รายละเอียดโหนด (Node Reference)

ส่วนนี้จะอธิบายรายละเอียดของโหนดแต่ละตัว โดยเรียงลำดับตามหมวดหมู่ที่ปรากฏในหน้าต่าง Node Category เพื่อให้ค้นหาได้สะดวก

---

1. Computer Vision

หมวดหมู่นี้รวมอัลกอริทึมทางคอมพิวเตอร์วิทัศน์ขั้นสูง สำหรับการวิเคราะห์ภาพที่ซับซ้อน

แบ่งออกเป็น 2 โหนด คือ

- CV Optical Flow PyrLK:

Optical Flow คือโหนดสำหรับ "ติดตามการเคลื่อนไหวของวัตถุ" โดยระบบจะล็อกเป้าจุดเด่น (เช่น มุมตึก ขอบโต๊ะ) แล้วลากเส้นติดตามเมื่อจุดนั้นขยับไปในเฟรมถัดไป

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด
Source	False	กำหนดว่าเป็นโหนดต้นกำเนิดข้อมูลหรือไม่ (False = เป็นโหนดประมวลผลที่รับค่าจากโหนดอื่น)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ editor ไม่ให้ใช้เมาส์ลากย้าย
Enable	True	เปิด/ปิด การทำงานของโหนด (False = หยุดทำงาน/Bypass)
Minimize	False	ย่อขนาดโหนดให้เหลือแค่แถบชื่อเพื่อประหยัดพื้นที่หน้าจอ
Draw Entries	True	แสดงจุดเชื่อมต่อพอร์ต (Ports) บนตัวโหนด
Show Caption	True	แสดงแถบชื่อ (Caption) ด้านบนของโหนด
Enable Zenoh	False	เปิดระบบสื่อสารผ่าน Zenoh (สำหรับส่งข้อมูลผ่าน Network/IoT)
Caption	Text...	ชื่อโหนดที่แสดงผล (CV Optical Flow PyrLK)

2. Image Memory (จัดการหน่วยความจำ)

Property	Default	คำอธิบาย
Sharing Mode	Pool	โหมดการจองหน่วยความจำแบบ Pool (จองวนซ้ำเพื่อความเร็ว)
Pool Size	3	จำนวนบัฟเฟอร์ที่จองไว้ล่วงหน้า (3 เฟรม)

3. Detection (การตรวจจับจุดเด่น)

ก่อนติดตามวัตถุ ระบบต้องหา "จุดเด่น" (Features) เพื่อใช้เป็นจุดอ้างอิง

Property	Default	คำอธิบาย
Auto Detect	True	ให้โปรแกรมหาจุดที่จะติดตามให้อัตโนมัติ
Max Corners	200	จำกัดจำนวนจุดเด่นสูงสุด (ถ้าเยอะเกินไปเครื่องจะประมวลผลช้า)
Quality Level	0.01	คุณภาพความคมชัดของจุด (ถ้าตั้งสูงไปอาจหาจุดไม่เจอ, 0.01 = ยอมรับความชัดระดับหนึ่ง)
Min Distance	10.0	ระยะห่างขั้นต่ำระหว่างจุดเด่นแต่ละจุด (Pixel) ไม่ให้กระจุกตัว
Block Size	3	ขนาดพื้นที่รอบๆ จุดที่จะใช้คำนวณว่าเป็นมุมหรือไม่

4. Tracking (การติดตามการเคลื่อนไหว)

พารามิเตอร์หลักของอัลกอริทึม Lucas-Kanade

Property	Default	คำอธิบาย
Window Size	21, 21	ขนาดหน้าต่างค้นหา (กว้าง x สูง) (ยิ่งใหญ่ยิ่งจับวัตถุเร็วได้ดี แต่ความละเอียดลดลง)
Max Level	3	ระดับ Pyramid (การย่อภาพเป็นชั้นๆ) ช่วยให้ติดตามวัตถุที่เคลื่อนที่ไกลๆ ได้
Max Iterations	30	จำนวนรอบสูงสุดที่วนลูปคำนวณหาจุดใหม่
Epsilon	0.01	ค่าความแม่นยำเป้าหมาย (ถ้าคำนวณได้ละเอียดถึงระดับนี้ให้หยุดวนลูปทันที)
Min Eig Thres	0.0001	เกณฑ์กรองจุดที่ไม่ดีทิ้ง (เช่น จุดบนพื้นเรียบๆ) ถ้าระบบคำนวณค่าได้ต่ำกว่านี้จะเลิกตาม
Flags	0	ค่าโหมดพิเศษ (0 = โหมดปกติ)

5. Display (การแสดงผล)

Property	Default	คำอธิบาย
Draw Tracks	True	วาดเส้นลากตามจุดที่วัตถุเคลื่อนที่ไป
Motion Scale	1.0	ตัวคูณความยาวของเส้น/ลูกศร
Draw Arrows	True	วาดหัวลูกศรที่ปลายเส้นเพื่อบอกทิศทาง
Track Color	Green	สีของเส้นกราฟิก (ค่า Default: B:0, G:255, R:0)
Track Thickness	2	ความหนาของเส้น (Pixel)

---

เทคนิคการปรับจูน (Tuning Guide)

• วัตถุเคลื่อนที่เร็วมาก (Fast Motion): ให้ เพิ่มค่า Window Size (เช่น 31x31) และ เพิ่มค่า Max Level (เช่น 4-5) เพื่อให้ระบบมองเห็นการเปลี่ยนแปลงในระยะที่กว้างขึ้นและไกลขึ้น
• หาจุดเกาะไม่เจอ (No Features Detected): ให้ ลดค่า Quality Level ลง (เช่น 0.005) เพื่อยอมรับจุดที่มีความคมชัดต่ำลง หรือจุดที่อยู่ในที่แสงน้อย
• จุดเกาะกระจุกตัว (Clustered Points): ให้ เพิ่มค่า Min Distance เพื่อบังคับให้จุดกระจายตัวออกไปให้ทั่ววัตถุ ไม่ไปกองรวมกันที่จุดเดียว

ข้อควรระวัง: Performance Impact

• เครื่องหน่วง/กระตุก (Lag): หากตั้งค่า Max Corners ไว้สูงเกินไป (เช่น > 500) หรือ Window Size ใหญ่มากๆ ระบบจะต้องคำนวณหนักมาก แนะนำให้เริ่มที่ 50-100 จุดสำหรับงานทั่วไป
• การติดตามไหล/หลุด (Drifting): หากจุดติดตามเริ่ม "ไหล" ออกจากวัตถุ อาจเกิดจากพื้นผิววัตถุเรียบเกินไป (ไม่มีลวดลาย) ให้ลองปรับ Min Eig Threshold สูงขึ้นเพื่อคัดกรองจุดคุณภาพต่ำออก

Window Size vs Precision

• Window Size ใหญ่: จับการเคลื่อนที่เร็วๆ ได้ดีมาก แต่ความแม่นยำของตำแหน่งจุด (Pixel Precision) อาจลดลงเล็กน้อย
• Window Size เล็ก: ระบุตำแหน่งจุดได้แม่นยำ แต่จะหลุดการติดตามได้ง่ายมากหากวัตถุขยับเร็วกว่ากรอบหน้าต่าง

- CV Optical Flow Farneback

Optical Flow Farneback คือโหนดสำหรับคำนวณการเคลื่อนไหวแบบ "หนาแน่น (Dense)" โดยระบบจะคำนวณเวกเตอร์การเคลื่อนที่ของ ทุกพิกเซลในภาพ ไม่ใช่แค่จุดเด่น ทำให้เห็นรายละเอียดการไหลของวัตถุทั้งชิ้น เหมาะกับงานที่ต้องการความละเอียดสูง

เหมาะสำหรับ

• การแยกวัตถุออกจากพื้นหลัง (Motion Segmentation)
• การจับความเคลื่อนไหวของของเหลวหรือควัน
• ตรวจจับท่าทาง (Action Recognition)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด
Source	False	โหนดต้นกำเนิดข้อมูล (False = ต้องรับภาพจากโหนดอื่นมาประมวลผล)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ editor ไม่ให้ลากย้าย
Enable	True	เปิด/ปิด การใช้งานโหนดนี้
Minimize	False	ย่อขนาดโหนดให้เล็กสุด (False = แสดงผลเต็มรูปแบบ)
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports) สำหรับลากสาย
Show Caption	True	แสดงแถบชื่อโหนดด้านบน (Caption Bar)
Enable Zenoh	False	เปิดระบบสื่อสารข้อมูลผ่านเครือข่าย Zenoh (IoT/Edge)
Caption	CV Optical Flow...	ชื่อโหนดที่แสดงผลบนหน้าจอ

2. Image Memory (จัดการหน่วยความจำ)

Property	Default	คำอธิบาย
Sharing Mode	Pool	โหมดการจองหน่วยความจำแบบ Pool (จองล่วงหน้าเพื่อลดการสร้างใหม่บ่อยๆ)
Pool Size	3	จำนวนบัฟเฟอร์ที่จองเตรียมไว้ (3 เฟรมหมุนเวียน)

3. Operation (การทำงาน)

Property	Default	คำอธิบาย
Pyramid Scale	0.5	อัตราส่วนการย่อภาพในแต่ละชั้นปิรามิด (0.5 = ย่อทีละครึ่ง ช่วยจับการเคลื่อนไหวหลายระยะ)
Pyramid Levels	3	จำนวนชั้นของปิรามิด (ระดับจำลองภาพ หยาบ -> ละเอียด)
Window Size	15	ขนาดหน้าต่างเฉลี่ย (ค่ามาก = ทน Noise ได้ดีแต่ภาพเบลอ, ค่าน้อย = เก็บขอบชัดแต่อ่อนไหวต่อ Noise)
Iterations	3	จำนวนรอบการคำนวณในแต่ละชั้นปิรามิด (ยิ่งเยอะยิ่งแม่น แต่กินสเปคเครื่อง)
Poly N	5	ขนาดพื้นที่รอบจุดที่ใช้สร้างสมการพหุนาม (แนะนำ 5 หรือ 7)
Poly Sigma	1.1	ค่าเบี่ยงเบนมาตรฐาน (Sigma) ของ Gaussian (สัมพันธ์กับ Poly N: ถ้า N=5 ใช้ 1.1, ถ้า N=7 ใช้ 1.5)

4. Display (การแสดงผล)

Property	Default	คำอธิบาย
Show Magnitude	False	แสดงความแรงของการเคลื่อนไหวเป็นภาพขาวดำ
Color Map	Jet	ชุดสีที่ใช้ระบายภาพ Optical Flow เพื่อบอกทิศทาง/ความเร็ว (Jet = สีรุ้ง, สีเย็น=ขยับน้อย, สีร้อน=ขยับเยอะ)

---

การตั้งค่า Poly N และ Sigma

เพื่อให้ภาพมีความเนียนสมจริง ควรปรับค่าคู่กันดังนี้: * เน้นทั่วไป: Poly N = 5, Poly Sigma = 1.1 * เน้นความเนียน (แต่ขอบเบลอ): Poly N = 7, Poly Sigma = 1.5

การอ่านค่าสี (Color Map: Jet)

• โทนเย็น (น้ำเงิน/ฟ้า): วัตถุอยู่นิ่ง หรือเคลื่อนที่ช้า
• โทนร้อน (แดง/ส้ม): วัตถุมีการเคลื่อนที่เร็ว

2. DNN (Deep Neural Networks)

โหนดสำหรับการใช้งานปัญญาประดิษฐ์ (AI) และ Deep Learning

- Text Detection Model:

Text Detection Model

โหนดสำหรับตรวจจับตำแหน่งข้อความในรูปภาพ (Text Localization) โดยใช้โมเดล Deep Learning (DBNet) เพื่อส่งคืนค่าพิกัดกรอบสี่เหลี่ยม (Bounding Box) สำหรับนำไปใช้งานต่อในกระบวนการ OCR

Properties Reference

ตารางอธิบายการตั้งค่าพารามิเตอร์ต่างๆ ภายในโหนด

1. Common Settings

การตั้งค่าพื้นฐานสำหรับการควบคุมการทำงานของโหนด

Property	Default	คำอธิบาย
Node	0	คือรหัสประจำตัวของโหนดนี้ ใช้สำหรับอ้างอิงภายในระบบ (เช่น เวลาโปรแกรมบันทึกว่าโหนดไหนต่อกับโหนดไหน)
Source	False	(เช็คบ็อกซ์) มักใช้ระบุว่าโหนดนี้เป็น "ต้นทางข้อมูล" (Source) หรือไม่ ในที่นี้ไม่ได้ติ๊ก แปลว่าโหนดนี้ต้องรับภาพเข้ามาจากโหนดอื่นก่อนจึงจะทำงานได้
Lock Position	False	ถ้าติ๊กช่องนี้ จะไม่สามารถใช้เมาส์ลากย้ายตำแหน่งกล่องนี้ได้ (ใช้ล็อคตำแหน่งเมื่อจัดหน้าจอเสร็จแล้ว)
Enable	True	เปิด/ปิด การทำงานของโหนด (หากเป็น False จะเป็นการ Bypass ข้อมูล)
Minimize	False	ใช้ย่อเก็บรายละเอียดโหนดให้เหลือแค่ชื่อ (ยุบกล่อง) เพื่อประหยัดพื้นที่หน้าจอ
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports) บนตัวโหนดในหน้า Editor
Show Caption	True	เลือกให้แสดงชื่อ "Text Dectection Model" บนหัวกล่องหรือไม่
Enable Zenoh	False	เปิดใช้งานการส่งข้อมูล Output ผ่านโปรโตคอล Zenoh (สำหรับ IoT/Network)

2. Model Configuration

การตั้งค่าเกี่ยวกับโมเดล AI และความแม่นยำในการตรวจจับ

Property	Default	คำอธิบาย
Model Filename	-	(Required) ที่อยู่ไฟล์โมเดล AI (รองรับ .onnx)
Binary Threshold	0.30	ค่าความน่าจะเป็นขั้นต่ำ (Probability Map) ที่จะระบุว่าเป็นพิกเซลของตัวอักษร
Polygon Threshold	0.50	ค่าความมั่นใจเฉลี่ยของกรอบข้อความ (Box Score) หากต่ำกว่านี้จะถูกตัดทิ้ง
Unclip Ratio	2.00	อัตราส่วนการขยายขอบของกรอบข้อความ (Box Expansion) จากผลลัพธ์ของโมเดล

3. Input Parameters

การจัดการรูปภาพก่อนเข้าสู่กระบวนการประมวลผล

Property	Default	คำอธิบาย
Input Size	736x736	ขนาดภาพ (Width x Height) ที่จะ Resize ก่อนส่งเข้าโมเดล แนะนำ: ควรเป็นค่าพหุคูณของ 32
Max Candidate	200	จำนวนกรอบข้อความสูงสุดที่อนุญาตให้แสดงผลต่อ 1 ภาพ

---

🛠 Tuning Guide (เทคนิคการปรับจูน)

การปรับค่าพารามิเตอร์เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ขึ้นอยู่กับลักษณะของรูปภาพหน้างาน

เทคนิค: การปรับค่า Threshold

• หาข้อความไม่เจอ (Undetected): ให้ลอง ลดค่า Binary Threshold (เช่น 0.2) หรือ เพิ่ม Input Size
• เจอขยะ/จุดรบกวน (Noise): ให้ เพิ่มค่า Polygon Threshold (เช่น 0.6) เพื่อกรองเฉพาะจุดที่มั่นใจจริงๆ

ข้อควรระวัง: Unclip Ratio

• หากตั้งค่า Unclip Ratio มากเกินไป กรอบข้อความอาจจะขยายจนไปกินพื้นที่ของบรรทัดอื่น หรือทับซ้อนกัน (Overlapping)
• หากตั้งค่าน้อยเกินไป อาจทำให้ส่วนหางของตัวอักษรขาดหายไปได้

Performance Note

การตั้งค่า Input Size ที่สูงขึ้น (เช่น 1024x1024 ขึ้นไป) จะช่วยให้ตรวจจับตัวอักษรขนาดเล็กได้ดีขึ้น แต่จะแลกมาด้วยการใช้หน่วยความจำ (VRAM) ที่สูงขึ้นและเวลาประมวลผลที่นานขึ้น

