企业官网建设流程全解析

在工业自动化、智能制造和质量检测领域，机器视觉正扮演着越来越核心的角色。然而，对于许多C#/.NET开发者而言，从零开始构建一套稳定、高效的视觉检测系统，常常面临算法复杂、开发周期长、调试困难等挑战。Halcon作为业界领先的机器视觉软件，以其强大的算法库和高效的开发效率著称，而C#则是工业上位机开发的主流语言。将两者结合，能够充分发挥Halcon的算法优势与C#在界面开发和系统集成上的便利性。

本文旨在为C#开发者提供一份从零基础到实战的详尽指南，涵盖环境搭建、基础编程、图像处理、测量检测等核心环节，并附带完整的可运行代码示例。无论你是正在评估视觉方案的项目经理，还是需要快速上手实现具体功能的工程师，都能从中找到清晰的路径和可复用的解决方案。

1. 环境准备与版本说明

成功进行Halcon与C#的联合编程，第一步是搭建正确且兼容的开发环境。这一步至关重要，许多后续的编译和运行时错误都源于环境配置不当。

1.1 软件与工具清单

你需要准备以下软件，并特别注意版本兼容性：

1. Visual Studio：推荐使用Visual Studio 2019或Visual Studio 2022。这是C#开发的核心IDE。社区版即可满足学习和开发需求。
2. .NET Framework：Halcon的.NET接口主要面向**.NET Framework**，因此请确保你的开发机器上安装了相应版本。Halcon 20.11及以上版本开始提供对.NET Core/.NET 5+的初步支持，但最稳定、资料最丰富的仍然是.NET Framework环境。建议安装.NET Framework 4.7.2或更高版本。
3. MVTec Halcon：这是核心的机器视觉库。你需要从MVTec官网下载并安装Halcon。本文示例基于Halcon 20.11 Progress版本，但其基本接口在多个版本间保持良好的一致性。安装时，请务必勾选“.NET Assembly”或“.NET Interface”组件，这是C#能够调用Halcon的关键。
4. Halcon License：Halcon需要有效的许可证文件（.dat格式）才能运行。请将许可证文件放置在Halcon安装目录的license文件夹下（例如：C:\Program Files\MVTec\HALCON-20.11-Progress\license）。首次运行时，Halcon会自动查找该目录下的许可证。

1.2 创建项目与添加Halcon引用

环境安装完毕后，我们开始在Visual Studio中创建项目并集成Halcon。

步骤1：创建新项目打开Visual Studio，选择“创建新项目”。在项目模板中，搜索并选择“Windows窗体应用(.NET Framework)”。为项目命名，例如HalconCSharpDemo，选择.NET Framework版本（如4.7.2），然后点击“创建”。

步骤2：添加Halcon的.NET引用Halcon安装后，其.NET程序集（DLL）通常位于安装目录的bin\dotnet35或bin\dotnet40等子目录下。我们需要在项目中引用它们。

1. 在Visual Studio的“解决方案资源管理器”中，右键点击你的项目“HalconCSharpDemo”。
2. 选择“添加” -> “引用”。
3. 在弹出的“引用管理器”窗口中，点击“浏览”按钮。
4. 导航到你的Halcon安装目录，例如C:\Program Files\MVTec\HALCON-20.11-Progress\bin\dotnet35。
5. 选择以下两个核心的DLL文件（版本号可能略有不同）：
   • halcondotnet.dll：这是Halcon for .NET的主程序集，包含了所有的图像处理算子、数据类等。
   • hdevenginedotnet.dll：这是Halcon引擎，用于执行Halcon脚本（.hdev文件），对于希望将算法逻辑与界面逻辑分离的场景非常有用。
6. 点击“添加”，然后“确定”。现在，你可以在C#代码中使用Halcon的命名空间了。

步骤3：设置项目生成平台为了确保Halcon的64位本地库能被正确加载，建议将项目的生成平台目标设置为x64。

1. 在Visual Studio顶部菜单栏，找到“生成” -> “配置管理器”。
2. 在“活动解决方案平台”下拉框中，选择“x64”。如果不存在，则选择“新建”，创建“x64”平台，并确保它基于“Any CPU”。
3. 点击“关闭”。

