| 变量名 | 类 型 | 静态 | 数组 | 备 注 |
| 输入 | 多维矩阵类 | | |
| 均值偏移 | 多维矩阵类 | | |
| 二值化 | 多维矩阵类 | | |
| 距离 | 多维矩阵类 | | |
| 标记 | 多维矩阵类 | | |
| 前景 | 多维矩阵类 | | |
| 未知 | 多维矩阵类 | | |
| 核心 | 多维矩阵类 | | |
| 未知_32s | 多维矩阵类 | | |
| 标记8U | 多维矩阵类 | | |
| 标记_8us | 多维矩阵类 | | |
| 标记_8u | 多维矩阵类 | | |
| 最小_值 | 双精度小数型 | | |
| 最大_值 | 双精度小数型 | | |
| i | 整数型 | | |
| temp | 多维矩阵类 | | |
| 轮廓 | 多维数组点2i类 | | |
| 颜色 | 标量类 | | |
| 矩 | 矩类 | | |
| 矩点 | 点2f类 | | |
输入 ＝
视觉_图像解码 ( #图片1, 1
) 视觉_均值偏移筛选 (输入, 均值偏移, 21, 51, 1,
) 视觉_显示图像 (“均值偏移滤波后”, 均值偏移
) 视觉_颜色空间转换 (均值偏移, 均值偏移,
#颜色_BGR转GRAY, 0
)视觉_阈值 (均值偏移, 二值化, 70, 255,
#阈值_二进制 ) 视觉_显示图像 (“二值化后”, 二值化
) 视觉_距离变换 (二值化, 距离, ,
#距离_L2, 3, 1
) 视觉_归一化 (距离, 距离, 0, 1,
#规范_MINMAX, -1,
)视觉_显示图像 (“距离变换后”, 距离
) 视觉_阈值 (距离, 距离, 0.5, 1,
#阈值_二进制 ) 距离.
转换到 (前景,
#Cv无符号字节型, 1, 0
)视觉_M乘V (前景, 255, 前景, 1, -1
)视觉_显示图像 (“确定的前景”, 前景
)视觉_连通区域 (前景, 标记, 8, 4, 0
) 视觉_M加V (标记, 1, 标记, , -1
) 核心.
初始化 (3, 3,
#Cv无符号字节型, 标量 (1
))
视觉_膨胀 (二值化, 二值化, 核心,
点2i (-1, -1
), 3, 0,
) 视觉_减 (二值化, 前景, 未知, , -1
) 视觉_显示图像 (“未知”, 未知
)未知.
转换到 (未知_32s,
#Cv整数型, 1, 0
)视觉_减 (标记, 未知_32s, 标记, , -1
)标记.
转换到 (标记8U,
#Cv无符号字节型, 1, 0
)视觉_显示图像 (“Markers”, 标记8U.
乘值 (50
))
视觉_分水岭 (输入, 标记
)标记.
转换到 (标记_8us,
#Cv无符号字节型, 1, 0
)视觉_最小最大位置 (标记_8us, 最小_值, 最大_值, , ,
) 输入.
复制 (标记_8u,
)
变量循环首 (2, 最大_值, 1, i
) 
视觉_在范围内 (标记_8us,
标量 (i
),
标量 (i
), temp
) 视觉_查找轮廓 (temp, 轮廓, ,
#检测_外部, #逼近_简单, )颜色.
初始化 (取随机数 (0, 200
),
取随机数 (0, 200
),
取随机数 (0, 200
),
) 视觉_绘制轮廓 (标记_8u, 轮廓, 0, 颜色, -1, 8, , 2147483647,
) 矩 ＝
视觉_计算矩 (轮廓.
取点2i类数组 (1
), ,
真)矩点 ＝
点2f (矩.
m10 () ÷ (矩.
m00 () ＋ 1e-005
) － 10, 矩.
m01 () ÷ (矩.
m00 () ＋ 1e-005
) ＋ 10
)视觉_放置文本f (标记_8u,
到文本 (i － 1
), 矩点,
#字体_衬线_简单, 1.5,
标量 (0, 255, 0
), 3, 8,
假) 
变量循环尾 ()视觉_缩放加法 (输入, 0.5, 标记_8u, 标记_8u
)视觉_显示图像 (“Result”, 标记_8u
) 视觉_等待按键 (0
)返回 (0
) 
看着看着，感觉吧，用fpga芯片，搭建电路来处理这种识别，简单速度快。