- NecML Classification:

NecML Classification คือโหนดสำหรับ "จำแนกประเภทรูปภาพ" (Image Classification) โดยรองรับการโหลดโมเดล Deep Learning และมีฟังก์ชัน Preprocessing (Blob Image) ในตัว เพื่อปรับค่าแสงและสีของภาพให้ตรงกับมาตรฐานที่โมเดลถูกเทรนมา (Normalization)

ตารางการตั้งค่า (Properties)

1. Common & Model Config

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	1	เลขประจำตัวลำดับของโหนด
Caption	NecML...	ชื่อโหนดที่แสดงผล
Model Filename	-	(Required) ไฟล์โมเดล AI นามสกุลที่รองรับ (เช่น .onnx, .tflite)
Config Filename	-	ไฟล์ตั้งค่าเพิ่มเติมของโมเดล (ถ้ามี)

2. Blob Image (Preprocessing)

การเตรียมข้อมูลภาพก่อนส่งเข้าโมเดล (สำคัญมาก หากตั้งค่าผิด โมเดลจะทายผิดทันที)

Property	Default	คำอธิบาย
Inverse Scale	255.0	ตัวหารค่าสี (Scale Factor) (ปกติใช้ 255 เพื่อแปลงค่าสีจาก 0-255 ให้เป็นช่วง 0.0-1.0)
Mean R, G, B	0.485, 0.456, 0.406	ค่าเฉลี่ยสี (Mean) สำหรับลบออกจากภาพต้นฉบับ (ค่า Default นี้คือมาตรฐาน ImageNet)
Std R, G, B	0.229, 0.224, 0.225	ค่าเบี่ยงเบนมาตรฐาน (Std) สำหรับนำมาหารค่าสี (ค่า Default นี้คือมาตรฐาน ImageNet)
Size (W x H)	300x300	ขนาดภาพที่โมเดลต้องการ (Input Size) ระบบจะย่อ/ขยายภาพให้เป็นขนาดนี้อัตโนมัติ

---

เข้าใจค่า Blob Image (Mean & Std)

ค่าตัวเลขทศนิยมที่เห็น (0.485, 0.229 ฯลฯ) คือค่า Standard Normalization ของชุดข้อมูล ImageNet * หากคุณใช้โมเดลสำเร็จรูป (เช่น ResNet, MobileNet, EfficientNet) ที่โหลดมาจากอินเทอร์เน็ต ส่วนใหญ่จะต้องใช้ค่า Default นี้ ห้ามเปลี่ยน * หากคุณเทรนโมเดลเอง (Custom Training) ต้องตั้งค่าเหล่านี้ให้ตรงกับตอนที่คุณเทรนโมเดลมา

ขนาดภาพ (Input Size)

ต้องระบุ Width และ Height ให้ตรงกับที่โมเดลถูกออกแบบมาเป๊ะๆ (เช่น โมเดล EfficientNet-B0 มักใช้ 224x224 หรือ 300x300) หากใส่เลขผิด อาจทำให้โปรแกรม Error หรือผลลัพธ์เพี้ยนได้

- Yolo Object Detection:

Yolo Object Detection คือโหนดสำหรับ "ตรวจจับและระบุตำแหน่งวัตถุ" (Object Detection) โดยใช้อัลกอริทึมตระกูล YOLO (You Only Look Once) ที่มีความรวดเร็วสูง สามารถบอกได้ว่าในภาพมีวัตถุอะไรบ้างและอยู่ที่ตำแหน่งไหน (Bounding Box)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	2	เลขประจำตัวลำดับของโหนด
Source	False	โหนดต้นกำเนิดข้อมูล (False = รับภาพจากโหนดอื่น)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสารผ่าน Zenoh
Caption	Yolo Object...	ชื่อโหนดที่แสดงผล

2. Model Configuration (ไฟล์โมเดล)

ต้องระบุไฟล์ให้ครบทั้ง 3 ส่วนเพื่อให้โมเดลทำงานได้สมบูรณ์

Property	Default	คำอธิบาย
Weight Filename	-	(Required) ไฟล์น้ำหนักโมเดลที่ผ่านการเทรนมาแล้ว (เช่น .weights, .onnx)
Classes Filename	-	(Required) ไฟล์รายชื่อคลาส (Label) ที่โมเดลรู้จัก (เช่น .names, .txt)
Configuration	-	(Required) ไฟล์โครงสร้างโมเดล (เช่น .cfg) สำหรับ Darknet Framework

3. Image Preprocessing (การเตรียมภาพ)

ตั้งค่าการแปลงภาพให้ตรงกับที่โมเดลถูกเทรนมา (YOLO มักใช้ขนาด 416x416 หรือ 608x608)

Property	Default	คำอธิบาย
Inverse Scale	255.0	ตัวหารค่าสีเพื่อทำ Normalization (0-255 -> 0.0-1.0)
Size (W x H)	416x416	ขนาดภาพ Input ที่โมเดลต้องการ (YOLOv3/v4 มาตรฐานมักใช้ 416x416)
Swap RB	True	สลับช่องสีแดงและน้ำเงิน (Red-Blue Swapping) (เปลี่ยนจาก BGR เป็น RGB)

---

ทำไมต้อง Swap RB = True?

• OpenCV (ไลบรารีที่ใช้รับภาพ) จะอ่านสีแบบ BGR (Blue-Green-Red)
• YOLO (และโมเดลส่วนใหญ่) ถูกเทรนมาด้วยสีแบบ RGB (Red-Green-Blue)
• ดังนั้นเราจึงต้องติ๊ก Swap RB เป็น True เสมอ เพื่อให้สีตรงกัน ไม่งั้นโมเดลจะทายผิด (เช่น เห็นแอปเปิ้ลสีแดงเป็นสีน้ำเงิน)

File Consistency (ความเข้ากันได้ของไฟล์)

ไฟล์ Weight, Classes และ Configuration ต้องเป็นชุดเดียวกันและเวอร์ชันเดียวกันเสมอ (เช่น ถ้าใช้ YOLOv3 ก็ต้องเป็น cfg ของ YOLOv3) หากใช้ไฟล์ข้ามรุ่น โปรแกรมอาจจะ Error หรือปิดตัวเองทันที

- DNN Face Detection:

Yolo Object Detection คือโหนดสำหรับ "ตรวจจับและระบุตำแหน่งวัตถุ" (Object Detection) โดยใช้อัลกอริทึมตระกูล YOLO (You Only Look Once) ที่มีความรวดเร็วสูง สามารถบอกได้ว่าในภาพมีวัตถุอะไรบ้างและอยู่ที่ตำแหน่งไหน (Bounding Box)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	2	เลขประจำตัวลำดับของโหนด
Source	False	โหนดต้นกำเนิดข้อมูล (False = รับภาพจากโหนดอื่น)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสารผ่าน Zenoh
Caption	Yolo Object...	ชื่อโหนดที่แสดงผล

2. Model Configuration (ไฟล์โมเดล)

ต้องระบุไฟล์ให้ครบทั้ง 3 ส่วนเพื่อให้โมเดลทำงานได้สมบูรณ์

Property	Default	คำอธิบาย
Weight Filename	-	(Required) ไฟล์น้ำหนักโมเดลที่ผ่านการเทรนมาแล้ว (เช่น .weights, .onnx)
Classes Filename	-	(Required) ไฟล์รายชื่อคลาส (Label) ที่โมเดลรู้จัก (เช่น .names, .txt)
Configuration	-	(Required) ไฟล์โครงสร้างโมเดล (เช่น .cfg) สำหรับ Darknet Framework

3. Image Preprocessing (การเตรียมภาพ)

ตั้งค่าการแปลงภาพให้ตรงกับที่โมเดลถูกเทรนมา (YOLO มักใช้ขนาด 416x416 หรือ 608x608)

Property	Default	คำอธิบาย
Inverse Scale	255.0	ตัวหารค่าสีเพื่อทำ Normalization (0-255 -> 0.0-1.0)
Size (W x H)	416x416	ขนาดภาพ Input ที่โมเดลต้องการ (YOLOv3/v4 มาตรฐานมักใช้ 416x416)
Swap RB	True	สลับช่องสีแดงและน้ำเงิน (Red-Blue Swapping) (เปลี่ยนจาก BGR เป็น RGB)

ทำไมต้อง Swap RB = True?

• OpenCV (ไลบรารีที่ใช้รับภาพ) จะอ่านสีแบบ BGR (Blue-Green-Red)
• YOLO (และโมเดลส่วนใหญ่) ถูกเทรนมาด้วยสีแบบ RGB (Red-Green-Blue)
• ดังนั้นเราจึงต้องติ๊ก Swap RB เป็น True เสมอ เพื่อให้สีตรงกัน ไม่งั้นโมเดลจะทายผิด (เช่น เห็นแอปเปิ้ลสีแดงเป็นสีน้ำเงิน)

File Consistency (ความเข้ากันได้ของไฟล์)

ไฟล์ Weight, Classes และ Configuration ต้องเป็นชุดเดียวกันและเวอร์ชันเดียวกันเสมอ (เช่น ถ้าใช้ YOLOv3 ก็ต้องเป็น cfg ของ YOLOv3) หากใช้ไฟล์ข้ามรุ่น โปรแกรมอาจจะ Error หรือปิดตัวเองทันที

- Onnx Classification Model:

Onnx Classification Model คือโหนดสำหรับรันโมเดลจำแนกภาพ (Image Classification) ที่อยู่ในรูปแบบมาตรฐาน ONNX (Open Neural Network Exchange) ทำให้สามารถนำโมเดลที่สร้างจากเฟรมเวิร์กต่างๆ (เช่น PyTorch, TensorFlow, MATLAB) มาใช้งานร่วมกันได้

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	4	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพเข้ามาประมวลผล)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	Onnx Class...	ชื่อโหนดที่แสดงผล

2. Model Configuration (ไฟล์โมเดล)

Property	Default	คำอธิบาย
Model Filename	-	(Required) ไฟล์โมเดลนามสกุล .onnx
Classes Filename	-	(Required) ไฟล์ Text (.txt) ที่ระบุชื่อคลาส (Label) บรรทัดละ 1 ชื่อ

3. Blob Image (Preprocessing)

การเตรียมภาพก่อนส่งเข้าโมเดล (Normalization) โดยค่า Default ที่ตั้งมาคือมาตรฐาน ImageNet

Property	Default	คำอธิบาย
Inverse Scale	255.0	ตัวหารค่าสีเพื่อแปลงช่วงข้อมูล (จาก 0-255 เป็น 0.0-1.0)
Mean R, G, B	0.485, 0.456, 0.406	ค่าเฉลี่ยสี (Mean) สำหรับลบออกจากภาพต้นฉบับ
Std R, G, B	0.229, 0.224, 0.225	ค่าเบี่ยงเบนมาตรฐาน (Std) สำหรับนำมาหารค่าสี
Size (W x H)	300x300	ขนาดภาพ Input ที่โมเดลต้องการ (ระบบจะ Resize ให้เอง)

ความยืดหยุ่นของ ONNX

คุณสามารถดาวน์โหลดโมเดลสำเร็จรูปจาก ONNX Model Zoo มาทดลองใช้ได้ทันที แต่สิ่งสำคัญคือ ต้องตั้งค่า Blob Image ให้ตรงกับคู่มือของโมเดลนั้นๆ (บางโมเดลอาจใช้ค่า Mean/Std ไม่เหมือนกัน หรือใช้ Size เป็น 224x224)

Classes Filename

ไฟล์รายชื่อคลาส (Classes) จะต้องเรียงลำดับบรรทัดให้ตรงกับ Output ID ของโมเดลเป๊ะๆ (เช่น บรรทัดที่ 1 คือ Class 0, บรรทัดที่ 2 คือ Class 1) หากเรียงผิด โมเดลจะทายถูกแต่บอกชื่อผิด

- Text Recognition Model:

Text Recognition Model คือโหนดสำหรับ "อ่านตัวอักษร" (Optical Character Recognition - OCR) โดยทำหน้าที่แปลงภาพพื้นที่ข้อความ (ที่มักจะได้มาจากขั้นตอน Text Detection) ให้กลายเป็นข้อความตัวหนังสือ (String) ที่คอมพิวเตอร์สามารถนำไปประมวลผลต่อได้

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	5	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับข้อมูลภาพ/Crop เข้ามาประมวลผล)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	Text Recog...	ชื่อโหนดที่แสดงผล

2. Model Configuration (ไฟล์โมเดล)

ต้องระบุทั้งตัวโมเดลและไฟล์พจนานุกรมภาษาให้สอดคล้องกัน

Property	Default	คำอธิบาย
Model Filename	-	(Required) ไฟล์โมเดล AI สำหรับอ่านตัวอักษร (เช่น .onnx)
Vocabulary Filename	-	(Required) ไฟล์ Text (.txt) ที่ระบุชุดตัวอักษร (Character Set) ที่โมเดลนี้รู้จัก (ต้องเป็นไฟล์ที่มาคู่กับโมเดลเสมอ)

---

Detection vs Recognition (ต่างกันอย่างไร?)

• Text Detection: ทำหน้าที่แค่ "หา" ว่าข้อความอยู่ตรงไหน (ได้ผลลัพธ์เป็นกรอบสี่เหลี่ยม)
• Text Recognition: ทำหน้าที่ "อ่าน" ว่าในกรอบนั้นเขียนว่าอะไร (ได้ผลลัพธ์เป็นตัวหนังสือ)
• ในการใช้งานจริง มักจะต้องต่อโหนด Detection ก่อน แล้วส่งผลลัพธ์มาให้โหนด Recognition

ความสำคัญของ Vocabulary File

Vocabulary File เปรียบเสมือน "ดัชนี" ของโมเดล ถ้าคุณใช้โมเดลอ่านภาษาไทย แต่ไปใส่ Vocabulary ของภาษาอังกฤษ ผลลัพธ์ที่ได้จะเป็นภาษาต่างดาวหรืออ่านไม่ออกเลย ต้องใช้ไฟล์ที่มาคู่กับโมเดลเท่านั้น

- NomadML Classification:

NomadML Classification คือโหนดสำหรับรันโมเดลจำแนกภาพ (Image Classification) ที่ได้รับการปรับแต่งหรือฝึกสอนผ่านแพลตฟอร์ม NomadML รองรับการตั้งค่า Preprocessing แบบละเอียดเพื่อให้สอดคล้องกับโมเดลที่ใช้งาน

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	6	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (รับภาพจากโหนดอื่น)
Lock Position	False	ล็อกตำแหน่งโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	NomadML...	ชื่อโหนดที่แสดงผล

2. Model Configuration (ไฟล์โมเดล)

Property	Default	คำอธิบาย
Model Filename	-	(Required) ไฟล์โมเดลที่ได้จากการ Export (เช่น .onnx, .tflite)
Config Filename	-	ไฟล์การตั้งค่าโมเดลเพิ่มเติม (ถ้ามี) เช่น ไฟล์ JSON หรือ YAML

3. Blob Image (Preprocessing)

ชุดค่ามาตรฐานสำหรับการเตรียมภาพ (ค่า Default เป็นมาตรฐาน ImageNet)

Property	Default	คำอธิบาย
Inverse Scale	255.0	ตัวหารค่าสี (Normalization Factor)
Mean R, G, B	0.485, 0.456, 0.406	ค่าเฉลี่ยสี (Mean) สำหรับลบออกจากภาพต้นฉบับ
Std R, G, B	0.229, 0.224, 0.225	ค่าเบี่ยงเบนมาตรฐาน (Std) สำหรับหารค่าสี
Size (W x H)	300x300	ขนาดภาพ Input ที่โมเดลต้องการระบบจะ Resize ให้เองอัตโนมัติ

NomadML Workflow

หากคุณใช้โมเดลจาก NomadML ตรวจสอบให้แน่ใจว่าได้ตั้งค่า Size (Width/Height) ให้ตรงกับตอนที่ตั้งค่าโปรเจกต์เทรนโมเดล (Training Config) เพื่อให้ความแม่นยำสูงสุด

Standard Normalization

ค่า Mean และ Std ที่ตั้งมาให้ เป็นค่ามาตรฐานของ ImageNet ซึ่งโมเดลส่วนใหญ่ในปัจจุบัน (เช่น MobileNetV2, ResNet50) มักจะใช้ค่าชุดนี้ หากโมเดลของคุณเทรนมาด้วยค่าอื่น ให้แก้ไขตัวเลขตรงนี้ให้ตรงกัน