至此，你的C#项目已经成功集成了Halcon，可以开始编写代码了。

2. Halcon与C#编程核心概念

在开始编码前，理解几个核心概念和对象模型，能让你更顺畅地进行开发。

2.1 Halcon的数据类型与C#对应关系

Halcon有自己的一套数据类型系统，在C#中，它们被封装在HalconDotNet命名空间下的类中。最常用的几个类包括：

• HImage：对应Halcon中的图像（image）。这是所有图像处理的基础，你可以从文件、相机或内存数据创建HImage对象。
• HRegion：对应Halcon中的区域（region）。区域是图像中像素的集合，通常由阈值分割、形状选择等操作产生，用于表示感兴趣的目标。
• HXLD：对应Halcon中的XLD轮廓（XLD）。XLD（eXtended Line Description）是一种亚像素精度的轮廓表示，常用于高精度的测量和匹配。
• HTuple：这是一个万能容器类，对应Halcon中的元组（tuple）。它可以存储整数、浮点数、字符串、数组等多种类型的数据。几乎所有Halcon算子的输入输出参数，只要不是图像、区域或XLD，都会用到HTuple。

2.2 命名空间与基本编程模式

在C#文件的顶部，你需要引入Halcon的命名空间：

using HalconDotNet;

Halcon的编程模式通常是“过程式”的，即按顺序调用一系列算子（函数）来完成一个任务。在C#中，这些算子表现为HOperatorSet类的静态方法。例如，读取图像的算子在C#中就是HOperatorSet.ReadImage。

一个典型的处理流程如下：

1. 声明并创建Halcon对象（如HImage ho_Image = new HImage();）。
2. 调用算子进行处理（如HOperatorSet.ReadImage(out ho_Image, “printer_chip/printer_chip_01.png”);）。
3. 获取和处理结果（如从HTuple中提取测量值）。
4. 显示结果（使用Halcon的窗口控件或C#的PictureBox结合Halcon的HWindowControl）。
5. 释放资源（虽然.NET有垃圾回收，但显式释放大图像等资源是好习惯，ho_Image.Dispose();）。

3. 第一个Halcon-C#程序：图像读取与显示

让我们通过一个最简单的例子，将上述概念串联起来。这个例子将实现：点击按钮，加载一张图片并在Halcon窗口中显示。

3.1 设计窗体界面

1. 在Visual Studio中，打开默认创建的Form1.cs的设计视图。
2. 从工具箱中，拖放以下控件到窗体上：
   • Button：命名为btnLoadImage，Text属性改为“加载图像”。
   • HWindowControl：注意，默认工具箱里没有这个控件。你需要右键点击工具箱，选择“选择项”。在“.NET Framework组件”选项卡中，点击“浏览”，找到Halcon安装目录下的hWindowControl.dll（路径类似C:\Program Files\MVTec\HALCON-20.11-Progress\bin\dotnet35\hWindowControl.dll），添加它。之后，工具箱里会出现HalconDotNet.HWindowControl，将其拖到窗体上，命名为hWindowControl1。调整其大小以适应窗体。
3. 窗体设计大致如下图所示（一个按钮，一个大的显示区域）。

