zw版·Halcon与delphi(兼谈opencv)

zw版·Halcon与delphi(兼谈opencv)

QQ群 247994767(delphi与halcon) 

 

      《Halcon与delphi》系列,早两年就想写,不过一方面,因为Halcon是售价高达数万欧元(不是人民币)的专业软件,知道的人不多,
      另外一方面,个人琐事太多,一直没时间动笔,这次借国庆空闲,匆匆忙忙,开个头先。
      标题本来准备用:《Halcon、opencv与delphi、python、vb、c++》
      太杂,虽然现在流行长标题,还是简化了。

 

 

 

 

 

 

      做图像分析有十多年,写过原生的OCR字符识别,当时没有opencv,全部是原生代码,写的很痛苦,和写汇编差不多
      不过也学习到不少东西,blur、细化、骨架、闭合、。。。。。。,从这点看,学习下opencv,对于基础也是必要的
      效果还可以,基本上除开QQ过于变态,一般的论坛、csdn、工行、移动、博客园、老版新浪微博的验证码,都能简单愉快的暴力识别。
      这几年,主要做图像分析、字体结构的图像分析、AI大数据方面的项目。

       实业方面,主要是PCB抄板设计,这个是protel电路图逆向工程,必需的。

      图像分析用过:agg、opencv、matlab、cgal、labview、vision、Halcon、sci、pil,以及一大波gis内置的高素质几何计算库
      编程语言早期是:c、c++、,这几年是:python、delphi,
      目前,图像分析基本上就只是:delphi+Halcon,(机器学习与大数据,是python+sci.xxx+pandas)
      delphi+Halcon,这个组合,可以说是图像分析的神级配置,无论是开发效率,还是运行速度,实在是太高了,分分钟秒杀c+opencv,python+cv,c+matlab,以及其他各种组合,

      特别是开发效率,几乎只有cv与c++的十分之一一,因为Halcon内置的,就是简化版pascal脚本语言,而且Halcon的控件封装,非常庞大、专业、细致,基本上和原生vcl控件差不多。

 

Halcon与opencv

      机器人,是目前国家鼓励的科技、产业项目,目前程序员缺口极大,而国内早期,和目前,delphi程序员,可能是世界上最多的,早几年,还传说,盛大准备收购delphi,虽然没成,不过绝对不是钱的问题。:)
      机器人,最核心的两块是:人工智能与机器视觉,人工智能,python已经是标准
      机器视觉,说白了,还是图像分析,这块,德国的Halcon(海尔肯,自己随便音译的),是目前行业最好的方案,基本上没有对手,
      国内,学术界目前还是opencv为主,虽然cv是免费的,Halcon的售价高达数万欧元,但凭借其强大的功能和一线生产力效率,企业领域,基本上是Halcon独大。
      opencv虽然很强大,但与Halcon相比,无论在开发效率,运行速度以及内置模块功能方面,完全是业余级的。
      这个原因是多方面的:

  • ::opencv是开源软件,受版权、专利限制,无法收录最新的专利、商业算法,至少有5-10年时间的技术差距
  • ::许多企业自身开发的算法是严格保密的,Halcon不少内置函数,即使是专业人员也无法理解函数采用的算法、模型。
  • ::opencv偏重于学术,算法虽然简单,但效率不高,即使是最基本的hough直线检测,如果不对内部源码进行二次修改,对原图进行过滤、去噪等细节预处理,结果基本无法直接使用
  • ::opencv优化不够,近年虽然也加入gpu、cuda和不少c语言高效函数,但与Halcon汇编级的优化,差距还是很大的
  • ::opencv不够全面,只有最基本的图像分析模块,缺乏专业的几何计算模块,用于实际项目,必需借助sci,sympy,cgal等其他第三方几何计算库,大家知道,图像数据,极占内存,数据交换成本很高,严重影响运行速度,大大增加了开发成本和学习周期

   例如,即使是最简单的轮廓分析,opencv只有最基本的矩形、园、椭圆几种,而Halcon要丰富的多;

    再如,形态学内置模型,cv只有cross、rect、circle三种,而Halcon预制模型高达数十种。

    象下图的堆砌原件,opencv基本上无能为力,而Halcon直接秒杀:

 

 

 

     从上面几张图中,可以清楚看到,Halcon可以轻松地根据预设模型,将不同层面的准3D模式,堆砌的零件,准确切割,并且,对遮挡的图像,进行准确、完整的轮廓补全,这个功能,以及其他类似的功能模块,非常强大、实用,即使是2015.6月,最新发布的cv3.0,也是无法直接处理的。

     

opencv真的便宜吗

ps,10,6日补充

    opencv唯一的优势,也许就是free+open 免费开源

    不过,opencv真的便宜吗?