3. GPL

- MQTT Publisher:

NomadML Classification คือโหนดสำหรับรันโมเดลจำแนกภาพ (Image Classification) ที่ได้รับการปรับแต่งหรือฝึกสอนผ่านแพลตฟอร์ม NomadML รองรับการตั้งค่า Preprocessing แบบละเอียดเพื่อให้สอดคล้องกับโมเดลที่ใช้งาน

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	6	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (รับภาพจากโหนดอื่น)
Lock Position	False	ล็อกตำแหน่งโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	NomadML...	ชื่อโหนดที่แสดงผล

2. Model Configuration (ไฟล์โมเดล)

Property	Default	คำอธิบาย
Model Filename	-	(Required) ไฟล์โมเดลที่ได้จากการ Export (เช่น .onnx, .tflite)
Config Filename	-	ไฟล์การตั้งค่าโมเดลเพิ่มเติม (ถ้ามี) เช่น ไฟล์ JSON หรือ YAML

3. Blob Image (Preprocessing)

ชุดค่ามาตรฐานสำหรับการเตรียมภาพ (ค่า Default เป็นมาตรฐาน ImageNet)

Property	Default	คำอธิบาย
Inverse Scale	255.0	ตัวหารค่าสี (Normalization Factor)
Mean R, G, B	0.485, 0.456, 0.406	ค่าเฉลี่ยสี (Mean) สำหรับลบออกจากภาพต้นฉบับ
Std R, G, B	0.229, 0.224, 0.225	ค่าเบี่ยงเบนมาตรฐาน (Std) สำหรับหารค่าสี
Size (W x H)	300x300	ขนาดภาพ Input ที่โมเดลต้องการระบบจะ Resize ให้เองอัตโนมัติ

---

NomadML Workflow

หากคุณใช้โมเดลจาก NomadML ตรวจสอบให้แน่ใจว่าได้ตั้งค่า Size (Width/Height) ให้ตรงกับตอนที่ตั้งค่าโปรเจกต์เทรนโมเดล (Training Config) เพื่อให้ความแม่นยำสูงสุด

Standard Normalization

ค่า Mean และ Std ที่ตั้งมาให้ เป็นค่ามาตรฐานของ ImageNet ซึ่งโมเดลส่วนใหญ่ในปัจจุบัน (เช่น MobileNetV2, ResNet50) มักจะใช้ค่าชุดนี้ หากโมเดลของคุณเทรนมาด้วยค่าอื่น ให้แก้ไขตัวเลขตรงนี้ให้ตรงกัน

- MQTT Subsciber:

MQTT Subscriber คือโหนดสำหรับ "รับข้อมูล" จากอุปกรณ์อื่นผ่านโปรโตคอล MQTT (Message Queuing Telemetry Transport) โดยโหนดนี้จะเชื่อมต่อกับตัวกลาง (Broker) และรอฟังข้อมูลจากหัวข้อ (Topic) ที่กำหนด

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Enable	True	เปิด/ปิด การทำงานของโหนด
Node ID	1	เลขประจำตัวลำดับของโหนด
Source	False	(False = ถือเป็นโหนดรับข้อมูล ไม่ใช่ต้นกำเนิดสัญญาณภาพ)
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	MQTT Sub...	ชื่อโหนดที่แสดงผล

2. Connection Settings (การเชื่อมต่อ)

ตั้งค่าเพื่อเชื่อมต่อไปยัง MQTT Broker (เซิร์ฟเวอร์ตัวกลาง)

Property	Default	คำอธิบาย
Host	-	(Required) ที่อยู่ IP หรือ Domain Name ของ Broker (เช่น localhost, 192.168.1.50, broker.emqx.io)
Port	1883	พอร์ตสำหรับการเชื่อมต่อ (ปกติ 1883 สำหรับ Non-SSL และ 8883 สำหรับ SSL)
Username	-	ชื่อผู้ใช้ (หาก Broker ตั้งค่าล็อครหัสผ่านไว้)
Password	-	รหัสผ่าน (หาก Broker ตั้งค่าล็อครหัสผ่านไว้)

3. Subscription (การรับข้อมูล)

ระบุหัวข้อที่ต้องการดักฟังข้อมูล

Property	Default	คำอธิบาย
Topic	-	(Required) หัวข้อข่าวสารที่ต้องการรับ (เช่น factory/machine1/temp)
QoS	0	ระดับคุณภาพการส่งข้อมูล (Quality of Service) (ดูคำอธิบายด้านล่าง)

---

ความหมายของ Topic Wildcards

คุณสามารถใช้สัญลักษณ์พิเศษเพื่อรับข้อมูลหลายหัวข้อพร้อมกันได้: * + (Plus): แทนที่ 1 ระดับชั้น (เช่น sensors/+/temp จะรับทั้ง sensors/bed/temp และ sensors/kitchen/temp) * # (Hash): แทนที่ทุกระดับชั้นที่เหลือ (เช่น sensors/# จะรับทุกอย่างที่ขึ้นต้นด้วย sensors)

ระดับ QoS (Quality of Service)

• 0 (At most once): ส่งแล้วจบกัน ไม่มีการยืนยัน (เร็วสุด แต่อาจมีข้อมูลหาย)
• 1 (At least once): รับประกันว่าข้อมูลถึงปลายทางแน่นอน (แต่อาจได้รับซ้ำ)
• 2 (Exactly once): รับประกันว่าข้อมูลถึงปลายทาง 1 ครั้งถ้วน (ช้าที่สุด แต่แม่นยำที่สุด)

4. GUI (Graphical User Interface)

เครื่องมือสำหรับสร้างส่วนติดต่อผู้ใช้บนหน้าจอ เพื่อปรับค่าต่างๆ ได้ทันที

- Push Button:

Push Button คือโหนดสำหรับสร้าง "ปุ่มกด" (Interactive Button) บนหน้าจอ Dashboard เพื่อให้ผู้ใช้งานสามารถคลิกเพื่อส่งสัญญาณ Trigger หรือส่งค่าตัวเลข (Integer) ออกไปควบคุมการทำงานของโหนดอื่นๆ ได้

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	1	เลขประจำตัวลำดับของโหนด
Source	True	(สำคัญ) โหนดนี้เป็น Source (ต้นกำเนิดสัญญาณ)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	Push Button	ชื่อโหนดที่แสดงผล

2. Button Configuration (ตั้งค่าปุ่ม)

Property	Default	คำอธิบาย
Label	OK	ข้อความที่ปรากฏบนปุ่มกด (เช่น Start, Stop, Reset)
Font Size	12	ขนาดตัวอักษรของ Label
Checkable	False	กำหนดพฤติกรรมของปุ่ม (False = ปุ่มกดเด้งปกติ, True = ปุ่มกดค้างแบบสวิตช์ On/Off)
Int Out	0	ค่าตัวเลขจำนวนเต็ม (Integer) ที่จะส่งออกมาเมื่อปุ่มถูกกด

---

Checkable: True vs False

• False (Momentary): ทำงานเหมือนกริ่งประตู กดแล้วปล่อย สัญญาณจะส่งออกมาแค่จังหวะเดียว เหมาะสำหรับปุ่ม Trigger หรือ Reset
• True (Toggle): ทำงานเหมือนสวิตช์ไฟ กดแล้วปุ่มจะบุ๋มลงไป (On) กดอีกทีจะเด้งคืน (Off) เหมาะสำหรับปุ่ม Start/Stop เครื่องจักร

Int Out Usage

ค่า Int Out มีประโยชน์มากเมื่อคุณนำปุ่มหลายๆ ปุ่มไปต่อเข้ากับ Logic Condition เช่น: * ปุ่ม A ตั้ง Int Out = 1 (สั่งเปิดไฟ) * ปุ่ม B ตั้ง Int Out = 0 (สั่งปิดไฟ)

- LCD Number:

LCD Number คือโหนดสำหรับ "แสดงค่าตัวเลข" ในรูปแบบหน้าจอ LCD (7-Segment Display) เหมือนเครื่องคิดเลขหรือนาฬิกาดิจิตอล เหมาะสำหรับใช้แสดงผลลัพธ์ที่เป็นตัวเลขจำนวนเต็มหรือทศนิยมบนหน้า Dashboard ให้ดูโดดเด่นและอ่านง่าย

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	2	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับค่าตัวเลขเข้ามาแสดงผล)
Lock Position	False	ล็อกตำแหน่งโหนดบนหน้าจอ
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	LCD Number	ชื่อโหนดที่แสดงผล

2. Display Configuration (การแสดงผล)

Property	Default	คำอธิบาย
Digit Count	5	จำนวนหลักของตัวเลขสูงสุดที่ต้องการแสดงบนหน้าจอ (รวมจุดทศนิยมและเครื่องหมายลบด้วย)

---

การกำหนดค่า Digit Count

ควรตั้งค่า Digit Count ให้ครอบคลุมจำนวนหลักสูงสุดที่คาดว่าจะเกิดขึ้น * ตัวอย่าง: ถ้าต้องการแสดงค่า 123.45 คุณต้องเผื่อที่ไว้อย่างน้อย 6 หลัก (3 หลักหน้า + 1 จุดทศนิยม + 2 หลักหลัง) * หากตั้งค่าน้อยเกินไป ตัวเลขอาจจะถูกตัด หรือแสดงผลผิดเพี้ยนได้

การใช้งานร่วมกับโหนดอื่น

โหนดนี้ออกแบบมาเพื่อรับค่า Integer (จำนวนเต็ม) หรือ Float (ทศนิยม) จากโหนดคำนวณต่างๆ (เช่น โหนดนับจำนวนวัตถุ, โหนดวัดขนาด, หรือค่า Score จาก AI) มาแสดงผลให้ผู้ใช้งานเห็นได้ทันที

- Activate all Nodes:

Activate all Nodes คือโหนดคำสั่งพิเศษ (System Action) ที่ทำหน้าที่ "สั่งเปิดการทำงาน (Enable) ของโหนดทุกตัวในโปรเจกต์" ทันทีที่ได้รับสัญญาณ Trigger นิยมนำมาต่อพ่วงกับปุ่มกดเพื่อทำฟังก์ชัน "Start System" หรือ "Reset System"

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	3	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับสัญญาณ Trigger มาจากโหนดอื่น เช่น ปุ่มกด)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	Activate...	ชื่อโหนดที่แสดงผล

2. Display Configuration (การแสดงผล)

Property	Default	คำอธิบาย
Label	Enable All...	ข้อความที่จะแสดงบนตัวโหนดเพื่อบอกสถานะหรือหน้าที่
Font Size	12	ขนาดตัวอักษรของ Label

---

วิธีการใช้งาน (Usage Workflow)

โหนดนี้มักจะไม่ทำงานด้วยตัวคนเดียว (เพราะ Source = False) แต่จะถูกใช้ร่วมกับ Push Button ดังนี้: 1. สร้างโหนด Push Button (ตั้งชื่อว่า Start) 2. ลากสายจาก Push Button มาเข้าที่ Activate all Nodes 3. เมื่อผู้ใช้กดปุ่ม Start -> สัญญาณจะวิ่งมาที่โหนดนี้ -> โหนดนี้จะสั่ง Enable = True ให้กับทุกโหนดในระบบทันที

ทำไมต้องมีโหนดนี้?

ในการทำงานจริง เราอาจจะตั้งค่าโหนดบางตัวเป็น Enable = False (ปิดไว้ก่อน) เพื่อไม่ให้ระบบทำงานทันทีที่เปิดโปรแกรม โหนดนี้จึงทำหน้าที่เหมือนกุญแจสตาร์ทรถ ที่รอคำสั่งจากผู้ใช้แล้วค่อยปลุกระบบทั้งหมดให้ตื่นพร้อมกัน

- Display Text:

Display Text คือโหนดสำหรับการแสดงผล (Visualization) ที่ทำหน้าที่ "แสดงข้อความ (String) หรือค่าตัวเลข" บนหน้าจอ GUI ของโหนดโดยตรง ใช้สำหรับตรวจสอบความถูกต้องของข้อมูล (Monitor), ดูผลลัพธ์การทำงาน หรือสร้างป้ายกำกับ (Label) ในระบบ Flow

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	4	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับข้อมูลจากโหนดอื่นเข้ามาแสดงผล)
Lock Position	False	ล็อกตำแหน่งโหนดไม่ให้ขยับ
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนดให้เล็กลง
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนดด้านบน
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh (สำหรับการส่งข้อมูลข้าม Network)
Caption	Display Text	ชื่อโหนดที่แสดงผลบริเวณส่วนหัว

2. Style & Configuration (รูปแบบและการตั้งค่า)

Property	Default	คำอธิบาย
Font	Arial	รูปแบบฟอนต์ของข้อความที่แสดง
Size	12	ขนาดของตัวอักษร
Alignment	Left	การจัดตำแหน่งข้อความ (Left / Center / Right)
Number of Input Ports	1	จำนวนช่องรับสัญญาณอินพุต (สำหรับรับข้อความมาแสดง)

3. Color Settings (การตั้งค่าสี)

Property	Default (R,G,B)	คำอธิบาย
Text Color	0, 0, 0	สีของตัวอักษร (ค่าเริ่มต้น: สีดำ)
Background Color	255, 255, 255	สีพื้นหลังของพื้นที่แสดงข้อความ (ค่าเริ่มต้น: สีขาว)

วิธีการใช้งาน (Usage Workflow)

โหนดนี้มักจะอยู่ท้ายสุดของ Flow ย่อย เพื่อใช้เป็นจุดสังเกตการณ์ (Observer): 1. เตรียมโหนดที่มีข้อมูลขาออกเป็นข้อความ หรือตัวเลข (เช่น Counter, Read Barcode, หรือ String Constant) 2. ลากสายจาก Output ของโหนดเหล่านั้น มาเข้าที่ Input ของ Display Text 3. ข้อความจะปรากฏขึ้นบนตัวโหนดทันทีที่ได้รับข้อมูล (Real-time update)

ประโยชน์การใช้งาน (Use Case)

• Debugging: ใช้ดูค่าตัวแปรต่างๆ ในระบบว่าส่งมาถูกต้องหรือไม่ระหว่างการพัฒนา
• Dashboard: ใช้จัดวางหน้าจอ UI อย่างง่าย เพื่อแสดงสถานะระบบให้ผู้ใช้เห็น เช่น ข้อความ "PASS", "FAIL" หรือแสดงค่าจำนวนนับ (Count)
• Labeling: สามารถใช้โหนดนี้โดยไม่ต้องต่อสาย Input เพื่อพิมพ์ข้อความค้างไว้ (Static Text) สำหรับเป็นคำอธิบายหรือหัวข้อในหน้า Workspace

5. Image Analysis (การวิเคราะห์ภาพ)

เครื่องมือสำหรับดึงข้อมูลเชิงสถิติหรือคุณลักษณะออกจากภาพ

- CV Create Histogram:

CV Create Histogram คือโหนดสำหรับการวิเคราะห์ภาพ (Image Analysis) ทำหน้าที่ "คำนวณและวาดกราฟฮิสโตแกรม" เพื่อแสดงการกระจายตัวของค่าความเข้มแสง (Intensity) หรือสี (R, G, B) ในภาพ ช่วยให้ผู้ใช้สามารถตรวจสอบคุณภาพของแสง, คอนทราสต์ (Contrast) หรือสมดุลสี (Color Balance) ของภาพอินพุตได้

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Caption	CV Create Histogram	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (การตั้งค่าการคำนวณ)

Property	Default	คำอธิบาย
Bin Count	256	ความละเอียดของกราฟ (จำนวนแท่งกราฟ) ปกติใช้ 256 สำหรับภาพ 8-bit
Maximum Intensity	255.0000	ค่าความเข้มแสงสูงสุดที่จะนำมาคำนวณ
Minimum Intensity	0.0000	ค่าความเข้มแสงต่ำสุดที่จะนำมาคำนวณ
Norm Type	NORM_MINMAX	วิธีการปรับสเกลข้อมูล (Normalization) เพื่อให้กราฟแสดงผลได้เหมาะสม - NORM_MINMAX: ปรับยืดกราฟให้เต็มความสูง (นิยมใช้ที่สุด) - NORM_L1/L2: ปรับตามผลรวมทางคณิตศาสตร์