3.2 编写后台代码

双击“加载图像”按钮，进入Form1.cs的代码视图。在按钮的点击事件处理函数中，编写如下代码：

using HalconDotNet; using System; using System.Windows.Forms; namespace HalconCSharpDemo { public partial class Form1 : Form { // 声明一个Halcon图像对象作为窗体类的成员变量，方便其他方法访问 private HImage ho_Image = new HImage(); public Form1() { InitializeComponent(); // 初始化Halcon窗口的背景色等属性（可选） hWindowControl1.HalconWindow.SetColor("green"); } private void btnLoadImage_Click(object sender, EventArgs e) { try { // 1. 打开文件对话框，让用户选择图片 OpenFileDialog openFileDialog = new OpenFileDialog(); openFileDialog.Filter = "图像文件|*.png;*.jpg;*.bmp;*.tiff|所有文件|*.*"; openFileDialog.Title = "请选择一张图像文件"; if (openFileDialog.ShowDialog() == DialogResult.OK) { string imagePath = openFileDialog.FileName; // 2. 释放之前的图像资源（如果存在） if (ho_Image != null && ho_Image.IsInitialized()) { ho_Image.Dispose(); } // 3. 核心：调用Halcon算子读取图像 // ReadImage算子输出一个新的HImage对象到 ho_Image HOperatorSet.ReadImage(out ho_Image, imagePath); // 4. 获取图像的尺寸，用于自适应窗口显示 HTuple width, height; HOperatorSet.GetImageSize(ho_Image, out width, out height); // 5. 在Halcon窗口控件中显示图像 // 首先设置窗口的绘图区域为图像大小 hWindowControl1.HalconWindow.SetPart(0, 0, height - 1, width - 1); // 然后将图像对象绘制到窗口上 hWindowControl1.HalconWindow.DispObj(ho_Image); // 更新窗口标题，显示当前图像路径 this.Text = “Halcon Demo - ” + System.IO.Path.GetFileName(imagePath); } } catch (HalconException hex) { // 捕获Halcon特有的异常 MessageBox.Show(“Halcon操作出错：” + hex.Message, “错误”, MessageBoxButtons.OK, MessageBoxIcon.Error); } catch (Exception ex) { // 捕获其他异常（如文件访问异常） MessageBox.Show(“程序出错：” + ex.Message, “错误”, MessageBoxButtons.OK, MessageBoxIcon.Error); } } // 窗体关闭时，记得释放Halcon资源 private void Form1_FormClosing(object sender, FormClosingEventArgs e) { if (ho_Image != null && ho_Image.IsInitialized()) { ho_Image.Dispose(); } // 也可以释放窗口资源，但HWindowControl通常会自动处理 // hWindowControl1.HalconWindow.CloseWindow(); } } }

3.3 运行与结果

1. 按F5运行程序。
2. 点击“加载图像”按钮，在弹出的对话框中选择一张本地图片（建议使用Halcon示例图片，路径通常为%HALCONROOT%\examples\images）。
3. 如果一切配置正确，你选择的图片将清晰地显示在窗体的HWindowControl控件中。

代码解析与关键点：

• HOperatorSet.ReadImage: 这是Halcon读取图像的标准算子。out ho_Image表示将读取的结果输出到ho_Image对象。
• GetImageSize: 获取图像的宽度和高度，存储在HTuple类型的变量中。
• SetPart: 设置Halcon图形窗口的显示区域。参数(0, 0, height-1, width-1)表示从图像左上角(0,0)显示到右下角(width-1, height-1)，确保图像完整显示且比例正确。
• DispObj: 将Halcon对象（如图像、区域、XLD）绘制到当前活动的图形窗口。
• 异常处理：使用try-catch块捕获HalconException和通用Exception是好习惯，能防止程序因图像路径错误、格式不支持等问题而崩溃。
• 资源管理：在加载新图像前和窗体关闭时，调用Dispose()方法释放旧的图像资源，避免内存泄漏。

4. 核心图像处理实战：Blob分析与特征提取

仅仅显示图像还不够，机器视觉的核心是“处理”图像。Blob分析（连通区域分析）是视觉检测中最基础也最常用的技术之一，用于从背景中分割出目标物体，并计算其面积、位置、形状等特征。

4.1 实战目标

我们将扩展上面的程序，实现以下功能：

1. 加载图像。
2. 对图像进行阈值分割，提取目标区域（Blob）。
3. 对提取的区域进行形状筛选（例如，选择面积大于某个值的区域）。
4. 计算并显示筛选后区域的中心坐标和面积。
5. 在图像上绘制出区域的轮廓。