    Halcon很贵,数万欧元的价格。

     对于生产流水线而言,哪怕只有1%的生产率提升,这个投入就超值了,更何况,自动化生产线,投资都是以百万、千万计算,相对其他部件而言,Halcon算是廉价的了。

     CCTV监控系统,车牌、人脸识别,通常都是采用c/s模式,各个摄像头,只是图像采集节点,所有数据传送到中心服务器,特别是目前互联网+app模式,几个小区的硬件投入,就超过Halcon,而且Halcon对于识别准确率、识别效率以及后期维护的支持,都远超opencv。

     有开发商认为,Halcon会增加成本,影响投标的竞争力,个人认为,这个问题的答案:并非绝对。 

     对于50万以下的项目,Halcon的确不太适合,对于50W以上,特别是百万以上的项目,Halcon绝对是首选。(机器视觉方面的项目,极少有低于百万的)

     成本方面,如果采用类似C/S、B/S的网络结构,各个节点只负责采集图像,传送到中心服务器主机,以Halcon的处理能力,通常只需一套主机license授权书,(实时项目除外)

     如果是大型、超大型项目,增加几套runtime的license授权书,成本增加也不多。

     关键是服务商,给用户提供的是业界最专业、最顶尖的服务,而且是正版服务。

      对于政府、上市公司而言,招标项目,必须采购正版软件,这个做过地铁、高铁项目CAD设计、网络建设的公司应该都知道。

      对于服务商而言,采用Halcon的另外一个成本优势、竞争优势,在于大幅度缩短了开发周期,降低了维护成本,Halcon的开发周期,通常只有opencv的1/3-1/5。

    举个简单的例子,ocr、车牌识别、人脸识别,是目前图像分析的热点,

    这些项目,Halcon的核心代码通常才20-30行,而opencv,不管是vc+cv、还是python+cv,至少要上千行。

【参见】

《只有2行代码的超市收款单ocr脚本》http://www.cnblogs.com/ziwang/p/4856854.html

 《简单的令人发指,只有10行代码的车牌识别脚本》http://www.cnblogs.com/ziwang/p/4856322.html

 

 

     目前,图像程序员的平均年薪都在20w,1-2个程序员节省的工资,就把Halcon的成本对冲了。

    对于企业而言,opencv虽然是free+open

     关键的一击在于:opencv在功能方面,远远落后于Halcon。

     opencv通常只能完成Halcon 1/10的功能,即使配合多种第三方软件开发库,最乐观的估计,也不到1/3

    就象如今手机、pc、触控一体化的win10时代,你还在使用dos,完全没有竞争力。   

     这样看来,opencv,真的便宜吗?

     航母很贵,核弹更贵,

      Halcon的确很贵,作为图像开发项目的刀尖,如果能够真正解决问题,相对回报而言,这个价格,真心不算贵。

 

 opencv与Halcon的差距到底有多大

 

    以笔者亲身的体会而言:

    • 前面提到,笔者曾经开发过原生的ocr软件,这个相当于八路军延安时期,小米加步枪的水平
    • 后来,了解到opencv,发现blur,filter这些,都有现成的模块,而且优化不错,这个,相当于抗美援朝,标配AK47,歼8,或者喀秋莎时代
    • 再后,采用Halcon,完全是海湾战争,全信息化目标、数字化网络,再看opencv,也就伊拉克国民卫队水平

 

      ps,需要说明的是,笔者并非故意抨击opencv,实际上,在opencv3.0的测试阶段,国内最早一批,也许是第一套,python3.0-cv3.0的测试脚本,就是笔者用2to3人工转换,并一一进行测试的。cv开源,对于图像教学而言,的确是难得资源,但对于专业的图像应用,特别是商业领域,实在是有些力不从心。