3. Display (การตั้งค่าการแสดงผลกราฟ)

Property	Default	คำอธิบาย
Line Thickness	2	ความหนาของเส้นกราฟ (Pixel)
Line Type	LINE_8	อัลกอริทึมการวาดเส้น (LINE_8 คือเส้นต่อเนื่องแบบ 8-connected)
Draw Endpoints	True	ลากเส้นเชื่อมจุดเริ่มต้นและจุดสิ้นสุดของกราฟหรือไม่
Enable B	True	แสดงกราฟของช่องสัญญาณสีน้ำเงิน (Blue Channel)
Enable G	True	แสดงกราฟของช่องสัญญาณสีเขียว (Green Channel)
Enable R	True	แสดงกราฟของช่องสัญญาณสีแดง (Red Channel)

---

วิธีการใช้งาน (Usage Workflow)

โหนดนี้มักใช้ในการ Pre-processing หรือ Monitor ระบบ: 1. รับภาพจากโหนด Read Image หรือกล้อง 2. ส่งเข้าโหนด CV Create Histogram 3. ผลลัพธ์ (Output) จะเป็นภาพกราฟฮิสโตแกรม สามารถต่อเข้ากับ Display Image เพื่อดูผลได้ทันที

เกร็ดความรู้: Normalization Type

ใน Property Norm Type การเลือก NORM_MINMAX (ค่าเริ่มต้น) คือตัวเลือกที่ดีที่สุดสำหรับการแสดงผล เพราะระบบจะปรับสเกลยอดกราฟที่สูงที่สุดให้พอดีกับกรอบภาพ ทำให้เราเห็นรูปทรงของกราฟได้ชัดเจน ไม่ล้นจอหรือเตี้ยเกินไป

เจาะลึก: Norm Type (การปรับสเกล)

การคำนวณ Histogram แบบดิบๆ อาจได้ค่าจำนวน Pixel สูงถึงหลักหมื่นหรือแสน ซึ่งยากต่อการนำมาวาดกราฟในกรอบสี่เหลี่ยมเล็กๆ เราจึงต้องมี Normalization เพื่อบีบอัดข้อมูลลงมา

• NORM_MINMAX (แนะนำสำหรับดูด้วยตา): ระบบจะหาค่าที่สูงที่สุดในกราฟ แล้วปรับให้ค่านั้นเท่ากับความสูงสูงสุดของหน้าต่างแสดงผล (เช่น 100% ของความสูง) ทำให้กราฟดู "เต็มจอ" สวยงามและวิเคราะห์รูปทรงได้ง่ายที่สุด
• NORM_L1 (ผลรวม): ปรับสเกลโดยอิงจาก "ผลรวมของค่าทั้งหมด" (Sum of absolute values) มักใช้ในงานทางคณิตศาสตร์หรือความน่าจะเป็น (Probability Density Function)
• NORM_L2 (Euclidean): ปรับสเกลโดยอิงจากรากที่สองของผลรวมกำลังสอง
• NORM_INF (Infinity): ปรับโดยอิงจากค่าสัมบูรณ์ที่มากที่สุด (คล้าย MinMax ในบางบริบท)

- CV MinMax Location:

CV MinMax Location คือโหนดสำหรับการวิเคราะห์ภาพ (Image Analysis) ทำหน้าที่ "ค้นหาค่าความเข้มแสงต่ำสุด (Min) และสูงสุด (Max) พร้อมระบุพิกัด (X, Y) ของจุดนั้นๆ" ภายในภาพอินพุต ช่วยให้ทราบตำแหน่งของวัตถุที่มีความสว่างโดดเด่น หรือใช้หาตำแหน่งที่ตรงกันที่สุดเมื่อใช้งานร่วมกับโหนด Template Matching

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	1	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพ Input เข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV MinMax Location	ชื่อโหนดที่แสดงผลบน Workspace

---

วิธีการใช้งาน (Usage Workflow)

โหนดนี้ทำงานกับภาพระดับสีเทา (Grayscale Image) ได้ดีที่สุด: 1. Input: ส่งภาพเข้าสู่โหนด (หากเป็นภาพสี แนะนำให้แปลงเป็น Grayscale ก่อน) 2. Processing: โหนดจะสแกนทั้งภาพเพื่อหา pixel ที่มีค่าน้อยสุดและมากสุด 3. Output: ส่งค่าออกมา 4 อย่างหลักๆ คือ: * Min Val: ค่าความเข้มแสงต่ำสุด (เช่น 0) * Max Val: ค่าความเข้มแสงสูงสุด (เช่น 255) * Min Loc: พิกัด (x, y) ของจุดที่มืดที่สุด * Max Loc: พิกัด (x, y) ของจุดที่สว่างที่สุด

ตัวอย่างการประยุกต์ใช้ (Use Case)

• Hotspot Detection: หาตำแหน่งของไฟ LED หรือจุดเลเซอร์ที่สว่างที่สุดในภาพ (ดูค่า Max Loc)
• Template Matching: เมื่อใช้โหนด Match Template ผลลัพธ์ที่ได้จะเป็น heatmap ซึ่งต้องส่งต่อมาที่ CV MinMax Location เพื่อหาพิกัดคำตอบ (จุดที่ Match ที่สุดคือจุดที่มีค่า Max หรือ Min สูงสุด ขึ้นอยู่กับอัลกอริทึม)

- CV Color Map:

CV Color Map คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "ใส่เฉดสี (False Color) ให้กับภาพขาวดำ" โดยการแทนค่าความเข้มแสง (Intensity) ด้วยสีสันต่างๆ ตามตารางสี (Color Map) ที่กำหนด นิยมใช้เพื่อทำให้ตามนุษย์แยกแยะรายละเอียดของข้อมูลได้ง่ายขึ้น เช่น ภาพถ่ายความร้อน (Thermal), ภาพความลึก (Depth Map) หรือภาพการแพทย์

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	2	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพ Input เข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV Color Map	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (การตั้งค่าการทำงาน)

Property	Default	คำอธิบาย
Color Map	COLORMAP_JET	รูปแบบโทนสีที่ต้องการใช้ (ดูรายชื่อทั้งหมดด้านล่าง)

---

รายชื่อรูปแบบสี (Available Color Maps)

สามารถเลือกโทนสีให้เหมาะกับงานได้ดังนี้:

• กลุ่มยอดนิยม (General Purpose):

  • COLORMAP_JET: (ค่าเริ่มต้น) ไล่สีรุ้ง (น้ำเงิน->แดง) คอนทราสต์สูง นิยมใช้ที่สุด
  • COLORMAP_TURBO: คล้าย Jet แต่ไล่โทนสีเนียนตากว่า และแม่นยำกว่าทางสายตา
  • COLORMAP_HSV: ไล่สีตามวงล้อสี HSV

• กลุ่มโทนร้อน/ความเข้ม (Heat/Intensity):

  • COLORMAP_HOT: ดำ->แดง->เหลือง->ขาว (เหมือนเหล็กเผาไฟ)
  • COLORMAP_INFERNO, COLORMAP_MAGMA, COLORMAP_PLASMA: โทนดำ-ม่วง-ส้ม-เหลือง ให้ความรู้สึกทันสมัยและอ่านค่าง่าย
  • COLORMAP_AUTUMN: แดง->เหลือง (โทนฤดูใบไม้ร่วง)

• กลุ่มโทนเย็น (Cool Tones):

  • COLORMAP_OCEAN: สีน้ำเงินเข้ม->ขาว (เหมือนมหาสมุทร)
  • COLORMAP_WINTER: น้ำเงิน->เขียว (โทนฤดูหนาว)
  • COLORMAP_COOL: ฟ้า->ชมพู
  • COLORMAP_TWILIGHT: โทนสีม่วง-น้ำเงิน ช่วงพลบค่ำ

• กลุ่มอื่นๆ (Others):

  • COLORMAP_BONE: สีเทาอมฟ้า (นิยมใช้ในภาพ X-Ray การแพทย์)
  • COLORMAP_SPRING, COLORMAP_SUMMER: โทนสีตามฤดูกาล
  • COLORMAP_PINK: ไล่สีโทน sepia-pink
  • COLORMAP_PARULA, COLORMAP_CIVIDIS: โทนสีมาตรฐานงานวิจัย (Perceptually Uniform)

วิธีการใช้งาน (Usage Workflow)

1. Input: เตรียมภาพที่เป็น Grayscale (ภาพขาวดำ) เช่น ภาพจากกล้อง Depth Camera หรือภาพที่ผ่านการคำนวณมาแล้ว
2. Process: ต่อสายเข้าโหนด CV Color Map และเลือกรูปแบบสีที่ต้องการ
3. Output: จะได้ภาพสี RGB ที่พร้อมนำไปแสดงผลที่ Display Image

6. Image Conversion (การแปลงรูปแบบภาพ)

ใช้สำหรับเปลี่ยนประเภทข้อมูลหรือพื้นที่สีของภาพ

- CV Convert Depth:

CV Convert Depth คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "แปลงความลึกของบิต (Bit Depth) และปรับสเกลค่าของพิกเซล" ช่วยให้ผู้ใช้สามารถเปลี่ยนชนิดข้อมูลของภาพ (Data Type) เช่น แปลงจากภาพ Floating Point (32-bit) ให้กลายเป็นภาพปกติ (8-bit) เพื่อการแสดงผล หรือใช้ปรับค่าความสว่าง (Gain/Offset) ได้ในขั้นตอนเดียว

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพ Input เข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV Convert Depth	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (การตั้งค่าการคำนวณ)

Property	Default	คำอธิบาย
Image Depth	CV_8U	ชนิดข้อมูลปลายทางที่ต้องการแปลง (Target Bit Depth) ดูรายละเอียดด้านล่าง
Alpha	1.0000	ค่าตัวคูณ (Scale Factor) ใช้ขยายหรือลดค่าของพิกเซล (เปรียบเหมือน Contrast/Gain)
Beta	0.0000	ค่าบวกเพิ่ม (Delta) ใช้เลื่อนค่าของพิกเซลขึ้นหรือลง (เปรียบเหมือน Brightness/Offset)

---

เจาะลึก: ความหมายของ Image Depth

รหัสย่อในช่อง Image Depth มีความหมายดังนี้:

• CV_8U (8-bit Unsigned): ค่าช่วง 0-255 (ภาพปกติทั่วไปต้องใช้แบบนี้เพื่อแสดงผล)
• CV_8S (8-bit Signed): ค่าช่วง -128 ถึง 127
• CV_16U (16-bit Unsigned): ค่าช่วง 0-65535 (นิยมใช้ในกล้อง Depth Camera หรือภาพทางการแพทย์)
• CV_16S (16-bit Signed): ค่าช่วง -32768 ถึง 32767
• CV_32F (32-bit Float): ทศนิยมความละเอียด 32-bit (นิยมใช้ในกระบวนการคำนวณ AI หรือคณิตศาสตร์ที่ต้องการความละเอียดสูง)
• CV_64F (64-bit Float): ทศนิยมความละเอียด 64-bit (Double precision)

สูตรการคำนวณ (Calculation Formula)

โหนดนี้ทำงานโดยใช้สมการ Linear Transformation ดังนี้:

$$pixel_{out} = (pixel_{in} \times \alpha) + \beta$$

• ถ้าต้องการ เพิ่มความสว่าง (Brightness): ให้เพิ่มค่า Beta (เช่น 50)
• ถ้าต้องการ เพิ่มคอนทราสต์ (Contrast): ให้เพิ่มค่า Alpha (เช่น 1.5 หรือ 2.0)
• ถ้าต้องการ แปลง 32-bit Float (ค่า 0.0-1.0) เป็น 8-bit (0-255): ตั้งค่า Alpha = 255, Beta = 0, Image Depth = CV_8U

- CV Thresholding:

CV Thresholding คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "คัดแยกข้อมูลภาพแบบทวิภาค (Binary Segmentation)" โดยการแปลงภาพระดับสีเทา (Grayscale) ให้กลายเป็นภาพขาว-ดำ (Binary Image) ตามค่าเกณฑ์ (Threshold) ที่กำหนด เพื่อใช้ในการแยกวัตถุที่สนใจออกจากพื้นหลัง

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	1	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพ Input เข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV Thresholding	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (การตั้งค่าการคำนวณ)

Property	Default	คำอธิบาย
Threshold Type	THRESH_BINARY	รูปแบบการคัดแยก (ดูรายละเอียดด้านล่าง)
Threshold Value	128.0000	ค่าเกณฑ์กลาง (0-255) ที่ใช้ตัดสินใจ (ถ้าพิกเซลใดสว่างกว่าค่านี้ จะถูกเปลี่ยนเป็นสีขาว)
Binary Value	255.0000	ค่าความสว่างสูงสุดที่จะใส่ให้พิกเซลที่ผ่านเกณฑ์ (ปกติใช้ 255 คือสีขาว)

---

เจาะลึก: Threshold Type (รูปแบบการคัดแยก)

การเลือก Type จะเปลี่ยนสมการคณิตศาสตร์ที่ใช้ตัดสินใจ ดังนี้:

• กลุ่มพื้นฐาน (Basic):

  • THRESH_BINARY: (ยอดนิยม) ถ้าสว่างกว่าเกณฑ์ -> เป็นสีขาว, ถ้ามืดกว่า -> เป็นสีดำ
  • THRESH_BINARY_INV: (กลับค่า) ถ้าสว่างกว่าเกณฑ์ -> เป็นสีดำ, ถ้ามืดกว่า -> เป็นสีขาว
  • THRESH_TRUNC: ถ้าสว่างกว่าเกณฑ์ -> ให้เท่ากับค่าเกณฑ์ (ตัดยอด), ส่วนที่เหลือคงเดิม
  • THRESH_TOZERO: ถ้าสว่างกว่าเกณฑ์ -> คงเดิม, ถ้ามืดกว่า -> เป็นสีดำ (0)
  • THRESH_TOZERO_INV: ถ้าสว่างกว่าเกณฑ์ -> เป็นสีดำ (0), ถ้ามืดกว่า -> คงเดิม

• กลุ่มอัตโนมัติ (Automatic):

  • THRESH_OTSU: คำนวณหาค่า Threshold Value ที่ดีที่สุดให้อัตโนมัติ (เหมาะกับภาพที่มีวัตถุกับพื้นหลังแยกกันชัดเจน)
  • THRESH_TRIANGLE: วิธีการหาเกณฑ์อัตโนมัติแบบ Triangle Algorithm

• กลุ่มปรับตัวตามพื้นที่ (Adaptive):

  • ADAPTIVE_THRESH_MEAN_C: คำนวณเกณฑ์จากค่าเฉลี่ยของพื้นที่รอบๆ (เหมาะกับภาพที่มีแสงเงาไม่เท่ากัน)
  • ADAPTIVE_THRESH_GAUSSIAN_C: คำนวณเกณฑ์จากค่าเฉลี่ยถ่วงน้ำหนักแบบ Gaussian (ให้ผลลัพธ์ที่นวลตากว่า Mean)

วิธีการใช้งาน (Usage Workflow)

1. Input: ส่งภาพ Grayscale เข้าสู่โหนด (สำคัญมาก! ต้องเป็นภาพขาวดำเท่านั้น)
2. Adjust:
   • หากแสงคงที่: เลือก THRESH_BINARY และปรับ Threshold Value จนได้วัตถุที่ชัดเจน
   • หากแสงไม่คงที่/มีเงา: ลองใช้ THRESH_OTSU หรือ ADAPTIVE_...
3. Output: จะได้ภาพขาว-ดำ ที่พร้อมสำหรับงานตรวจจับรูปร่าง (Find Contours)หรืออ่านบาร์โค้ด

- CV Canny Edge:

CV Canny Edge คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "ตรวจจับเส้นขอบ (Edge Detection)" ของวัตถุในภาพโดยใช้อัลกอริทึม Canny ซึ่งมีความแม่นยำสูง ช่วยลดสัญญาณรบกวนและให้ผลลัพธ์เป็นภาพลายเส้นขาว-ดำ (เส้นขอบสีขาว พื้นหลังสีดำ)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	2	เลขประจำตัวลำดับของโหนด
Caption	CV Canny Edge	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

