halcon和opencv哪个好用

1、开发语言对比

OpenCV开发语言是C++、C#（emgu）、Python、Ruby、MATLAB等语言；Halcon开发语言是C，C++，C#，Visual basic和Delphi等语言。

2、应用场合对比

OpenCV侧重计算机视觉领域，侧重研究领域；Halcon侧重机器视觉领域，侧重应用领域。

3、开放性及版本更新速度对比

OpenCV开源（可看底层源码），版本和功能更新慢；Halcon商业软件（底层代码封装），版本和功能更新快。

4、对使用者的门槛对比

OpenCV偏科研，有难度，有深度，完全从底层开发，对使用者门槛高，开发效率低，开发慢；Halcon偏工程应用，使用封装好的功能函数，对使用者门槛低，开发效率高，开发快

5、资料及技术支持对比

OpenCV资料少。遇到问题，难以获得技术支持；Halcon资料多。遇到问题，可以及时、有效地获得技术支持。

灰度直方图是图像中像素灰度集的一种统计反应。它能够描述图像中灰度的分布情况，直观地展现出图像中灰度所占多少。直方图横轴表示像素的灰度范围（比如说 0~255），纵轴表示的是像素的数量或者密度。亮暗、对比度、图像中的内容不同，直方图的表现也会不同。本文主要参考《冈萨雷斯》一书。

有的图像的灰度分布不均匀，出现过亮过暗，或者对比度过低的情况，这样的图像细节不明显，在肉眼观察时会丢失一些信息。这时可以使用直方图均衡技术对图像进行变换，变成肉眼易于分辨的细节分明的图像。

图像是离散的，所以实际中使用的是离散形式

那么使用上面的公式，就可以将直方图变换成这个样子，这样的图像一般具有比较好的细节表现。

一般来说，直方图均衡能够自动地确定变换函数，且输出结果比较好，当时需要自动增强时是一种好方法。但有的情况下，使用直方图均衡并不是最好的办法。有时候我们可以指定特定的直方图，而不是均匀分布的直方图，并让原图像的直方图变换成我们指定的形式。这个过程称为直方图匹配或者直方图规定化。

在推导过程中，直方图规定化的过程如下：

1对原图像进行直方图均衡。和上面一样。

2对事先规定的直方图也进行均衡。z为最终输出图像像素的灰度值。

我这里做个图解释一下

同样的，写成离散形式。

感觉OpenCV在直方图处理这方面并不怎么走心。这里使用的是另一篇 博客 的类封装和算法实现。

直方图规定化中要注意两点：

References:

《数字图像处理》 —— 冈萨雷斯

图像处理基础(8)：图像的灰度直方图、直方图均衡化、直方图规定化（匹配）

以上就是关于halcon和opencv哪个好用全部的内容，包括:halcon和opencv哪个好用、OpenCV 直方图处理：直方图均衡和规定化（匹配）、等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！