名前の対応だけを整理した台帳で、機能や性能の比較ではない。機械可読版は docs/halcon_gap_2026-11-02.json。生成は tools/gen_halcon_gap.py。
| 分類 | 件数 |
|---|---|
| 対応あり(op の公開面) | 519 |
| 対応あり(モジュール関数のみ) | 495 |
| 別名で実装済み(対応付け漏れ) | 47 |
| 未実装で作るべき | 83 |
| 対象外(理由つき) | 1169 |
| 合計 | 2313 |
「モジュール関数のみ」は実装があるが fs.ledger と索引からは引けない。halcon_facade_map.json の対応は名前と関数の実在だけを検査していて、意味の一致は確かめていない。今回 13 件を読み直すと 5 件は意味が違った(下の節)。
| 章 | 全体 | 対応あり | 別名 | 作るべき | 対象外 |
|---|---|---|---|---|---|
| 1D Measuring | 20 | 11 | 0 | 3 | 6 |
| 2D Metrology | 30 | 8 | 0 | 0 | 22 |
| 3D Matching | 59 | 15 | 0 | 2 | 42 |
| 3D Object Model | 50 | 40 | 0 | 0 | 10 |
| 3D Reconstruction | 76 | 50 | 0 | 1 | 25 |
| Calibration | 68 | 35 | 2 | 0 | 31 |
| Classification | 99 | 9 | 0 | 13 | 77 |
| Control | 34 | 0 | 12 | 0 | 22 |
| Deep Learning | 81 | 3 | 0 | 0 | 78 |
| Develop | 37 | 0 | 16 | 0 | 21 |
| File | 53 | 0 | 2 | 0 | 51 |
| Filters | 195 | 186 | 1 | 2 | 6 |
| Graphics | 172 | 7 | 5 | 0 | 160 |
| Identification | 27 | 1 | 0 | 3 | 23 |
| Image | 102 | 83 | 1 | 0 | 18 |
| Image Source | 11 | 0 | 0 | 0 | 11 |
| Inspection | 43 | 8 | 1 | 8 | 26 |
| Legacy | 110 | 26 | 0 | 19 | 65 |
| Matching | 95 | 38 | 0 | 7 | 50 |
| Matrix | 57 | 46 | 0 | 0 | 11 |
| Morphology | 40 | 39 | 0 | 0 | 1 |
| OCR | 94 | 7 | 0 | 19 | 68 |
| Object | 16 | 1 | 0 | 0 | 15 |
| Regions | 101 | 100 | 0 | 1 | 0 |
| Segmentation | 50 | 46 | 0 | 4 | 0 |
| System | 140 | 0 | 1 | 0 | 139 |
| Tools | 107 | 93 | 0 | 0 | 14 |
| Transformations | 97 | 85 | 0 | 0 | 12 |
| Tuple | 162 | 0 | 5 | 0 | 157 |
| XLD | 87 | 77 | 1 | 1 | 8 |
2026-08 の報告は未対応の残りを「ほぼ boilerplate」と分類した。名前を 1 つずつ見直すと、次はアルゴリズムの演算だった。
points_lepetit は学習型と書かれていたが、検出そのものは円周の比較で学習が要らない。実装した。morph_skiz、morph_hat、opening_seg、thickening*、hit_or_miss_* は教科書の形態学。実装した。create_bg_esti の族はカルマン背景推定、Transformations 章の get_circle_pose は閉形式の姿勢、Classification 章の train_class_gmm などは標準の学習。実装した。add_texture_inspection_model_image(Inspection)— テクスチャ検査の学習画像の追加create_data_code_2d_model(Identification)— 2 次元コードの設定の入口decode_bar_code_rectangle2(Identification)— 矩形の中の 1 次元コードの復号(既存の decode_barcode の入口違い)evaluate_class_mlp(Classification)— MLP の出力の確率evaluate_class_svm(Classification)— SVM の判別値find_data_code_2d(Identification)— QR / Data Matrix の検出と復号(ISO/IEC 18004, 16022)find_text(OCR)— 文字領域の検出(textregion の部品で組む)get_thresh_images_variation_model(Inspection)— 上下しきい値画像の取り出しget_variation_model(Inspection)— 基準と分散の画像の取り出しprepare_direct_variation_model(Inspection)— 基準と分散の画像から変動モデルを作るprepare_variation_model(Inspection)— 変動モデルの上下しきい値画像(varmodel の帯)train_texture_inspection_model(Inspection)— ガボール特徴の良品分布の学習add_deformable_surface_model_reference_point(3D Matching)— 変形面モデルの基準点add_deformable_surface_model_sample(3D Matching)— 変形面モデルの標本の追加add_samples_image_class_gmm(Segmentation)— 領域から学習標本を集めるadd_samples_image_class_knn(Segmentation)— 同上add_samples_image_class_mlp(Segmentation)— 同上add_samples_image_class_svm(Segmentation)— 同上approx_chain(Legacy)— 直線と円弧への折れ線近似(Rosin と West)approx_chain_simple(Legacy)— 同上の簡易版(gen_polygons_xld と重なる)cluster_model_components(Legacy)— 部品の統合create_class_lut_gmm(Classification)— 分類器から 3 次元 LUT を作るcreate_class_lut_knn(Classification)— 同上create_class_lut_mlp(Classification)— 同上create_class_lut_svm(Classification)— 同上create_component_model(Legacy)— 部品の相対配置のモデルcreate_ocr_class_knn(OCR)— 同上create_ocr_class_mlp(OCR)— OCR 分類器の入口create_ocr_class_svm(OCR)— 