Index:.../Image/Features/gray_histo_range.hdev
這個實在沒啥好說的，看名字就知道了，畫灰度直方圖。。
index:.../3D-Object-Model/Segmentation/Fit_primitives_object_model_3d.hdev * *****************************************
Index:.../Applications/OCR/find_text_bottle_label.hdev read_ocr_class_mlp ('DotPrint', OCRHandle) 先創建一個ocr class mlp
Applications/Completeness-Check/inspect_solar_fingers.hdev read_image (Image, ImageName + Index$'02') decompos
Index:.../Matching/Shape-Based/find_shape_model_max_deformation.hdev 這個程序作了一個對比 for Search := 1 to 2 by 1
Index:.../Applications/Measuring-3D/intersect_lines_of_sight_targets.hdev 直接上圖，大概意思就是這個。具體代碼不復雜拿來用即可。
Index:.../Applications/Robot-Vision/locate_pipe_joints_stereo.hdev part1讀取多視點立體設置的參數 創建多視點立體模型，對其進行初始化，並清除攝像機設置，不再是必需
Index:.../Applications/OCR/generate_system_font.hdev 就是講訓練了win系統裏面的Arial字體，然後後面做了一系列simulate和test 很費時間，我只運行了一遍看看，其實多數字
函數：基於形狀模型匹配，模型旋轉360度對圖形進行匹配 算子： 1.gen_contours_skeleton_xld(Skeleton : Contours : Length, Mode : )：將輸入骨架轉成輪廓 參數： Lengt
函數：根據航拍圖像提取道路 該函數是根據lines_gauss算子提取輪廓線，在根據輪廓線提取平行線，最後判斷滿足條件的平行線即默認爲是道路。 RDB(Ramer–Douglas–Peucker)：減少線段中的點。該算法遞歸進行，首先設定
基於樣本的識別，通過一些圖片作爲樣本訓練之後在識別相同物體，每張圖片是一種物體 1.獲取樣本圖片 p_do_apply_sample_identifier_wine_bottle分析獲取ImageFileNames圖片，通過正則表達式獲取
函數： 根據原始網格與校正後的網格生成映射Map，在對圖像應用映射校正圖像，識別圖像中的條形碼 鞍點：一個不是局部極值點的駐點稱爲鞍點 駐點：函數在一點處的一階導數爲零 效果圖： 算子： 1.find_rectification_gri
函數： 通過算子lines_gauss提取圖像中的XLD 算子： 1.lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, C
函數： 對圖像進行拼接，拼接步驟：1.讀取圖像 2.計算特徵點 3.計算變換矩陣 4.拼接 效果圖： 算子： 1.change_radial_distortion_cam_par( : : Mode, CamParamIn, Disto
函數： 當相機與物體平面不在同一個平面內是，通過shape-base對物體進行識別，首先通過標定獲取相機的參數，通過set_origin_pose算子對位姿進行移動，去掉標定版的厚度。根據標定獲取到的參數生成投影映射，對應用映射的圖像進行
函數：測量鋼球的半徑 根據圖像通過fast_threshold閾值分割算子獲取鋼球的區域，獲取區域的邊界region，剪切邊界，通過邊界裁剪圖像，對裁剪的圖像進行輪廓線提取。最後通過提取的輪廓線擬合圓 效果圖： 算子： 1.bounda
