1. Halcon与Python结合的工业视觉开发入门
第一次接触Halcon是在2013年做LCD面板缺陷检测项目时,当时就被它强大的图像处理能力震撼。如今Halcon 25.11版本对Python的支持更加完善,这让传统工业视觉开发有了更灵活的解决方案。本文将基于最新版本,带你从零开始搭建Halcon+Python的开发环境,并实现一个简单的缺陷检测示例。
工业视觉领域有个不成文的规矩:能用Halcon实现的算法,绝不用OpenCV重写。这不仅因为Halcon有超过2000个优化过的视觉算子,更因为其稳定的工业级性能。而Python作为胶水语言,能极大提升开发效率。两者结合,既保留了Halcon的计算性能,又获得了Python的快速迭代优势。
提示:本文使用的Halcon版本为25.11(2024年3月发布),Python版本建议3.8以上。商业项目需注意Halcon的License限制。
1.1 开发环境配置实战
在Windows 10系统下,我推荐使用conda创建独立环境:
bash复制conda create -n halcon python=3.8
conda activate halcon
pip install halcon==25.11.0.0 # 官方PyPI包
安装完成后验证环境:
python复制import halcon as ha
print(ha.HSystem().get_system_info())
常见安装问题排查:
- 报错"can not find feature in the license":检查halcon.lic文件是否在正确路径(默认C:\Program Files\MVTec[HAL](https://taotoken.net/?utm_source=ai)CON-25.11\license)
- Dll加载失败:确保PATH环境变量包含Halcon的bin目录(如C:\Program Files\MVTec\HALCON-25.11\bin\x64-win64)
1.2 基础图像处理流程
以典型的表面划痕检测为例,完整代码框架如下:
python复制def detect_scratch(image_path):
# 初始化
win = ha.HWindow(0, 0, 800, 600)
image = ha.HImage().read_image(image_path)
# 预处理
gray = image.rgb1_to_gray()
median = gray.median_image('circle', 3, 'mirrored')
# 缺陷提取
edges = median.edges_image('canny', 1.5, 20, 40)