(ส่วนนี้สำหรับการบริหารจัดการทรัพยากรเครื่องเมื่อรันต่อเนื่อง) | Property | Default | คำอธิบาย | | :--- | :--- | :--- | | Sharing Mode | Pool Mode | รูปแบบการจัดการหน่วยความจำ
- Pool Mode: ใช้หน่วยความจำชุดเดิมวนซ้ำ (ประหยัด RAM เหมาะกับ Video Stream)
- Broadcast Mode: สร้างข้อมูลชุดใหม่ทุกครั้ง (กิน RAM มากกว่า) |
| Pool Size | 3 | จำนวน Buffer ที่เตรียมไว้สำหรับหมุนเวียน (กรณีใช้ Pool Mode) |

3. Operation (การตั้งค่าอัลกอริทึม)

Property	Default	คำอธิบาย
Kernel Size	3	ขนาดหน้าต่างของ Sobel Operator สำหรับหา Gradient (ต้องเป็นเลขคี่ เช่น 3, 5, 7)
Upper Threshold	90	ค่าเกณฑ์สูง (High Threshold) ถ้าค่า Gradient เกินนี้ -> เป็นขอบแน่นอน
Lower Threshold	30	ค่าเกณฑ์ต่ำ (Low Threshold) ถ้าค่า Gradient ต่ำกว่านี้ -> ตัดทิ้งไม่เป็นขอบ
Use Edge Gradient	False	วิธีการคำนวณขนาด Gradient - False: ใช้ L1 Norm $

---

หลักการทำงาน: Hysteresis Thresholding

อัลกอริทึม Canny ตัดสินใจว่าจุดไหนเป็นขอบโดยใช้เกณฑ์ 2 ค่า (Upper/Lower) ดังนี้:

1. Strong Edge: จุดที่มีความเข้มเกิน Upper Threshold จะถูกนับเป็น "เส้นขอบ" ทันที
2. Weak Edge: จุดที่มีค่าอยู่ระหว่าง Lower และ Upper จะถูกพิจารณาว่าเป็นเส้นขอบ ก็ต่อเมื่อ จุดนั้นเชื่อมต่ออยู่กับ Strong Edge เท่านั้น
3. No Edge: จุดที่ต่ำกว่า Lower Threshold จะถูกตัดทิ้ง

เทคนิคการปรับค่า (Tuning Tips)

• อัตราส่วน: แนะนำให้ตั้งค่า Upper : Lower ในอัตราส่วนประมาณ 2:1 หรือ 3:1 (เช่น Upper=90, Lower=30)
• ถ้าเส้นขาด: ให้ลดค่า Lower Threshold ลง
• ถ้ามีจุดรบกวน (Noise) เยอะ: ให้เพิ่มค่า Upper Threshold หรือ Lower Threshold ขึ้น

เทคนิค: Pool Mode vs Broadcast Mode

• เลือก Pool Mode เสมอเมื่อทำงานปกติ (เช่น รับภาพ -> แปลงขอบ -> แสดงผล) เพราะกินแรมน้อยกว่า
• เลือก Broadcast Mode ก็ต่อเมื่อคุณต่อสาย Output ออกไป 2 ทาง แล้วทางหนึ่งมีการ เขียนทับ ข้อมูลภาพ แล้วคุณกลัวว่าภาพอีกทางจะเพี้ยนตามไปด้วย

การปรับจูน Threshold

แนะนำให้ตั้งค่า Upper เป็น 2 ถึง 3 เท่าของ Lower (เช่น 90 กับ 30) เพื่อให้เส้นขอบเชื่อมต่อกันดีที่สุด หากเส้นขาดให้ลด Lower ลง หาก Noise เยอะให้เพิ่มทั้งสองค่าขึ้น

ข้อควรระวัง

โหนดนี้ทำงานได้ดีที่สุดกับภาพ Grayscale (ขาวดำ) หากส่งภาพสีเข้ามา ระบบมักจะแปลงเป็น Grayscale ให้อัตโนมัติหรือประมวลผลทีละช่องสี ซึ่งอาจกินทรัพยากรเพิ่มขึ้น

- CV Color Space:

CV Color Space คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "แปลงระบบสี (Color Space Conversion)" ของภาพอินพุตจากรูปแบบหนึ่งไปสู่อีกรูปแบบหนึ่ง เช่น แปลงจากภาพสี (BGR) เป็นภาพขาวดำ (Grayscale) เพื่อลดปริมาณข้อมูลก่อนการวิเคราะห์ หรือแปลงเป็น HSV เพื่อใช้ในการตรวจจับวัตถุด้วยสี

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	3	เลขประจำตัวลำดับของโหนด
Caption	CV Color Space	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (เร็ว, ประหยัด RAM) - Broadcast Mode: สร้างข้อมูลใหม่แยกออกมา (ปลอดภัยสำหรับการแยกสายงาน)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้หมุนเวียน (สำหรับ Pool Mode)

3. Operation (การตั้งค่าการแปลงสี)

Property	Default	คำอธิบาย
Input Color Space	BGR	รูปแบบสีของภาพต้นทาง (ภาพจาก OpenCV ปกติจะเป็น BGR)
Output Color Space	RGB	รูปแบบสีปลายทางที่ต้องการแปลง

---

เกร็ดความรู้: ทำไมต้อง BGR?

โดยปกติโปรแกรมทั่วไปจะเก็บค่าสีแบบ RGB (Red-Green-Blue) แต่ไลบรารี OpenCV (ที่เป็นแกนหลักของโหนดนี้) ใช้มาตรฐานแบบ BGR (Blue-Green-Red) มาตั้งแต่อดีต

ดังนั้น หากคุณนำภาพจาก OpenCV ไปแสดงผลบนหน้าจอ GUI บางประเภทแล้วสีเพี้ยน (เช่น คนหน้าสีฟ้า) ให้ใช้โหนดนี้แปลง BGR -> RGB ก่อนเสมอ

คู่การแปลงที่ใช้งานบ่อย (Common Conversions)

• BGR $\rightarrow$ Gray: แปลงภาพสีเป็นขาวดำ (Grayscale) จำเป็นมากก่อนส่งเข้าโหนดพวก Thresholding, Canny Edge หรือ Find Contours
• BGR $\rightarrow$ HSV: แปลงเป็นระบบสี Hue-Saturation-Value เหมาะสำหรับการ "จับคู่สี" (Color Detection) เพราะแยกค่าเนื้อสี (Hue) ออกจากแสงเงา (Value) ได้ชัดเจน
• BGR $\rightarrow$ RGB: แปลงเพื่อนำไปแสดงผลบนหน้าจอ UI ทั่วไปให้สีถูกต้อง

- CV Nomolization:

CV Normalization คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "ปรับสเกลค่าของพิกเซล (Pixel Value Scaling)" ให้อยู่ในช่วงที่กำหนด (เช่น 0-255) หรือปรับมาตรฐานทางคณิตศาสตร์ ช่วยแก้ปัญหาภาพมืดเกินไป ภาพสว่างเกินไป หรือแปลงชนิดข้อมูล (Data Type) ให้เหมาะสมกับการแสดงผล

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	4	เลขประจำตัวลำดับของโหนด
Caption	CV Normalization	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (เร็ว, ประหยัด RAM) - Broadcast Mode: สร้างข้อมูลใหม่แยกออกมา (ปลอดภัยสำหรับการแยกสายงาน)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้หมุนเวียน (สำหรับ Pool Mode)

3. Operation (การตั้งค่าการคำนวณ)

Property	Default	คำอธิบาย
Maximum	255.0000	ค่าสูงสุดของช่วงเป้าหมาย (Target High) ที่ต้องการปรับค่าไปหา
Minimum	0.0000	ค่าต่ำสุดของช่วงเป้าหมาย (Target Low) ที่ต้องการปรับค่าไปหา
Norm Type	NORM_MINMAX	สูตรคณิตศาสตร์ที่ใช้ในการปรับสเกล (ดูรายละเอียดด้านล่าง)

---

เจาะลึก: Norm Type (รูปแบบการปรับสเกล)

การเลือก Norm Type จะเปลี่ยนวิธีการคำนวณอย่างสิ้นเชิง:

• NORM_MINMAX (แนะนำสำหรับ Image Processing):

  • เป็นการ "ยืด" หรือ "บีบ" ค่าพิกเซลทั้งหมดในภาพ ให้ลงมาอยู่ในช่วง [Minimum, Maximum] ที่ตั้งไว้พอดี
  • ประโยชน์: ใช้ทำ Contrast Stretching (แก้ภาพซีดให้เข้มขึ้น) หรือแปลงภาพ Float (0.0-1.0) ให้เป็น 8-bit (0-255)

• NORM_INF, NORM_L1, NORM_L2:

  • เป็นการหารค่าพิกเซลด้วยค่าทางคณิตศาสตร์ (Infinite norm, Absolute sum, Euclidean norm)
  • ประโยชน์: มักใช้ในการเตรียมข้อมูลสำหรับ AI/Machine Learning หรือคำนวณ Histogram ไม่ค่อยใช้กับการปรับแต่งภาพเพื่อการมองเห็นทั่วไป

วิธีการใช้งาน (Usage Workflow)

กรณีที่ 1: แก้ภาพซีด (Contrast Stretching) 1. ภาพต้นฉบับอาจมีค่าสีแค่ช่วงกลางๆ (เช่น 100-150) ทำให้ภาพดูมัวๆ 2. ใช้โหนดนี้ ตั้งค่า Norm Type = NORM_MINMAX, Min = 0, Max = 255 3. ผลลัพธ์: ส่วนที่มืดสุดจะถูกดึงไปที่ 0 และสว่างสุดไปที่ 255 ทำให้ภาพดูคมชัดขึ้นทันที

กรณีที่ 2: แปลงภาพ Float 1. รับภาพมาจากโหนดคำนวณที่ให้ค่าเป็นทศนิยม (เช่น 0.0 - 1.0) 2. ใช้โหนดนี้ปรับให้เป็นช่วง 0 - 255 ก่อนส่งไปแสดงผลที่ Display Image

- CV RGB Values:

CV RGB Values คือโหนดสำหรับกำหนด "ค่าสี (Color Value)" โดยระบุส่วนประกอบของสีแดง (Red), เขียว (Green), และน้ำเงิน (Blue) เพื่อใช้เป็นข้อมูลนำเข้า (Input) ให้กับโหนดที่ต้องการพารามิเตอร์เรื่องสี เช่น โหนดวาดรูปทรง (Draw Shapes) หรือโหนดเขียนข้อความ (Put Text)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด
Source	False	สถานะของโหนด (ในที่นี้ทำหน้าที่ส่งค่าสีออกไป)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV RGB Values	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (การกำหนดค่าสี)

Property	Default	คำอธิบาย
R Value	0	ค่าความเข้มของสีแดง (Red) ช่วง 0-255
G Value	0	ค่าความเข้มของสีเขียว (Green) ช่วง 0-255
B Value	0	ค่าความเข้มของสีน้ำเงิน (Blue) ช่วง 0-255

---

ตัวอย่างการผสมสี (Color Mixing Guide)

คุณสามารถกำหนดค่า R, G, B เพื่อสร้างสีต่างๆ ได้ดังนี้:

• สีดำ (Black): R=0, G=0, B=0
• สีขาว (White): R=255, G=255, B=255
• สีแดง (Red): R=255, G=0, B=0
• สีเขียว (Green): R=0, G=255, B=0
• สีน้ำเงิน (Blue): R=0, G=0, B=255
• สีเหลือง (Yellow): R=255, G=255, B=0
• สีม่วง (Magenta): R=255, G=0, B=255
• สีฟ้า (Cyan): R=0, G=255, B=255

วิธีการใช้งาน (Usage Workflow)

โหนดนี้มักใช้ร่วมกับโหนดกลุ่ม Drawing (การวาดภาพ): 1. สร้างโหนด CV RGB Values และตั้งค่าสีที่ต้องการ (เช่น สีแดง) 2. ลากสายจาก Output ของโหนดนี้ ไปเข้าที่พอร์ต Color ของโหนดปลายทาง (เช่น Draw Rectangle หรือ Put Text) 3. รูปทรงหรือข้อความที่วาดออกมา จะแสดงผลตามสีที่คุณตั้งค่าไว้

- CV RGB to Gray:

CV RGB to Gray คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "แปลงภาพสี (RGB/BGR) ให้เป็นภาพขาวดำ (Grayscale)" แบบช่องสัญญาณเดียว (Single Channel) เพื่อลดปริมาณข้อมูลและเตรียมภาพสำหรับอัลกอริทึมที่ต้องการความเข้มแสงเพียงอย่างเดียว เช่น การตรวจจับขอบ (Edge Detection) หรือการทำ Thresholding

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	1	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพสีเข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV RGB to Gray	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (เร็ว, ประหยัด RAM) - Broadcast Mode: สร้างข้อมูลใหม่แยกออกมา (ปลอดภัยสำหรับการแยกสายงาน)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้หมุนเวียน (สำหรับ Pool Mode)

---

ข้อดีของการใช้โหนดนี้ (Why use this?)

แม้ว่าคุณจะสามารถใช้โหนด CV Color Space เพื่อแปลงเป็น Grayscale ได้เช่นกัน แต่โหนด CV RGB to Gray ถูกออกแบบมาให้ "ใช้ง่ายและรวดเร็วกว่า"

• ไม่ต้องตั้งค่า: ไม่ต้องเลือก Input/Output Mode เอง ระบบจัดการให้เสร็จสรรพ
• ลดความผิดพลาด: ป้องกันการเลือกโหมดผิด (เช่น เผลอเลือก BGR -> HSV)

เทคนิคการใช้งาน (Usage Workflow)

โหนดนี้คือ "ด่านแรก" ของอัลกอริทึมส่วนใหญ่: 1. รับภาพสีจากกล้อง (Camera) หรือไฟล์ภาพ 2. ส่งเข้า CV RGB to Gray ทันที 3. ส่งภาพขาวดำที่ได้ไปทำต่อ เช่น: * เข้า CV Thresholding เพื่อแยกวัตถุ * เข้า CV Canny Edge เพื่อหาเส้นขอบ * เข้า CV Find Contours เพื่อหาพื้นที่

- CV split Image:

CV Split Image คือโหนดสำหรับการจัดการข้อมูลภาพ (Image Manipulation) ทำหน้าที่ "แยกช่องสัญญาณสี (Split Channels)" ของภาพอินพุตให้ออกมาเป็นภาพย่อยๆ ตามจำนวนช่องสีที่มี (Multi-channel to Single-channel) เช่น แยกภาพสี BGR ออกเป็นภาพขาวดำ 3 ภาพ (Blue, Green, Red) เพื่อนำไปประมวลผลแยกกัน

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	2	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพ Input เข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV Split Image	ชื่อโหนดที่แสดงผลบน Workspace

2. Display (การตั้งค่าการแสดงผล)

Property	Default	คำอธิบาย
Maintain Channels	False	รูปแบบข้อมูลขาออก: - False: ส่งออกเป็นภาพขาวดำ (Grayscale 1-channel) ตามความเข้มของช่องสีนั้นๆ (นิยมใช้ที่สุด) - True: ส่งออกโดยคงคุณสมบัติช่องสีเดิมไว้ (ผลลัพธ์อาจยังเป็น 3-channel แต่มีค่าแค่ช่องเดียว)

---

วิธีการใช้งาน (Usage Workflow)

เมื่อต่อสายจากภาพสี (BGR) เข้ามาที่โหนดนี้ Output Ports จะงอกออกมา 3 ช่องโดยอัตโนมัติ:

1. Output 0 (Blue): ช่องสัญญาณสีน้ำเงิน
2. Output 1 (Green): ช่องสัญญาณสีเขียว
3. Output 2 (Red): ช่องสัญญาณสีแดง

หมายเหตุ: ลำดับ 0-1-2 จะเปลี่ยนไปตาม Color Space ของภาพต้นทาง (เช่นถ้าเป็น HSV ช่อง 0 จะเป็น Hue)

ตัวอย่างการประยุกต์ใช้ (Use Case)

• HSV Color Detection: แปลงภาพเป็น HSV ก่อน -> เข้าโหนด CV Split Image -> ดึงเฉพาะขา S (Saturation) หรือ H (Hue) ไปทำ Thresholding เพื่อตรวจจับวัตถุสีสดๆ โดยไม่สนใจแสงเงา
• Red Light Detection: แยกช่องสี Red ออกมา แล้วนำไปหาค่าความสว่างสูงสุด เพื่อดูว่าไฟสีแดงติดอยู่หรือไม่

- CV Invert Grascale:

CV Invert Grayscale คือโหนดสำหรับการประมวลผลภาพ (Image Processing) ทำหน้าที่ "กลับค่าความเข้มแสง (Bitwise NOT / Inversion)" ของภาพขาวดำ โดยการเปลี่ยนพิกเซลสีดำให้เป็นขาว และสีขาวให้เป็นดำ ($NewValue = 255 - OldValue$) เปรียบเสมือนการสร้างภาพฟิล์มเนกาทีฟ

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source (ต้องรับภาพ Input เข้ามา)
Lock Position	False	ล็อกตำแหน่งโหนด
Enable	True	เปิด/ปิด การทำงานของโหนด
Minimize	False	ย่อขนาดโหนด
Draw Entries	True	แสดงจุดเชื่อมต่อ (Ports)
Show Caption	True	แสดงแถบชื่อโหนด
Enable Zenoh	False	เปิดระบบสื่อสาร Zenoh
Caption	CV Invert Grayscale	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างข้อมูลใหม่แยกออกมา (ปลอดภัยสำหรับการแยกสายงาน)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้หมุนเวียน (สำหรับ Pool Mode)

---

เทคนิค: ทำไมต้องกลับสี? (Why Invert?)