同上create_trained_component_model(Legacy)— 同上do_ocr_multi_class_knn(OCR)— 同上do_ocr_multi_class_mlp(OCR)— 字の特徴 + 分類器の OCRdo_ocr_multi_class_svm(OCR)— 同上do_ocr_single_class_knn(OCR)— 同上do_ocr_single_class_mlp(OCR)— 同上do_ocr_single_class_svm(OCR)— 同上do_ocr_word_knn(OCR)— 同上do_ocr_word_mlp(OCR)— 語の制約つき OCRdo_ocr_word_svm(OCR)— 同上find_component_model(Legacy)— 部品の配置の探索gen_initial_components(Legacy)— 部品の初期分割get_features_ocr_class_knn(OCR)— 同上get_features_ocr_class_mlp(OCR)— 字の特徴get_features_ocr_class_svm(OCR)— 同上get_shape_model_clutter(Matching)— 形状モデルの雑然さの指標get_support_vector_class_svm(Classification)— 支持ベクトルの取り出しget_support_vector_num_class_svm(Classification)— 同上inspect_clustered_components(Legacy)— 部品の統合の確認interjacent(Legacy)— 領域の間の点の分類reduce_class_svm(Classification)— 支持ベクトルの削減reset_fuzzy_measure(1D Measuring)— 同上の解除select_feature_set_gmm(Classification)— 特徴選択(前進選択)select_feature_set_knn(Classification)— 同上select_feature_set_mlp(Classification)— 同上select_feature_set_svm(Classification)— 同上set_fuzzy_measure(1D Measuring)— エッジ強度のファジィ所属関数set_fuzzy_measure_norm_pair(1D Measuring)— 同上(対の幅で正規化)set_profile_sheet_of_light(3D Reconstruction)— 光切断のプロファイルの積み上げset_shape_model_clutter(Matching)— 同上train_model_components(Legacy)— 部品の学習trainf_ocr_class_knn(OCR)— 同上trainf_ocr_class_mlp(OCR)— 字の学習trainf_ocr_class_svm(OCR)— 同上combine_roads_xld(XLD)— 航空写真の道路の線と縁の統合do_ocv_simple(Inspection)— 同上expand_line(Legacy)— 線の周りの領域の成長fitting(Legacy)— 旧来の形態学の適合gen_struct_elements(Legacy)— 旧来の構造要素の生成get_region_index(Regions)— 座標の入る領域の番号hamming_change_region(Legacy)— 領域のハミング変更info_edges(Filters)— フィルタ係数の情報info_smooth(Filters)— 平滑の窓幅の情報intersection_ll(Legacy)— 線分の交点partition_lines(Legacy)— 線分の属性での分割select_lines(Legacy)— 線分の属性での選択select_lines_longest(Legacy)— 最長の線分の選択set_local_deformable_model_metric(Matching)— 変形モデルの距離の指定set_planar_calib_deformable_model_metric(Matching)— 同上set_planar_uncalib_deformable_model_metric(Matching)— 同上set_shape_model_metric(Matching)— 形状モデルの極性の指定train_generic_shape_model(Matching)— 汎用形状モデルの学習traind_ocv_proj(Inspection)— 射影による文字の検証union_straight_contours_histo_xld(Legacy)— 向きのヒストグラムによる直線の統合| 符号 | 件数 | 理由 |
|---|---|---|
acquisition_device |
22 | 取り込み機器の操作。acquire.Camera が担う |
dl_wrapper |
112 | 深層学習の枠組みの包み。古典の視覚アルゴリズムの対象外 |
file_io |
51 | ファイルの低水準操作。Python の標準の入出力が担う |
gui_window |
168 | ウィンドウ表示と対話の描画。出力の描画は別の op が担う |
handle_lifecycle |
58 | ハンドルの破棄と複製。Python のオブジェクトでは要らない |
ide_environment |
27 | HDevelop の環境の操作 |
language_control |
23 | 制御構文。Python と FScript の構文が担う |
language_data |
159 | tuple と dict の言語機能。Python と numpy がそのまま担う |
legacy_ocr |
18 | 旧 OCR の学習ファイルと語彙の口。同じ働きは別の入口にある |
model_constructor |
18 | ハンドルへ標本を積む口。配列を 1 度に渡す形で不要 |
model_file_io |
92 | モデルのファイル入出力。dict を保存すれば足りる |
model_parameter_getter_setter |
187 | ハンドルの引数の取得と設定。dict の鍵を読み書きすれば足りる |
model_serialization |
78 | モデルの直列化。dict を保存すれば足りる |
object_container |
15 | HObject の入れ物の操作。numpy の配列とリストが担う |
system_runtime |
141 | プロセス・スレッド・通信など実行環境の操作 |
| 名前 | 以前の実体 | 直したこと |
|---|---|---|
map_image |
灰色値の LUT | 幾何の写像の適用(mvimage.map_image)。LUT の関数は消した |
image_to_world_plane |
点の写像(校正族の op) | 画像の平行化を rectify_to_world_plane として足した |
change_radial_distortion_image |
多項式の歪み、カメラの引数なし | 除算モデルで 2 つのカメラの間を変換 |
gray_projections |
行と列の和 | 行と列の平均 |
find_ncc_models |
1 モデルの複数検出 | 複数モデルの同時探索(1 モデルの呼び方も残す) |
比較に使った情報は演算子名と引数の形だけで、HALCON の出力とは比べていない。