🖥️
AugeLab Studio Manual
Deutch
Deutch
  • 👋Willkommen im AugeLab Studio Benutzerhandbuch
  • 📘Einführung
    • AugeLab Studio
    • Hauptmerkmale
    • Anwendungsfälle
    • Systemanforderungen
  • 🚀Erste Schritte
    • Anmeldung
    • Installation
    • Erster Blick
    • Einfacher Rundgang
    • Ihr allererstes Projekt
      • Grundlagen
      • Erkennung
      • Zusammenfassung
    • Weitere lokale Beispiele
    • Weitere Lektüre
  • 🖥️AugeLab Studio Oberfläche
    • Detaillierter Blick
    • Szenario-Bereich
    • Menü und Werkzeugleiste
    • Projekte verwalten
    • KI installieren und vieles mehr
      • KI mit Modul-Downloader nutzen
  • 🧱Funktionsblöcke
    • Blockstrukturen
    • Schnittstellen
    • Blockspalte
    • Verbindungen
    • Alle Funktionsblöcke
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Geräte und Kommunikation
    • Kamera-Nutzung
    • Kommunikationsprotokolle
    • Weitere Lektüre
  • 🧩Beispielprojekte
    • Demo-Projekte
    • Umfangmessung
    • Objektezählung
    • Fliesenbreitenmessung
    • Menschenkennung
    • Objekterkennung
  • 🔑Hauptmerkmale
    • Benutzerdefinierte HMI-Anwendungen bereitstellen
    • Daten für die Objekterkennung annotieren
    • Benutzerdefinierte KI-Modelle trainieren
      • Die richtige Datenbank auswählen
      • Wann man das Training stoppen sollte
    • Plugins erstellen
      • Komponenten
      • Codereferenz
    • Teilen Sie Ihre Lösungen mit der Community
    • Python-Pakete installieren
  • 📑FAQ
    • Kontaktieren Sie uns
    • FAQ
    • Ein vollständiges Projekt einrichten
  • Zusätzliche Ressourcen
    • Schulungsplan
    • Schulung Materialien
    • AugeLab-Experten
  • Anhang
    • Wörterbuch
    • Referenzen
Powered by GitBook
On this page
  • 📥 Eingänge
  • 📤 Ausgänge
  • 🕹️ Steuerungen
  • 🎨 Funktionen
  • 📝 Nutzungshinweise
  • 📊 Bewertung
  • 💡 Tipps und Tricks
  • 🛠️ Fehlersuche

Was this helpful?

  1. Funktionsblöcke
  2. Alle Funktionsblöcke
  3. Detections/Shapes
  4. Detectors

Blur Detector

Dieser Funktionsblock bewertet, ob ein Eingangsbild unscharf ist, indem er seine Schärfe mithilfe von Verfahren im Frequenzbereich analysiert.

📥 Eingänge

Input Image Das Bild, das Sie auf Unschärfe analysieren möchten.

📤 Ausgänge

Is Blurred? Diese Ausgabe gibt einen booleanen Wert zurück, der angibt, ob das Eingangsbild als unscharf klassifiziert wird (True) oder nicht (False).

🕹️ Steuerungen

Detection Threshold Ein Schieberegler, der verwendet wird, um den Schwellenwert festzulegen, um zu bestimmen, ob das Bild unscharf ist. Die Anpassung dieses Wertes beeinflusst die Empfindlichkeit der Unschärfenerkennung.

Current Blur Value Ein Label, das den aktuellen Unschärfewert anzeigt, der aus dem Eingangsbild berechnet wurde.

Info Text Eine hilfreiche Beschreibung der Erkennungslogik, die angibt, dass das Bild als unscharf betrachtet wird, wenn der Unschärfewert unter dem Schwellenwert liegt.

🎨 Funktionen

Frequency Domain Analysis Dieser Block verwendet die schnelle Fourier-Transformation (FFT), um die Schärfe des Bildes zu analysieren, was eine effektive Identifizierung der Unschärfe ermöglicht.

Real-Time Feedback Der aktuelle Unschärfewert wird dynamisch aktualisiert und angezeigt, wodurch unmittelbare Einblicke in die Schärfe des Bildes gegeben werden.

📝 Nutzungshinweise

  1. Connect Input: Verbinden Sie ein Bild, das Sie auf Unschärfe bewerten möchten, mit dem Input Image-Anschluss.

  2. Set Threshold: Passen Sie den Schieberegler Detection Threshold an, um festzulegen, wie empfindlich die Unschärfenerkennung sein soll. Ein niedrigerer Schwellenwert ist empfindlicher.

  3. Evaluate: Führen Sie den Funktionsblock aus, um das Eingangsbild zu analysieren. Die Ausgabe zeigt an, ob das Bild basierend auf der Schwellenwert-Einstellung unscharf ist.

📊 Bewertung

Wenn er ausgeführt wird, berechnet dieser Funktionsblock den Unschärfewert des Eingangsbildes, vergleicht ihn mit dem festgelegten Schwellenwert und bestimmt, ob das Bild unscharf ist.

💡 Tipps und Tricks

Wählen Sie einen geeigneten Schwellenwert

Experimentieren Sie mit verschiedenen Schwellenwerten, um die genaueste Empfindlichkeit für Ihre spezifischen Bilder zu finden. Ein niedrigerer Schwellenwert ist besser geeignet, um leichte Unschärfe zu erkennen, während ein höherer Schwellenwert besser für deutliche Schärfe funktioniert.

Testen mit verschiedenen Bildern

Testen Sie den Unschärfen-Detektor mit Bildern unterschiedlicher Qualitätsstufen, um zu sehen, wie er in verschiedenen Szenarien funktioniert. Dies kann helfen, den Schwellenwert für die besten Ergebnisse zu optimieren.

Kombinieren mit anderen Blöcken

Überlegen Sie, diesen Block in Verbindung mit dem Block Show Image zu verwenden, um die Unschärfeanalyse zusammen mit Ihrem Bild zu visualisieren.

Vorverarbeitung von Bildern

Bevor Sie den Unschärfen-Detektor ausführen, möchten Sie möglicherweise Vorverarbeitungstechniken wie Auto Contrast oder Histogram Equalization anwenden, um die Bildqualität zu verbessern, was die Unschärfenerkennung effektiver macht.

🛠️ Fehlersuche

Keine Bilddaten verfügbar

Stellen Sie sicher, dass das an den Block angeschlossene Eingangsbild tatsächlich gültige Bilddaten überträgt. Überprüfen Sie die Verbindungen, um sicherzustellen, dass ein Bild durchgereicht wird.

Unerwartete Ergebnisse

Wenn die Ausgabe nicht Ihren Erwartungen entspricht, ziehen Sie in Betracht, den Erkennungsschwellenwert anzupassen oder sicherzustellen, dass Ihr Eingangsbild klar ist und nicht durch Vorverarbeitungsschritte künstlich unscharf gemacht wurde.

PreviousBlob DetectorNextCircle Detector

Last updated 8 months ago

Was this helpful?

🧱