อัลกอริทึมส่วนใหญ่ใน Computer Vision (เช่น Find Contours) มักถูกออกแบบมาให้ตรวจจับ "วัตถุสีขาว บนพื้นหลังสีดำ"

• ปัญหา: หากคุณถ่ายภาพ "ตัวหนังสือสีดำ บนกระดาษสีขาว" มา โปรแกรมอาจจะมองเห็นกระดาษเป็นวัตถุแทน
• ทางแก้: ส่งภาพเข้าโหนด CV Invert Grayscale -> ตัวหนังสือจะกลายเป็นสีขาว และกระดาษจะกลายเป็นสีดำ -> โปรแกรมจะจับตัวหนังสือได้ทันที!

ข้อควรระวัง

โหนดนี้รับ input เป็นภาพ Grayscale (ช่องสัญญาณเดียว) เท่านั้น หากคุณส่งภาพสีเข้ามา ควรผ่านโหนด CV RGB to Gray หรือ CV Color Space ก่อน

7. Image Enhancement (การปรับปรุงคุณภาพภาพ)

ช่วยปรับภาพให้ชัดเจนขึ้น หรือปรับแสงสีให้เหมาะสม

- CV CLAHE Equalization:

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด
Caption	CV CLAHE Equalization	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้ (สำหรับ Pool Mode)

3. Operation (การปรับตั้งค่า CLAHE)

Property	Default	คำอธิบาย
Clip Limit	2.0000	ค่าจำกัดความเปรียบต่าง (Contrast Limit) - ค่าน้อย: ภาพดูนวลเป็นธรรมชาติ - ค่ามาก: เห็นรายละเอียดชัดมาก แต่ Noise (จุดรบกวน) จะเยอะตามไปด้วย (แนะนำ 2.0 - 4.0)
Tile Size	8	ขนาดตารางที่จะแบ่งภาพ (Grid Size) เช่น 8 คือแบ่งเป็น 8x8 ช่อง - ช่องเล็กเกินไปอาจทำให้ภาพดูเป็นกระเบื้อง - ช่องใหญ่ไปจะคล้าย Equalization แบบปกติ
Apply On Color Luma	True	(แนะนำ) หากเป็นภาพสี ระบบจะแปลงโหมดสีเพื่อปรับเฉพาะค่าความสว่าง (Luma/Lightness) ทำให้สีไม่เพี้ยน
Color Space	YCrCb	พื้นที่สีที่ใช้แยกความสว่าง (เมื่อเปิดโหมด Apply On Color Luma): - YCrCb: แยกช่อง Y (Luma) ออกมา (รวดเร็ว เป็นมาตรฐานวิดีโอ) - Lab: แยกช่อง L (Lightness) ออกมา (มีความแม่นยำสูงในเชิงการมองเห็นของมนุษย์)
Convert Non-8U	False	แปลงข้อมูลเป็น 8-bit (0-255) อัตโนมัติหาก Input มาเป็นแบบอื่น

---

ความแตกต่าง: CLAHE vs Histogram Equalization ปกติ

• Histogram Equalization (ปกติ): ปรับแสงทั้งภาพพร้อมกัน ถ้าภาพมีจุดมืดมากกับสว่างมาก จะทำให้ส่วนสว่าง "ขาวโพลน" จนรายละเอียดหาย
• CLAHE (ตัวนี้): ฉลาดกว่า เพราะปรับทีละส่วน ทำให้รายละเอียดในเงามืดก็เห็น ในที่สว่างก็ยังเห็นครบถ้วน

การนำไปประยุกต์ใช้

• แก้ภาพย้อนแสง: ช่วยดึงหน้าคนในเงามืดให้สว่างขึ้น โดยที่ท้องฟ้าด้านหลังไม่ขาวโพลน
• เตรียมภาพก่อน AI: ช่วยให้ AI เห็นขอบวัตถุชัดขึ้นในทุกสภาพแสง (เช่น การอ่านป้ายทะเบียนรถตอนกลางคืน)

- CV Histogram Equalization:

CV Histogram Equalization คือโหนดสำหรับการปรับปรุงคุณภาพภาพ (Image Enhancement) ทำหน้าที่ "เกลี่ยค่าความสว่าง (Global Histogram Equalization)" โดยนำค่าความถี่ของเม็ดสีมาคำนวณใหม่ให้กระจายตัวครอบคลุมช่วงความสว่างตั้งแต่ 0-255 ทำให้ภาพที่มีความเปรียบต่างต่ำ (เช่น ภาพมัวๆ ซีดๆ) กลับมามีความเปรียบต่างสูงและเห็นรายละเอียดชัดเจนขึ้น

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	6	เลขประจำตัวลำดับของโหนด
Caption	CV Histogram Equalization	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (เร็ว, ประหยัด RAM) - Broadcast Mode: สร้างข้อมูลใหม่แยกออกมา (ปลอดภัยสำหรับการแยกสายงาน)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้หมุนเวียน (สำหรับ Pool Mode)

3. Operation (การปรับตั้งค่า)

Property	Default	คำอธิบาย
Apply On Color Luma	True	(แนะนำ) หากเป็นภาพสี ระบบจะแปลงเป็นโหมดอื่นเพื่อปรับเฉพาะค่าความสว่าง (Luma) แล้วแปลงกลับ ทำให้สีไม่เพี้ยน
Color Space	YCrCb	พื้นที่สีที่ใช้ในการแยกความสว่าง (เมื่อเปิดโหมด Apply On Color Luma) เลือกได้ดังนี้: - YCrCb: มาตรฐานทั่วไป แยก Luma (Y) ได้ดี - Lab: พื้นที่สีแบบ Perceptual แยกความสว่าง (L) ได้แม่นยำกว่าในบางกรณี
Convert Non-8U	False	แปลงข้อมูลเป็น 8-bit (0-255) อัตโนมัติหาก Input มาเป็นแบบอื่น

---

ข้อควรระวัง: เทียบกับ CLAHE

โหนดนี้ใช้วิธีปรับแบบ "Global" (ทั้งภาพใช้สูตรเดียวกัน) ซึ่งมีข้อดีคือทำงานเร็วมาก แต่มีข้อเสียคือ:

• ถ้าภาพมี Noise: จุดรบกวนจะถูกเร่งให้ชัดขึ้นอย่างน่าตกใจ
• ถ้าภาพมีส่วนสว่างอยู่แล้ว: อาจทำให้ส่วนนั้น "ขาวโพลน" (Washed out) จนมองไม่เห็นรายละเอียด
• ทางแก้: หากเจออาการข้างต้น ให้เปลี่ยนไปใช้โหนด CV CLAHE Equalization แทนครับ

เกร็ดความรู้: YCrCb vs Lab

• YCrCb: เป็นระบบสีที่ใช้ใน Video Compression ทั่วไป ทำงานได้รวดเร็ว
• Lab: ถูกออกแบบมาให้ใกล้เคียงกับการมองเห็นของมนุษย์ที่สุด ช่อง L (Lightness) ของ Lab จะเป็นตัวแทนความสว่างที่แท้จริงมากกว่า YCrCb เล็กน้อย ถ้าเน้นความแม่นยำสูงลองเปลี่ยนเป็น Lab ดูได้ครับ

8. Image Modification (การดัดแปลงภาพ)

การวาดหรือแก้ไขข้อมูลบนภาพโดยตรง

- CV Gaussian Blur:

CV Gaussian Blur คือโหนดสำหรับการปรับปรุงคุณภาพภาพ (Image Filtering) ทำหน้าที่ "เบลอภาพแบบเกาส์เซียน (Gaussian Smoothing)" ซึ่งเป็นการนำค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Average) ของพิกเซลรอบข้างมาคำนวณ โดยให้ความสำคัญกับพิกเซลตรงกลางมากที่สุด ผลลัพธ์ที่ได้คือภาพที่ดูนวลขึ้นและจุดรบกวน (Noise) ลดลงอย่างมีประสิทธิภาพ

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	7	เลขประจำตัวลำดับของโหนด
Caption	CV Gaussian Blur	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ (Pool Mode / Broadcast Mode)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้

3. Operation (การตั้งค่าความเบลอ)

Property	Default	คำอธิบาย
Kernel Size	5 x 5	ขนาดหน้าต่างที่จะนำมาคำนวณเฉลี่ย (Width x Height) - กฎเหล็ก: ค่าต้องเป็น เลขคี่ เท่านั้น (เช่น 3, 5, 7, 9...) - ค่ายิ่งมาก: ภาพยิ่งเบลอมาก
Sigma X	0.0000	ค่าเบี่ยงเบนมาตรฐานแกน X (Gaussian Standard Deviation) - ถ้าใส่ 0: ระบบจะคำนวณให้อัตโนมัติจากขนาด Kernel (แนะนำ) - ถ้าใส่ค่าเอง: จะเป็นการคุมความ "ฟุ้ง" ของการเบลออย่างละเอียด
Sigma Y	0.0000	ค่าเบี่ยงเบนมาตรฐานแกน Y (ปกติใส่ 0 เพื่อให้เท่ากับแกน X)

4. Display (การแสดงผลขอบภาพ)

Property	Default	คำอธิบาย
Border Type	DEFAULT	วิธีการจัดการกับพิกเซลที่อยู่ขอบภาพ (Edge Handling) เมื่อ Kernel ยื่นออกไปนอกภาพ: - DEFAULT: ใช้ค่ามาตรฐาน (Reflect 101) - CONSTANT: เติมขอบด้วยสีดำ (ค่าคงที่) - REPLICATE: ทำซ้ำพิกเซลตัวสุดท้ายของขอบ (ยืดขอบออกไป) - REFLECT: สะท้อนภาพเหมือนกระจก - WRAP: วนกลับไปเอาภาพจากอีกฝั่งมาแปะ (เหมือนปูกระเบื้อง) - TRANSPARENT: ไม่เปลี่ยนแปลงพิกเซลเป้าหมาย - ISOLATED: ไม่สนใจพิกเซลนอกพื้นที่ ROI

---

เทคนิค: Kernel Size เลือกยังไงดี?

• 3 x 3: เบลอนิดเดียว ใช้ลด Noise เม็ดเล็กๆ โดยยังคงรายละเอียดภาพไว้ได้ดี
• 5 x 5 (ค่าแนะนำ): ค่ากลางๆ เหมาะสำหรับลบรอยยับ หรือ Noise ทั่วไป
• 9 x 9 ขึ้นไป: เบลอจนภาพมัว เหมาะสำหรับทำ Background เบลอ หรือต้องการลบรายละเอียดทิ้งไปเลย

Use Case: ทำไมต้องเบลอก่อน?

การใช้โหนดนี้ต่อ "ก่อน" ที่จะเข้าโหนด Canny Edge Detection หรือ Find Contours จะช่วยลดเส้นยุบยิบ (False Edges) ที่เกิดจากฝุ่นหรือแสงรบกวนได้มหาศาลครับ ทำให้โปรแกรมจับวัตถุได้แม่นยำขึ้นมาก

- CV Erode and Dilate:

CV Erode and Dilate คือโหนดสำหรับการปรับแต่งรูปทรงของวัตถุในภาพ (Morphological Transformations) โดยอาศัยการเลื่อนหน้าต่าง (Kernel) ไปทั่วภาพเพื่อปรับเปลี่ยนพิกเซลตามเงื่อนไขทางเรขาคณิต นิยมใช้มากที่สุดในการทำความสะอาดภาพ Mask ขาวดำ (Binary Mask) เช่น การลบจุด Noise เล็กๆ หรือการอุดรูรั่วในวัตถุ

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	8	เลขประจำตัวลำดับของโหนด
Caption	CV Erode and Dilate	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้

3. Operation (การตั้งค่ารูปร่าง Kernel)

Property	Default	คำอธิบาย
Kernel Shape	MORPH_RECT	รูปร่างของหน้าต่างที่จะนำมาทาบ (Structuring Element): - MORPH_RECT: สี่เหลี่ยมเต็ม (นิยมสุด เก็บรายละเอียดขอบได้ดี) - MORPH_CROSS: รูปกากบาท (กินพื้นที่น้อยกว่า เหมาะกับเส้นตัดกัน) - MORTH_ELLIPSE: รูปวงรี (เหมาะสำหรับวัตถุที่มีความโค้งมนหรือทรงกลม)
Kernel Size	3 x 3	ขนาดของหน้าต่าง (Width x Height) ต้องเป็นเลขคี่ (3, 5, 7) - เล็ก: เก็บรายละเอียดขอบได้ดี - ใหญ่: ผลลัพธ์จะเปลี่ยนแปลงรุนแรง (เช่น ลบ Noise ได้เกลี้ยงแต่ของหาย)
Anchor Point	(-1, -1)	จุดศูนย์กลางอ้างอิงของ Kernel (ปกติใช้ -1, -1 คือให้ระบบหาจุดกึ่งกลางเอง)
Iterations	1	จำนวนรอบในการทำซ้ำ - ยิ่งใส่เลขเยอะ ภาพจะยิ่งถูกกร่อนหรือขยายมากขึ้นเป็นทวีคูณ

4. Display (การแสดงผลขอบภาพ)

Property	Default	คำอธิบาย
Border Type	DEFAULT	วิธีการจัดการขอบภาพเมื่อ Kernel ยื่นออกไปนอกภาพ: - DEFAULT: ใช้ค่ามาตรฐาน (Reflect 101) - CONSTANT: เติมขอบด้วยสีดำ (ค่าคงที่) - REPLICATE: ทำซ้ำพิกเซลตัวสุดท้ายของขอบ (ยืดขอบออกไป) - REFLECT: สะท้อนภาพเหมือนกระจก - WRAP: วนกลับไปเอาภาพจากอีกฝั่งมาแปะ (เหมือนปูกระเบื้อง) - TRANSPARENT: ไม่เปลี่ยนแปลงพิกเซลเป้าหมาย - ISOLATED: ไม่สนใจพิกเซลนอกพื้นที่ ROI

---

ความแตกต่าง: Erode vs Dilate

ถึงชื่อโหนดจะรวมกัน แต่หลักการทำงานต่างกันคนละขั้ว:

• Erode (การกร่อน): ทำให้พื้นที่สีขาว "หดเล็กลง"
  • ประโยชน์: ใช้ "ลบ" จุด Noise สีขาวเล็กๆ ที่กระจายอยู่ทิ้งไป หรือแยกวัตถุ 2 ชิ้นที่ติดกันอยู่นิดๆ ให้ขาดออกจากกัน
• Dilate (การขยาย): ทำให้พื้นที่สีขาว "ขยายใหญ่ขึ้น"
  • ประโยชน์: ใช้ "เชื่อม" เส้นที่ขาดๆ หายๆ ให้ต่อกัน หรือ "อุดรู" สีดำที่แหว่งอยู่ในวัตถุสีขาว

สูตรลับ: การกำจัด Noise (Opening & Closing)

เรามักใช้ 2 อย่างนี้คู่กันเสมอ:

1. Opening (Erode -> Dilate): ใช้ลบจุดรบกวน (Noise) ภายนอกวัตถุ โดยไม่ทำให้ขนาดวัตถุเปลี่ยน
2. Closing (Dilate -> Erode): ใช้อุดรูพรุนภายในวัตถุ โดยไม่ทำให้ขนาดวัตถุเปลี่ยน

- CV Pixel Iteration:

CV Pixel Iteration คือโหนด "อเนกประสงค์" สำหรับจัดการข้อมูลในระดับพิกเซล (Pixel-wise Operations) รองรับการทำงานหลากหลายรูปแบบตั้งแต่การนับจำนวนสี การแทนที่สี ไปจนถึงการปรับแต่งค่าความสว่างด้วยสมการคณิตศาสตร์ ขึ้นอยู่กับโหมดที่เลือกใช้งาน

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	9	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source
Enable	True	เปิด/ปิด การทำงานของโหนด
Show Caption	True	แสดงแถบชื่อโหนด
Caption	CV Pixel Iteration	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (โหมดการทำงานและตัวแปร)

Property	Default	คำอธิบาย
Operation	COUNT	เลือกรูปแบบการคำนวณ: - COUNT: นับจำนวนพิกเซลที่มีสีตรงกับ Input Color - REPLACE: ค้นหาสี Input Color แล้วแทนที่ด้วย Output Color - LINEAR: ปรับค่าพิกเซลด้วยสูตร $Val \times \alpha + \beta$ (ปรับ Contrast/Brightness) - INVERSE: กลับค่าสี (Invert) ให้เป็นตรงกันข้าม
Input Color (B,G,R)	0, 0, 0	ค่าสีเป้าหมายที่จะค้นหา (ใช้กับโหมด COUNT และ REPLACE)
Output Color (B,G,R)	0, 0, 0	ค่าสีใหม่ที่จะนำไปแทนที่ (ใช้เฉพาะโหมด REPLACE)
Alpha	1.0000	ตัวคูณ (Gain) สำหรับโหมด LINEAR (ค่า > 1 เพิ่ม Contrast)
Beta	0.0000	ตัวบวก (Bias) สำหรับโหมด LINEAR (เพิ่มความสว่าง)

---

เจาะลึก: แต่ละโหมดใช้งานตอนไหน?

