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