4.2 代码实现

我们在Form1中添加一个新的按钮btnBlobAnalysis，并为其编写点击事件处理代码。

private void btnBlobAnalysis_Click(object sender, EventArgs e) { // 确保已有图像被加载 if (ho_Image == null || !ho_Image.IsInitialized()) { MessageBox.Show(“请先加载一张图像。”, “提示”, MessageBoxButtons.OK, MessageBoxIcon.Information); return; } try { // 步骤1：图像预处理（可选，根据图像情况） // 例如，将彩色图像转为灰度图，或进行滤波去噪 HImage ho_GrayImage = new HImage(); HOperatorSet.Rgb1ToGray(ho_Image, out ho_GrayImage); // 如果原图是RGB，转为灰度 // 步骤2：阈值分割 - 提取感兴趣区域 // 使用全局阈值，将灰度值在90到255之间的像素选出来 HRegion ho_Region = new HRegion(); HOperatorSet.Threshold(ho_GrayImage, out ho_Region, 90, 255); // 步骤3：连通性分析 - 将相连的像素组成独立的区域（Blob） HRegion ho_ConnectedRegions = new HRegion(); HOperatorSet.Connection(ho_Region, out ho_ConnectedRegions); // 步骤4：特征筛选 - 例如，只保留面积大于500像素的区域 HTuple area, row, column; HOperatorSet.AreaCenter(ho_ConnectedRegions, out area, out row, out column); // 创建一个空区域用于存放筛选结果 HRegion ho_SelectedRegions = new HRegion(); // 使用SelectShape算子进行筛选，特征‘area’，条件‘and’，最小值500，最大值无限大 HOperatorSet.SelectShape(ho_ConnectedRegions, out ho_SelectedRegions, “area”, “and”, 500, 9999999); // 重新计算筛选后区域的特征 HOperatorSet.AreaCenter(ho_SelectedRegions, out area, out row, out column); // 步骤5：在Halcon窗口中显示结果 hWindowControl1.HalconWindow.ClearWindow(); // 清空窗口 hWindowControl1.HalconWindow.DispObj(ho_GrayImage); // 显示灰度图作为背景 hWindowControl1.HalconWindow.SetColor(“red”); // 设置绘制颜色为红色 hWindowControl1.HalconWindow.SetDraw(“margin”); // 设置绘制模式为轮廓（margin），而不是填充（fill） hWindowControl1.HalconWindow.DispObj(ho_SelectedRegions); // 绘制筛选后的区域轮廓 // 步骤6：在C#界面中输出特征信息（例如，输出到TextBox或ListBox） // 这里我们简单输出到调试窗口，实际项目中可以显示在UI控件上 System.Diagnostics.Debug.WriteLine($“找到了 {area.Length} 个目标区域。”); for (int i = 0; i < area.Length; i++) { System.Diagnostics.Debug.WriteLine($“区域 {i+1}: 中心坐标 ({row[i].D}, {column[i].D}), 面积 {area[i].D} 像素”); } // 步骤7：释放本方法内创建的临时对象 ho_GrayImage.Dispose(); ho_Region.Dispose(); ho_ConnectedRegions.Dispose(); ho_SelectedRegions.Dispose(); } catch (HalconException hex) { MessageBox.Show(“Blob分析过程中出错：” + hex.Message, “错误”, MessageBoxButtons.OK, MessageBoxIcon.Error); } }

4.3 关键算子与概念详解

• Threshold：阈值分割算子。根据像素的灰度值范围选择区域。(90, 255)表示保留灰度值在90到255之间的所有像素。这个值需要根据实际图像调整，是Blob分析的关键参数。
• Connection：连通性分析算子。将Threshold得到的区域中，像素不相连的部分分割成多个独立的区域对象。这是“Blob”概念的来源。
• SelectShape：形状选择算子。根据区域的特征（面积、圆度、矩形度等）进行筛选。这里我们使用面积(area)特征，筛选出面积大于500像素的区域。“and”表示逻辑与，9999999是一个很大的数，表示上限几乎无限。
• AreaCenter：计算区域的面积和中心坐标。它返回三个HTuple：面积数组、行坐标数组、列坐标数组。每个数组的长度等于输入区域的个数。
• SetDraw(“margin”)：设置绘制模式为“轮廓”。这对于观察区域的形状非常有用。如果设置为“fill”，则会用颜色填充整个区域。

运行程序，先加载一张包含明显对比目标的图像（如Halcon自带的printer_chip芯片图像），然后点击“Blob分析”按钮。你应该能看到红色的轮廓圈出了图像中的目标，并在Visual Studio的“输出”窗口中看到每个目标的坐标和面积信息。