• COUNT (การนับ): ใช้เช็คว่า "มีวัตถุสีนี้อยู่ในภาพเยอะแค่ไหน?" ผลลัพธ์ที่ได้จะเป็นตัวเลขจำนวนพิกเซล เหมาะใช้เป็นเงื่อนไข Logic (เช่น ถ้าเจอสีแดง > 100 จุด ให้แจ้งเตือน)
• REPLACE (การแทนที่): เหมือนถังสีในโปรแกรม Paint ใช้เปลี่ยนสีเจาะจง เช่น "เปลี่ยนพื้นหลังสีเขียว (Green Screen) ให้เป็นสีดำสนิท"
• LINEAR (ปรับแสง): ใช้ปรับภาพที่มืดหรือจืดชืด
  • สูตร: $NewPixel = OldPixel \times Alpha + Beta$
  • ตัวอย่าง: ตั้ง Alpha = 1.5 (เร่งสีเข้มขึ้น 50%) และ Beta = 10 (บวกความสว่างเพิ่มนิดหน่อย)
• INVERSE (กลับสี): เปลี่ยนภาพเป็นฟิล์มเนกาทีฟ (ขาวเป็นดำ ดำเป็นขาว) มักใช้เตรียมภาพก่อนส่งเข้า OCR หรือหาเส้นขอบ

- CV Bilateral Filter:

CV Bilateral Filter คือโหนดสำหรับการปรับปรุงคุณภาพภาพ (Image Filtering) ที่มีความสามารถพิเศษในการ "ลดสัญญาณรบกวนโดยยังคงรักษาความคมชัดของขอบวัตถุ (Edge-Preserving Smoothing)" หลักการทำงานคือจะเกลี่ยสีให้เนียนเฉพาะในพื้นที่ที่มีสีใกล้เคียงกันเท่านั้น หากเจอเส้นขอบที่สีตัดกันชัดเจน มันจะหยุดเกลี่ยทันที นิยมใช้มากในการทำ "โหมดหน้าเนียน (Beauty Face)" หรือทำภาพสไตล์การ์ตูน

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	10	เลขประจำตัวลำดับของโหนด
Caption	CV Bilateral Filter	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้ (สำหรับ Pool Mode)

3. Operation (การตั้งค่าความเบลอ)

Property	Default	คำอธิบาย
Diameter	9	ขนาดเส้นผ่านศูนย์กลางของพื้นที่รอบพิกเซลที่จะนำมาคำนวณ - ค่าปกติ: 5 - 9 (สำหรับ Real-time) - หมายเหตุ: ยิ่งค่าเยอะยิ่งคำนวณช้ามาก
Sigma Color	75.0000	ค่าความต่างของสีที่ยอมให้ผสมกันได้ - ค่าน้อย: สีต้องใกล้เคียงกันจริงๆ ถึงจะเบลอ (รักษาขอบดีเยี่ยม) - ค่ามาก: สีต่างกันก็จับเบลอหมด (ภาพจะดูเป็นปื้นๆ เหมือนสีน้ำ)
Sigma Space	75.0000	ค่าระยะห่างของพิกเซลที่มีผลต่อกัน - คล้ายกับ Sigma ใน Gaussian Blur คือยิ่งมากยิ่งเบลอเป็นวงกว้าง

---

ความแตกต่าง: Bilateral vs Gaussian Blur

• Gaussian Blur: เบลอแบบไม่สนโลก ทุกอย่างมัวเท่ากันหมด (ทำงานเร็วมาก)
• Bilateral Filter: เบลอแบบเลือกที่รักมักที่ชัง (เนียนเฉพาะผิว ขอบยังคม) แต่แลกมาด้วยการกินสเปค CPU สูงกว่ามาก

Use Case: การทำหน้าเนียน (Skin Smoothing)

หากต้องการทำโหมดบิวตี้ แนะนำให้ตั้งค่าประมาณนี้:

• Diameter: 9 (ไม่กว้างเกินไป)
• Sigma Color: 75 (เกลี่ยสีผิวที่มีรอยด่างดำให้กลืนกัน)
• Sigma Space: 75 (ระยะเกลี่ยพอประมาณ)
• ผลลัพธ์: รูขุมขนและรอยสิวจะหายไป แต่ดวงตาและริมฝีปากยังคมกริบ!

- CV Morph Transformation:

CV Morph Transformation คือโหนดสำหรับการประมวลผลรูปทรงขั้นสูง (Advanced Morphological Operations) ซึ่งเป็นการนำฟังก์ชันพื้นฐานอย่าง Erode และ Dilate มาทำงานร่วมกันตามลำดับขั้นตอน เพื่อแก้ปัญหาทางภาพที่ซับซ้อน เช่น การกำจัด Noise โดยไม่ทำลายขนาดวัตถุ (Opening) หรือการเชื่อมวัตถุที่แตกหักเข้าด้วยกัน (Closing)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	11	เลขประจำตัวลำดับของโหนด
Caption	CV Morph Transformation	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้

3. Operation (การตั้งค่ารูปแบบการแปลง)

Property	Default	คำอธิบาย
Iterations (Mode)	MORPH_OPEN	(ชื่อในโปรแกรมซ้ำกับช่องล่าง แต่คือโหมดการทำงาน) เลือกรูปแบบการแปลง: - MORPH_OPEN: Erode $\to$ Dilate (ลบ Noise จุดขาวๆ) - MORPH_CLOSE: Dilate $\to$ Erode (อุดรูดำๆ ในวัตถุ) - MORPH_GRADIENT: Dilate $-$ Erode (หาเส้นขอบวัตถุ) - MORPH_TOPHAT: Input $-$ Opening (เน้นส่วนสว่างกว่ารอบข้าง) - MORPH_BLACKHAT: Closing $-$ Input (เน้นส่วนมืดกว่ารอบข้าง)
Kernel Shape	MORPH_RECT	รูปร่างของหน้าต่าง (Structuring Element): - MORPH_RECT: สี่เหลี่ยม (นิยมสุด) - MORPH_CROSS: กากบาท - MORTH_ELLIPSE: วงรี (ในโปรแกรมสะกดเป็น MORTH)
Kernel Size	3 x 3	ขนาดหน้าต่างคำนวณ (Width x Height) ต้องเป็นเลขคี่
Anchor Point	(0, 0)	จุดอ้างอิงของ Kernel - (0,0): มุมซ้ายบน - (-1,-1): กึ่งกลาง (ค่ามาตรฐานทั่วไป)
Iterations (Count)	1	จำนวนรอบในการทำซ้ำ (ยิ่งเยอะผลลัพธ์ยิ่งชัดเจน)

4. Display (การแสดงผลขอบภาพ)

Property	Default	คำอธิบาย
Border Type	DEFAULT	วิธีการจัดการขอบภาพ: - DEFAULT: ใช้ค่ามาตรฐาน (Reflect 101) - CONSTANT: เติมขอบด้วยสีดำ - REPLICATE: ยืดขอบภาพออกไป - REFLECT: สะท้อนภาพเหมือนกระจก - WRAP: วนภาพกลับมาแปะ - TRANSPARENT: ไม่เปลี่ยนแปลง - ISOLATED: ไม่สนใจนอกพื้นที่

---

ข้อสังเกต: ชื่อ Iterations ซ้ำกัน

ในตาราง Operation ของโปรแกรม จะมีหัวข้อชื่อ "Iterations" ปรากฏอยู่ 2 บรรทัด:

1. บรรทัดบน (Dropdown): คือ "โหมดการทำงาน" (เช่น MORPH_OPEN, MORPH_CLOSE)
2. บรรทัดล่าง (ตัวเลข): คือ "จำนวนรอบ" (Loop count)

เวลาตั้งค่าโปรดสังเกตที่ Value ด้านขวาเป็นหลักครับ

เลือกใช้อะไรดี? (Cheat Sheet)

• ถ้าภาพมีจุดฝุ่นขาวๆ เต็มไปหมด: ใช้ MORPH_OPEN (ฝุ่นหาย วัตถุหลักยังอยู่เท่าเดิม)
• ถ้าตัวหนังสือขาดๆ หายๆ หรือมีรูพรุน: ใช้ MORPH_CLOSE (รูจะถูกถมเต็ม ตัวหนังสือจะเชื่อมติดกัน)
• ถ้าอยากได้แค่เส้นขอบ (Outline): ใช้ MORPH_GRADIENT (จะได้ผลลัพธ์คล้ายโหนด Canny Edge แต่เส้นหนากว่า)

- CV Filter 2D:

CV Filter 2D คือโหนดสำหรับการประมวลผลภาพด้วยการ "คอนโวลูชัน (Convolution)" ซึ่งเป็นการนำตารางตัวเลข (Kernel) ไปคำนวณร่วมกับพิกเซลในภาพเพื่อสร้างเอฟเฟกต์ต่างๆ โหนดนี้มีความยืดหยุ่นสูงสุด เพราะสามารถเปลี่ยนหน้าที่ได้หลากหลายตาม Kernel Type ที่เลือก เช่น อาจจะทำหน้าที่เป็นตัวทำให้ภาพคมชัด (Sharpen) หรือหาเส้นขอบ (Edge Detect) ก็ได้

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	12	เลขประจำตัวลำดับของโหนด
Caption	CV Filter 2D	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้

3. Operation (การตั้งค่า Kernel และข้อมูลภาพ)

Property	Default	คำอธิบาย
Image Depth	CV_8U	ความลึกของข้อมูลภาพผลลัพธ์ (Bit Depth): - CV_8U: 8-bit Unsigned (ค่า 0-255) เหมาะสำหรับภาพทั่วไป - CV_32F: 32-bit Float (เก็บค่าทศนิยมและค่าติดลบได้) เหมาะสำหรับการคำนวณที่ต้องการความละเอียดสูง หรือกันข้อมูลสูญหายจากการคำนวณที่ค่าล้น (Overflow)
Kernel Type	KERNEL_NULL	รูปแบบของหน้ากากฟิลเตอร์ที่จะใช้
Kernel Size	3	ขนาดของหน้าต่างคำนวณ (เช่น 3x3, 5x5)
Delta	0.0000	ค่าที่จะบวกเพิ่มเข้าไปในผลลัพธ์สุดท้าย (Brightness Offset) - ใช้เพื่อดึงค่าแสงขึ้นในกรณีที่ผลลัพธ์มืดเกินไป

4. Display (การแสดงผลขอบภาพ)

Property	Default	คำอธิบาย
Border Type	DEFAULT	วิธีการจัดการขอบภาพเมื่อ Kernel ยื่นออกไปนอกภาพ: - DEFAULT: ใช้ค่ามาตรฐาน - CONSTANT: เติมขอบด้วยสีดำ (ค่าคงที่) - REPLICATE: ยืดขอบภาพออกไป - REFLECT: สะท้อนภาพเหมือนกระจก - WRAP: วนภาพกลับมาแปะ - TRANSPARENT: ไม่เปลี่ยนแปลงพิกเซล - ISOLATED: ไม่สนใจพื้นที่นอกขอบเขต

---

ระวังเรื่อง Image Depth (CV_32F)

การเลือกใช้ CV_32F จะทำให้ข้อมูลภาพเปลี่ยนจากตัวเลขจำนวนเต็ม (0-255) เป็นทศนิยม (Float) ซึ่งอาจทำให้ โหนดบางตัวแสดงผลไม่ได้ (จอดำ) หรือ Error

• ข้อแนะนำ: หากใช้ CV_32F เพื่อคำนวณเสร็จแล้ว ควรแปลงกลับเป็น CV_8U ด้วยโหนด Convert Scale Abs หรือ Normalize ก่อนส่งไปแสดงผลที่หน้าจอ

- CV In Range:

CV In Range คือโหนดสำหรับการแยกวัตถุออกจากพื้นหลัง (Segmentation) โดยใช้วิธี "กำหนดค่าขีดจำกัด (Thresholding)" เพื่อแปลงภาพให้เป็นขาว-ดำ (Binary) รองรับทั้งการกำหนดค่าเอง (Global), การให้ AI หาค่าให้ (Automatic), และการปรับค่าตามสภาพแสงเฉพาะจุด (Adaptive)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	13	เลขประจำตัวลำดับของโหนด
Caption	CV In Range	ชื่อโหนดที่แสดงผลบน Workspace

2. Operation (การตั้งค่าการตัดสี)

Property	Default	คำอธิบาย
Threshold Type	THRESH_BINARY	รูปแบบเงื่อนไขการตัดค่าสี (ดูคำอธิบายละเอียดด้านล่าง): 1. แบบกำหนดค่าเอง (Manual): - THRESH_BINARY: ขาว/ดำ (ยอดนิยมสุด) - THRESH_BINARY_INV: ดำ/ขาว (กลับสี) - THRESH_TRUNC: ตัดยอดกราฟ (ถ้าเกินค่ากำหนด ให้ปรับลงมาเท่าค่ากำหนด) - THRESH_TOZERO: ถ้าต่ำกว่าเกณฑ์ ให้เป็นสีดำ (ส่วนที่เหลือเก็บสีเดิมไว้) - THRESH_TOZERO_INV: ถ้าเกินเกณฑ์ ให้เป็นสีดำ 2. แบบอัตโนมัติ (Automatic): - THRESH_OTSU: คำนวณค่าจุดตัดที่ดีที่สุดให้เอง (เหมาะกับภาพที่มี 2 โทนสีชัดเจน) - THRESH_TRIANGLE: คำนวณด้วยวิธี Triangle (เหมาะกับภาพที่มี Histogram ยอดเดียว) 3. แบบปรับตัว (Adaptive): - ADAPTIVE_THRESH_MEAN_C: ใช้ค่าเฉลี่ยของพื้นที่รอบๆ เป็นเกณฑ์ - ADAPTIVE_THRESH_GAUSSIAN_C: ใช้ค่าเฉลี่ยแบบถ่วงน้ำหนัก (Gaussian) เป็นเกณฑ์
Threshold Value	128.0000	ค่าความสว่างจุดตัด (0-255) - หมายเหตุ: หากเลือกโหมด OTSU หรือ TRIANGLE ค่านี้จะถูกเมิน (เพราะระบบหาค่าให้เอง)
Binary Value	255.0000	ค่าสีที่จะนำไปแทนที่เมื่อผ่านเงื่อนไข (ปกติใช้ 255 เพื่อให้เป็นสีขาวสุด)

