v1.2.3

.gitignore

@@ -3,4 +3,5 @@
 /include
 /data
 /SaveImg
+/tmp
 .vscode/launch.json

AlgorithmModule/src/ALLImgCheckAnalysisy.cpp

@@ -351,22 +351,6 @@ int ALLImgCheckAnalysisy::GetUpdateParamOut(const std::string &strCamera, Update
 		return 0;
 	}
 
-	// 兜底: 缓存中没有时, 直接按相机名从参数模块实时取一次
-	if (m_pConfigManager != nullptr)
-	{
-		auto itConfig = m_pConfigManager->Config_instances_.find(strCamera);
-		if (itConfig != m_pConfigManager->Config_instances_.end() && itConfig->second)
-		{
-			AnalysisyConfigST analysisyConfig;
-			if (itConfig->second->GetConfig(ConfigType_Analysisy_Common_XL, &analysisyConfig) == 0)
-			{
-				FillUpdateParamOut(analysisyConfig, outParam);
-				m_UpdateParamOutMap[strCamera] = outParam;
-				return 0;
-			}
-		}
-	}
-
 	return 1;
 }
 

AlgorithmModule/src/CameraCheckAnalysisy.cpp

@@ -1627,82 +1627,6 @@ int CameraCheckAnalysisy::GetLine(const cv::Mat &img, std::vector<cv::Point> &po
 	return 0;
 }
 
-// 找到图像中产品(亮色区域)所在的第一行(顶部边缘), 用于左右图上下对齐
-// 从上往下逐行扫描, 当某一行亮像素数量超过阈值比例时, 认为该行是产品顶边
-int CameraCheckAnalysisy::GetProductFirstRow(const cv::Mat &img, int &outRow)
-{
-	outRow = -1;
-	if (img.empty())
-	{
-		return 1;
-	}
-
-	cv::Mat gray;
-	if (img.channels() == 1)
-	{
-		gray = img;
-	}
-	else if (img.channels() == 3)
-	{
-		cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
-	}
-	else
-	{
-		return 1;
-	}
-
-	const uchar brightThreshold = 35;								// 亮像素灰度阈值(与背景判断阈值保持一致)
-	const int needBrightCount = std::max(1, (int)(gray.cols * 0.02)); // 该行亮像素数量占比超过 20% 认为是产品所在行
-	const int rowStep = 16;											// 跳行扫描步长
-
-	// 判断某一行是否为产品所在行(亮像素数量达到阈值)
-	auto isProductRow = [&](int row) -> bool
-	{
-		const uchar *p = gray.ptr<uchar>(row);
-		int brightCount = 0;
-		for (int col = 0; col < gray.cols; ++col)
-		{
-			if (p[col] >= brightThreshold)
-			{
-				if (++brightCount >= needBrightCount)
-				{
-					return true;
-				}
-			}
-		}
-		return false;
-	};
-
-	// 1、跳行粗扫: 每隔 rowStep 行扫描一次, 定位产品顶边的大致位置
-	int rowFound = -1;
-	for (int row = 0; row < gray.rows; row += rowStep)
-	{
-		if (isProductRow(row))
-		{
-			rowFound = row;
-			break;
-		}
-	}
-
-	if (rowFound < 0)
-	{
-		return 2; // 未找到产品顶边
-	}
-
-	// 2、在上一个采样行与 rowFound 之间逐行精确定位
-	int rowStart = std::max(0, rowFound - rowStep + 1);
-	for (int row = rowStart; row <= rowFound; ++row)
-	{
-		if (isProductRow(row))
-		{
-			outRow = row;
-			return 0;
-		}
-	}
-
-	return 2; // 理论上不会走到这里
-}
-
 // 拟合图像中产品(亮色区域)的顶边直线段: 对顶边上的点做最小二乘拟合, 得到 y = k * x + b
 // 产品倾斜时顶边在每一列的高度不同, 用逐列顶边点拟合出的直线才能真正反映倾斜,
 // 左右两张图各拟合一条线段后, 就可以让它们在拼接缝处首尾相连。
@@ -1734,8 +1658,8 @@ int CameraCheckAnalysisy::FitProductTopLine(const cv::Mat &img, float &outK, flo
 		return 1;
 	}
 
-	const uchar brightThreshold = 45;								// 亮像素灰度阈值(与背景判断阈值保持一致)
+	const uchar brightThreshold = 35;								// 亮像素灰度阈值(与背景判断阈值保持一致)
-	const int needBrightCount = std::max(1, (int)(gray.cols * 0.1)); // 该行亮像素数量占比超过 20% 认为是产品所在行
+	const int needBrightCount = std::max(1, (int)(gray.cols * 0.02)); // 该行亮像素数量占比超过 20% 认为是产品所在行
 	const int rowStep = 16;													// 跳行扫描步长
 
 	// 判断某一行是否为产品所在行(亮像素数量达到阈值)

AlgorithmModule/src/ImgCheckAnalysisy.cpp

@@ -181,7 +181,7 @@ int ImgCheckAnalysisy::GetStatus()
 
 std::string ImgCheckAnalysisy::GetVersion()
 {
-	return std::string("BOE_1.2.1");
+	return std::string("BOE_1.2.3");
 }
 
 std::string ImgCheckAnalysisy::GetErrorInfo()
@@ -702,6 +702,13 @@ int ImgCheckAnalysisy::Adapt_Config(Mat img, Rect cur_roi, cv::RotatedRect& rot_
 	// 		cv::line(show_img, cur_regionConfigArr[i].basicInfo.pointArry.back(), cur_regionConfigArr[i].basicInfo.pointArry.front(), Scalar(255,0,0), 10);
 	// 	}
 	// }
+	// if (cur_traditional_region.size() >= 2)
+	// {
+	// 	for(size_t i = 0 ; i < cur_traditional_region.size() - 1; i++){
+	// 		cv::line(show_img, cur_traditional_region[i], cur_traditional_region[i+1],  Scalar(0,0,255), 20);
+	// 	}
+	// 	cv::line(show_img, cur_traditional_region.back(), cur_traditional_region.front(), Scalar(0,0,255), 20);
+	// }
 	// imwrite(m_AnalysisyConfig.commonCheckConfig.baseConfig.strCamearName +"_org_img.tiff", show_img);
 
 	/*使用仿射矩阵进行修改*/
@@ -763,6 +770,13 @@ int ImgCheckAnalysisy::Adapt_Config(Mat img, Rect cur_roi, cv::RotatedRect& rot_
 	// 		cv::line(show_img, cur_regionConfigArr[i].basicInfo.pointArry.back(), cur_regionConfigArr[i].basicInfo.pointArry.front(), Scalar(255,0,0), 10);
 	// 	}
 	// }
+	// if (cur_traditional_region.size() >= 2)
+	// {
+	// 	for(size_t i = 0 ; i < cur_traditional_region.size() - 1; i++){
+	// 		cv::line(show_img, cur_traditional_region[i], cur_traditional_region[i+1],  Scalar(0,0,255), 20);
+	// 	}
+	// 	cv::line(show_img, cur_traditional_region.back(), cur_traditional_region.front(), Scalar(0,0,255), 20);
+	// }
 	// imwrite(m_AnalysisyConfig.commonCheckConfig.baseConfig.strCamearName +"_show_img.tiff", show_img);
 	
 	return 0;