立ちます。