5. 进阶实战：模板匹配与测量

模板匹配是机器视觉中定位和识别物体的关键技术。Halcon提供了强大的基于形状的模板匹配。测量则用于精确计算距离、角度等几何量。

5.1 创建形状模板

模板匹配的第一步是创建模板。我们通常在一张“模板图像”中，框选一个目标区域来创建模板。

private HShapeModel hv_ModelID; // 声明一个模板ID变量 private void btnCreateTemplate_Click(object sender, EventArgs e) { if (ho_Image == null || !ho_Image.IsInitialized()) { MessageBox.Show(“请先加载一张用于创建模板的图像。”); return; } try { // 假设我们已经通过其他方式（如Blob分析）获取了目标区域 ho_TemplateRegion // 这里为了演示，我们手动在图像上选择一个矩形区域作为模板。 // 在实际项目中，你可能需要开发一个交互式ROI（感兴趣区域）选择工具。 HTuple row1 = 100, column1 = 100, row2 = 200, column2 = 200; // 示例坐标 HRegion ho_TemplateRegion = new HRegion(); HOperatorSet.GenRectangle1(out ho_TemplateRegion, row1, column1, row2, column2); // 核心：创建形状模板 // 参数说明： // ho_Image: 创建模板所用的图像 // “auto”: 自动生成金字塔层级，用于加速不同尺度的搜索 // 0, 360: 旋转角度范围，单位度。0到360表示全角度搜索。 // “auto”: 自动计算角度步长 // “auto”: 自动计算尺度（缩放）范围 // “auto”: 自动计算尺度步长 // “use_polarity”: 使用灰度极性（即目标比背景亮或暗） // “auto”: 自动选择对比度 // “auto”: 自动生成模板 HOperatorSet.CreateShapeModel(ho_Image, “auto”, 0, new HTuple(360).TupleRad(), “auto”, “auto”, “use_polarity”, “auto”, “auto”, out hv_ModelID); MessageBox.Show(“形状模板创建成功！ID: ” + hv_ModelID.ToString()); ho_TemplateRegion.Dispose(); } catch (HalconException hex) { MessageBox.Show(“创建模板失败：” + hex.Message); } }

5.2 使用模板进行匹配

模板创建好后，就可以在新的图像中搜索它了。

private void btnFindTemplate_Click(object sender, EventArgs e) { if (ho_Image == null || !ho_Image.IsInitialized()) { MessageBox.Show(“请先加载一张待搜索的图像。”); return; } if (hv_ModelID == null) { MessageBox.Show(“请先创建形状模板。”); return; } try { // 核心：查找形状模板 HTuple hv_Row, hv_Column, hv_Angle, hv_Score; HOperatorSet.FindShapeModel(ho_Image, hv_ModelID, 0, // 旋转角度起始 new HTuple(360).TupleRad(), // 旋转角度结束（弧度） 0.5, // 最小匹配分数，低于此分数的结果将被忽略 1, // 要找到的最大实例数 0.5, // 贪婪度，值越小越精确但越慢 “least_squares”, // 亚像素优化模式 0, // 金字塔层级 0.9, // 最大重叠度，防止重复检测同一物体 out hv_Row, out hv_Column, out hv_Angle, out hv_Score); // 显示结果 hWindowControl1.HalconWindow.ClearWindow(); hWindowControl1.HalconWindow.DispObj(ho_Image); hWindowControl1.HalconWindow.SetColor(“green”); hWindowControl1.HalconWindow.SetDraw(“margin”); // 绘制找到的每个匹配项的位置和方向 for (int i = 0; i < hv_Score.Length; i++) { // 可以根据角度和模板原始大小，绘制一个矩形或十字来可视化匹配结果 // 这里简单绘制一个十字标记中心点 HOperatorSet.SetLineWidth(hWindowControl1.HalconWindow, 3); HOperatorSet.DispCross(hWindowControl1.HalconWindow, hv_Row[i], hv_Column[i], 36, hv_Angle[i]); } MessageBox.Show($“找到了 {hv_Score.Length} 个匹配目标。\n分数分别为：{hv_Score.TupleString(”， “)}”); } catch (HalconException hex) { MessageBox.Show(“模板匹配失败：” + hex.Message); } }

5.3 基于匹配结果的测量

找到目标位置后，我们可以进行精确测量。例如，测量两个匹配点之间的距离。

private void btnMeasureDistance_Click(object sender, EventArgs e) { // 假设我们已经通过模板匹配得到了两个点的坐标 (row1, col1) 和 (row2, col2) // 这里我们用两个固定的点做示例 HTuple row1 = 100, col1 = 100, row2 = 300, col2 = 300; // 计算欧氏距离 HTuple distance = new HTuple(); HOperatorSet.DistancePp(row1, col1, row2, col2, out distance); // 计算两点连线与水平线的夹角（弧度） HTuple angle = new HTuple(); HOperatorSet.AngleLx(row1, col1, row2, col2, out angle); HTuple angleDeg = angle.TupleDeg(); // 转换为度 MessageBox.Show($“点1({row1}, {col1}) 到 点2({row2}, {col2}) 的距离是：{distance:F2} 像素\n连线角度是：{angleDeg:F2} 度”); // 在图像上绘制测量线和标注 hWindowControl1.HalconWindow.SetColor(“cyan”); HOperatorSet.SetLineWidth(hWindowControl1.HalconWindow, 2); HOperatorSet.DispLine(hWindowControl1.HalconWindow, row1, col1, row2, col2); // 可以在中点位置显示距离文本（需要先将世界坐标转换为窗口坐标，此处略） }