 

Halcon与delphi

      Halcon的内置语言,基本上是简化版本的pascal,不过增加了python的元组tuple数据。
      奇怪的是,国内Halcon开发,基本上是vb,和c++(csharp)两种模式
      一线,基层用户用vb的多,专业学者,大部分使用c++(csharp),而delphi很少有人用。
      这个一方面,与delphi自身近年衰退有关,另外,delphi调用Halcon,每次会有20m左右的内存泄露,也有关系。
     不过,delphi再不行,在TIOBE2105编程语言排名榜上,也是仅次于c(含c、c++、objc、occsharp)的行业第二大原生编程语言。(java,vb严格说来,不是原生编程语言)
     (ps,xe9、xe10,delphi强化了并行开发,不过远不如python的map优雅方便,如果delphi能够整合cuda开发,进入gpu、hpc领域,才是真正凤凰涅槃)

       至于内存泄露,是crack的问题,就是c++调用Hlacon的com控件,也有内存泄露,而vb,因为使用Halcon的.net封装模块,凭借net平台内置的gc管理,回避了这个问题,其实delphi也可以采用.net模块,现在32G内存才几百元钱,64位系统,20m的内存,即使run一天,也没事情。

 

delphi、c++、vb、python与图像处理

       vb即使对于初学者,以及产品开发原型阶段,也是很差的编程工具,更何况复杂的图像开发,机器视觉领域。

      初学者,以及简单的产品原型开发,笔者推荐python+opencv,cv3.0已经支持python3了。
      可惜,delphi的cv库还是v2.49版本的,不然,delphi+cv3也是个不错的选择,特别是调试、效率方面

     c++,无论如何,不是图像分析理想的工具,
     对于图像分析,c语言类的底线,差不多只有c了,即使是opencv,90%也是c,
    (ps,fontforge的开发者,是如此痛恨c++,以至于在faq里,对c++都忍不住,大段大段吐槽)

     图像分析起点就是2D,二维的,复杂一些,连续图像序列,3D,动态图像分析,都是多维的数据模型。
     而c语言,先天缺乏内置数组,采用*指针结构,作为数组。
     *指针数组,对于简单的一维数据分析,勉强可以,但对于2维、3维以及更高的多维数据,非常痛苦。

     没感觉,看看,*img1,**img2,***img3,&img1,&&img2,&&&img,这些绝对是非人类的设计。

     大家知道,图像处理非常吃内存,而c的内存管理,完全是*指针模式,复杂无比。
     对于一线程序员而言,采用c++进行图像处理,在c++编程语言方面的时间成本,甚至要高于图像分析算法本身。

     此外,对于学习者而言,c作为图像处理,最大的问题是入门易,精通难,很多都卡只blur,去噪,以及现有图像库的调用阶段,就无法深入下去,

    主要是无法进行深入的图像算法内部分析,即使借助Halcon、opencv这些库,也很难完成。
     至于c++,唯一的优点,可能就是速度。
     而c的速度优势,是相对于vb、python的,可能有10-20倍的运行速度优势,不过对于delphi,就是在最严格的对比当中,也是基本差不多。
     不过delphi十倍于c的开发效率,使程序员,能够在软件开发的原型、中期、调试、交付、维护等各个阶段,采用更多的模型算法,进行优化,

     通常,用c++,一周时间才能完成的软件开发任务,delphi一天就可以完成,真真正正的10x、十倍速效率。

     实战当中,delphi+Halcon的组合,要远远优于c+Halcon,c+opencv
     以往,图像处理,delphi唯一的短板,是缺乏工业级的图像库,cv、cgal对于delphi的支持一直不够好
     不过短板这个已经被halocn给完美的弥补了。

     重要的话要说三遍,3x

      delphi+Halcon,图像分析神级配置,分分钟秒杀c+opencv,python+cv,c+matlab,以及其他各种组合

      delphi+Halcon,图像分析神级配置,分分钟秒杀c+opencv,python+cv,c+matlab,以及其他各种组合

      delphi+Halcon,图像分析神级配置,分分钟秒杀c+opencv,python+cv,c+matlab,以及其他各种组合

 

posted @ 2015-10-01 12:59  统领  阅读(6388)  评论(0编辑  收藏  举报