6. 常见问题与排查思路

在Halcon与C#联合开发过程中，你可能会遇到一些典型问题。下表列出了常见问题及其解决方法：

7. 工程最佳实践与进阶建议

掌握了基础操作后，遵循一些最佳实践能让你的视觉项目更加健壮、可维护和高效。

7.1 项目结构与代码组织

• 分离视觉逻辑与UI逻辑：不要将所有Halcon代码都写在窗体按钮事件里。将核心的图像处理、分析、测量算法封装在独立的类库（Class Library）中。例如，创建VisionProcessor.cs类，提供LoadImage,BlobAnalysis,CreateModel,FindModel等方法。这样便于单元测试、代码复用和团队协作。
• 使用Halcon引擎(HDevEngine)：对于复杂的、需要频繁修改的视觉算法，可以考虑使用Halcon脚本(.hdev)。HDevEngine允许你在C#中动态加载和执行.hdev脚本文件。这样，算法工程师可以在HDevelop（Halcon的IDE）中开发和调试算法，然后直接给到C#程序调用，实现了算法与应用程序的松耦合。
• 配置文件管理：将阈值、模板路径、相机参数等可配置项存储在XML、JSON或.ini文件中。避免将这些“魔法数字”硬编码在代码里。

7.2 性能优化

• 减少不必要的图像复制：Halcon算子通常输出新的对象。在循环或频繁调用的代码块中，注意复用或及时释放对象，避免内存暴涨。
• 合理设置匹配参数：模板匹配的NumLevels（金字塔层级）、AngleStep、ScaleStep等参数直接影响速度和精度。在满足精度要求的前提下，尽可能放宽角度和缩放范围，增大步长，使用更高的金字塔层级以提升速度。
• 利用多线程进行图像采集与处理：如果涉及实时相机采集，务必使用单独的线程进行图像抓取和处理，防止阻塞UI线程导致界面卡顿。可以使用BackgroundWorker或Task。注意：Halcon对象不是线程安全的，通常建议每个线程拥有自己独立的Halcon资源，或者在线程间通过消息队列传递图像数据（如字节数组），在接收线程中重新构造HImage。

7.3 异常处理与日志记录

• 精细化异常捕获：除了捕获通用的HalconException，还可以根据算子返回的错误代码进行更精细的错误处理。Halcon算子通常通过HTuple返回执行状态。
• 添加日志系统：集成如NLog或log4net等日志框架。记录关键步骤的开始结束、算法参数、处理结果、异常信息等。这对于现场调试和问题追溯至关重要。
• 实现结果可视化与调试工具：在开发阶段，构建一个灵活的调试界面。可以实时显示中间处理结果（如阈值后的区域、边缘图像）、绘制测量线和结果标注、并输出详细的特征值到日志或UI控件。这能极大提升算法开发和参数调优的效率。

7.4 部署与发布

• 确保目标机器环境：在部署程序的机器上，必须安装对应版本的Halcon运行时（Runtime）或完整版，并配置正确的许可证。通常可以将Halcon的bin\x64-win64目录及其子目录下的所有DLL文件，与你的程序一起发布，并确保程序启动时能正确找到它们（通过修改PATH或指定DLL搜索路径）。
• 处理许可证分发：妥善管理生产环境的许可证。可以使用Halcon的免许可证加密狗，或者将许可证文件与程序一起部署（需确保安全）。
• 生成清晰的用户文档和错误代码手册：为最终用户提供简单的操作手册。为内部维护人员提供详细的错误代码列表和对应的排查指南。

从环境搭建到第一个显示程序，再到Blob分析、模板匹配和测量，我们一步步构建了Halcon与C#联合编程的基础能力。机器视觉项目的成功，三分靠算法，七分靠工程实现和细节处理。