---

เลือกใช้ Type ไหนดี? (Cheat Sheet)

• งานทั่วไป (แสงสว่างเท่ากันทั้งภาพ): ใช้ THRESH_BINARY แล้วปรับค่า Threshold Value เอง
• ขี้เกียจปรับค่าเอง: ใช้ THRESH_OTSU (ระบบจะหาค่าที่แยกวัตถุกับพื้นหลังได้ดีที่สุดให้)
• งานปราบเซียน (แสงส่องมาแค่ฝั่งเดียว/มีเงาบัง): ใช้ ADAPTIVE_THRESH_GAUSSIAN_C (ระบบจะคำนวณเกณฑ์ตัดแสงแยกกันทุกจุด ทำให้เห็นตัวหนังสือชัดแม้ในเงามืด)

ข้อสังเกตเรื่องชื่อโหนด

โหนดนี้ชื่อ CV In Range แต่ฟังก์ชันภายในคือ Threshold อย่างเต็มรูปแบบ หากคุณต้องการใช้งานฟังก์ชัน inRange จริงๆ (ที่กำหนดช่วงสี Min-Max เช่น เอาเฉพาะสีแดง) อาจต้องตรวจสอบว่ามีโหนดอื่นชื่อ CV Color Threshold หรือไม่ หรือต้องประยุกต์ใช้โหนดนี้หลายตัวร่วมกัน

- CV Flood Fill:

CV Flood Fill คือโหนดสำหรับการ "เทสี" ลงในพื้นที่ที่กำหนด (Region Growing) โดยเริ่มจากจุดเริ่มต้น (Seed Point) แล้วขยายวงกว้างออกไปเรื่อยๆ ตราบเท่าที่พิกเซลข้างเคียงยังมีสีเหมือนหรือใกล้เคียงกับจุดเดิม นิยมใช้ในการเติมเต็มรูโหว่ของวัตถุ (Hole Filling) หรือใช้แยกวัตถุออกจากพื้นหลัง

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	14	เลขประจำตัวลำดับของโหนด
Caption	CV Flood Fill	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้

3. Operation (การตั้งค่าการเทสี)

Property	Default	คำอธิบาย
Seed Point	(0, 0)	จุดเริ่มต้นที่จะเริ่มเทสี (X, Y) - สำคัญ: ในการใช้งานจริง ค่านี้มักจะรับมาจาก Mouse Click หรือจุด Centroid ของวัตถุ
Fill Color (B,G,R)	0, 0, 0	สีใหม่ที่จะเทลงไป (สำหรับภาพสี)
Fill Color Gray	0	ค่าความสว่างที่จะเทลงไป (สำหรับภาพขาวดำ Grayscale)
Flags	4 neighbor pixels	เงื่อนไขการไหลของสี: - 4 neighbor pixels: สีไหลไปทาง ซ้าย-ขวา-บน-ล่าง เท่านั้น (เหมาะกับรูปทรงเรขาคณิต) - 8 neighbor pixels: สีไหลไปรอบทิศรวมถึงแนวทแยง (เหมาะกับภาพธรรมชาติ) - FLOODFILL_MASK_ONLY: ไม่เปลี่ยนสีในภาพจริง แต่จะไปสร้างพื้นที่สีขาวบน "ภาพ Mask" แทน - FLOODFILL_FIXED_RANGE: เปรียบเทียบสีกับ "จุดเริ่มต้น (Seed)" เท่านั้น (ถ้าไม่ติ๊ก จะเทียบกับพิกเซลข้างๆ ที่เพิ่งเทไป ซึ่งสีอาจเพี้ยนไปเรื่อยๆ ได้)

4. Display (การแสดงผลขอบเขต)

Property	Default	คำอธิบาย
Define Boundaries	False	เปิด/ปิด การกำหนดกรอบพื้นที่ (Bounding Box)
Boundary Point 1	(0, 0)	จุดมุมที่ 1 ของกรอบขอบเขต
Boundary Point 2	(0, 0)	จุดมุมที่ 2 ของกรอบขอบเขต
Mask Color	255	ค่าสีที่จะใช้เขียนลงใน Mask (กรณีที่มีการสร้าง Mask จากการเทสี)

---

เทคนิค: FIXED_RANGE คืออะไร?

• ถ้าไม่ใช้ Fixed Range: สีจะไหลไปเรื่อยๆ เหมือนไฟลามทุ่ง ถ้าสีเปลี่ยนทีละนิดๆ มันก็ไหลไปได้เรื่อยๆ จนทั่วภาพ
• ถ้าใช้ Fixed Range (แนะนำ): ระบบจะยึด "สีของจุดเริ่มต้น" เป็นหลักเสมอ ถ้าจุดไหนสีต่างจากจุดเริ่มต้นเกินเกณฑ์ มันจะหยุดทันที (ช่วยคุมไม่ให้สีไหลเลอะเทอะออกนอกวัตถุ)

Use Case: การอุดรู (Hole Filling)

หากเราทำ Threshold แล้วได้วัตถุสีขาวที่มี "รูสีดำ" อยู่ข้างใน: 1. ใช้ Flood Fill เทสีขาวลงไปในรูสีดำนั้น 2. ผลลัพธ์คือวัตถุจะทึบตันสมบูรณ์ (Solid object)

- CV Median Blur:

CV Median Blur คือโหนดสำหรับการปรับปรุงคุณภาพภาพ (Image Filtering) ด้วยวิธี "ค่ามัธยฐาน (Median Filtering)" หลักการทำงานคือระบบจะนำพิกเซลรอบๆ มาเรียงลำดับจากน้อยไปมาก แล้วเลือกค่าที่อยู่ "ตรงกลาง" (Median) มาแทนที่พิกเซลเดิม วิธีนี้มีประสิทธิภาพสูงสุดในการกำจัดจุดรบกวนแบบฉับพลัน (Impulse Noise) หรือที่เรียกว่า Salt-and-Pepper Noise โดยยังคงรักษาความคมชัดของเส้นขอบวัตถุไว้ได้ดีกว่าการเบลอแบบเฉลี่ย (Mean/Gaussian)

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	15	เลขประจำตัวลำดับของโหนด
Caption	CV Median Blur	ชื่อโหนดที่แสดงผลบน Workspace

2. Image Memory (การจัดการหน่วยความจำภาพ)

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)
Pool Size	3	จำนวน Buffer ที่เตรียมไว้

3. Operation (การตั้งค่าความเบลอ)

Property	Default	คำอธิบาย
Kernel Size	5	ขนาดหน้าต่างที่จะนำมาคำนวณ (Aperture Linear Size) - กฎเหล็ก: ค่าต้องเป็น เลขคี่ที่มากกว่า 1 เท่านั้น (เช่น 3, 5, 7, 9...) - 3: ลบจุดรบกวนเล็กน้อย ขอบยังคมกริบ - 5: ค่ามาตรฐาน ลบจุดรบกวนได้ดี - 7+: เริ่มทำให้ภาพดูเหมือนภาพวาดสีน้ำมัน (รายละเอียดเล็กๆ จะหายไป)

---

Median Blur vs Gaussian Blur ใช้อันไหนดี?

• Gaussian Blur: ใช้เมื่อต้องการทำภาพให้นวล เบลอฉากหลัง หรือลด Noise ทั่วไปที่กระจายสม่ำเสมอ
• Median Blur (ตัวนี้): ใช้เมื่อเจอภาพที่มี "จุดเม็ดสีขาว/ดำ กระจายอยู่" (Dead Pixel หรือฝุ่นเกาะเลนส์) เพราะมันจะลบจุดพวกนี้หายวับไปเลยโดยที่ภาพหลักไม่เสียความคมชัด

ข้อควรระวัง

การใช้ Kernel Size ที่ใหญ่เกินไปกับโหนด Median Blur จะทำให้ภาพดูแบนและดูเป็นการ์ตูน (Cartoonish) และที่สำคัญคือ กินทรัพยากรเครื่องมากกว่า Gaussian Blur ค่อนข้างมากครับ

9. Image Operation (การกระทำกับภาพ)

การนำภาพสองภาพมาทำปฏิกิริยากันทางคณิตศาสตร์

- CV Overlay Image:

CV Overlay Image คือโหนดสำหรับการซ้อนภาพ (Image Composition) โดยนำภาพขนาดเล็ก (Overlay) ไปวางทับบนภาพหลัก (Background) ณ ตำแหน่งพิกัด X, Y ที่กำหนด นิยมใช้ในการใส่โลโก้บริษัท, การแสดงผลแบบจอซ้อนจอ (Picture-in-Picture), หรือการนำผลลัพธ์ที่ตรวจจับได้ (ROI) กลับไปแปะคืนที่เดิม

ตารางการตั้งค่า (Properties)

1. Common (การตั้งค่าทั่วไป)

Property	Default	คำอธิบาย
Node ID	16	เลขประจำตัวลำดับของโหนด
Caption	CV Overlay Image	ชื่อโหนดที่แสดงผลบน Workspace

2. Position (การกำหนดตำแหน่ง)

Property	Default	คำอธิบาย
X Offset	0	ระยะห่างจากขอบซ้ายของภาพหลัก (แกน X) - ค่าบวก (+) จะขยับภาพไปทางขวา
Y Offset	0	ระยะห่างจากขอบบนของภาพหลัก (แกน Y) - ค่าบวก (+) จะขยับภาพลงด้านล่าง

---

ระบบพิกัดภาพ (Coordinate System)

ในคอมพิวเตอร์กราฟิก จุด (0, 0) จะอยู่ที่ "มุมซ้ายบน" ของภาพเสมอครับ

• X Offset: ยิ่งมาก ภาพยิ่งเลื่อนไปขวา
• Y Offset: ยิ่งมาก ภาพยิ่งเลื่อนลงล่าง

Use Case: การทำ Picture-in-Picture

หากคุณมีกล้อง 2 ตัว (กล้องมุมกว้าง และกล้องซูม): 1. ต่อสายจากกล้องมุมกว้างเข้า Input หลัก (Background) 2. ต่อสายจากกล้องซูม (ที่ย่อขนาดแล้ว) เข้า Input รอง (Overlay) 3. ปรับ X Offset, Y Offset เพื่อย้ายภาพกล้องซูมไปไว้ที่มุมจอ 4. คุณจะได้ภาพวงจรปิดที่มีจอเล็กซ้อนอยู่มุมขวา เหมือนในหนังเลยครับ!

- CV Addition:

CV Addition คือโหนดสำหรับการคำนวณทางคณิตศาสตร์ด้วยการ "บวก" ค่าพิกเซลของภาพ 2 ภาพเข้าด้วยกัน ($Dst = Src1 + Src2$) ผลลัพธ์ที่ได้คือภาพที่สว่างขึ้น (เพราะค่าสีเพิ่มขึ้น) นิยมใช้ในการรวมเลเยอร์แสง หรือซ้อนภาพเอฟเฟกต์แสงสว่าง (Light Leaks) ลงบนภาพหลัก

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	17	เลขประจำตัวลำดับของโหนด
Caption	CV Addition	ชื่อโหนดที่แสดงผลบน Workspace
Pool Size	10	จำนวน Buffer ที่เตรียมไว้ (สังเกต: โหนดนี้ตั้งค่ามาสูงกว่าปกติที่ 3 อาจเพราะรองรับการประมวลผลที่รวดเร็วหรือมีการพักข้อมูลเยอะ)
Sharing Mode	Pool Mode	รูปแบบการจัดการหน่วยความจำ: - Pool Mode: ใช้หน่วยความจำเดิมวนซ้ำ (ประหยัด RAM) - Broadcast Mode: สร้างสำเนาข้อมูลใหม่แยกออกมา (ปลอดภัยที่สุดหากมีการต่อสายแยกไปหลายทาง)

---

ระวังเรื่องแสงจ้าเกิน (Saturation)

การบวกค่าสีจะทำให้ค่าตัวเลขสูงขึ้นเรื่อยๆ จนถึงขีดจำกัดที่ 255 (สีขาว)

• หากภาพต้นฉบับสว่างอยู่แล้ว เมื่อนำมาบวกกัน ภาพผลลัพธ์อาจจะ "ขาวโพลน" จนมองไม่เห็นรายละเอียด (Overexposed)
• หากต้องการผสมภาพโดยไม่ให้สว่างเกินไป แนะนำให้ใช้โหนด CV Add Weighted (ถ้ามี) ซึ่งจะสามารถปรับลดความเข้มของแต่ละภาพได้

เทคนิค: ใช้เพิ่มความสว่าง

คุณสามารถใช้โหนดนี้ "เพิ่มความสว่าง (Brightness)" ให้ภาพได้ โดยการนำภาพหลักมาบวกกับ "ภาพสีเทา หรือ สีดำที่มีค่าสีน้อยๆ" (Scalar) ค่าความสว่างก็จะถูกบวกเพิ่มเข้าไปในทุกพิกเซลครับ

- CV Matrix Operation:

CV Matrix Operation คือโหนดสำหรับการประมวลผลทางคณิตศาสตร์ระหว่างภาพ 2 ภาพ (Matrix Arithmetic) แบบพิกเซลต่อพิกเซล ช่วยให้คุณสามารถนำภาพมาคำนวณหาผลลัพธ์ใหม่ได้หลากหลาย ทั้งการผสมภาพ (Arithmetic), การหาความต่าง, หรือการเปรียบเทียบค่าเพื่อสร้างเงื่อนไข (Comparison)

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	18	เลขประจำตัวลำดับของโหนด
Caption	CV Matrix Operation	ชื่อโหนดที่แสดงผลบน Workspace
Operator	+	เลือกรูปแบบการคำนวณ (ดูรายละเอียดด้านล่าง): 1. คณิตศาสตร์ (Arithmetic): +, -, *, / 2. การเปรียบเทียบ (Comparison): >, >=, <, <= 3. ค่าสูงสุด/ต่ำสุด (Extremum): MAX, MIN

---

เจาะลึก: แต่ละเครื่องหมายทำหน้าที่อะไร?

กลุ่มที่ 1: คณิตศาสตร์ (ให้ผลลัพธ์เป็นภาพโทนสีเทา/สีปกติ) * + (Add): นำค่าสีมารวมกัน (ภาพจะสว่างขึ้น) * - (Subtract): ใช้หา "ความแตกต่าง" (ส่วนที่เหมือนกันลบกันได้ 0 คือสีดำ ส่วนที่ต่างกันจะสว่างขึ้น) * * (Multiply): ใช้บังภาพ (Masking) สีดำคูณอะไรก็ได้ 0 (หายไป), สีขาวคูณอะไรก็ได้เท่าเดิม (คงอยู่) * / (Divide): ใช้ลดทอนค่าแสง หรือหาอัตราส่วนของความสว่าง

กลุ่มที่ 2: การเปรียบเทียบ (ให้ผลลัพธ์เป็นภาพขาว-ดำ เท่านั้น) * >, >=, <, <=: ใช้เทียบค่าพิกเซลตำแหน่งเดียวกันของทั้ง 2 ภาพ * ถ้าจริง: ได้ค่า 255 (สีขาว) * ถ้าเท็จ: ได้ค่า 0 (สีดำ) * ประโยชน์: ใช้สร้าง Mask แบบ Dynamic เช่น "เอาเฉพาะส่วนที่ภาพ A สว่างกว่าภาพ B"

กลุ่มที่ 3: เลือกค่าสุดโต่ง (Blend Modes) * MAX (Lighten): เทียบกันพิกเซลต่อพิกเซล ใครสว่างกว่าเอาคนนั้น (ผลลัพธ์เหมือนโหมด Lighten ใน Photoshop) * MIN (Darken): เทียบกันพิกเซลต่อพิกเซล ใครมืดกว่าเอาคนนั้น

ข้อควรระวังเรื่องการหาร (/)

การหารด้วย 0 (Divide by Zero) อาจทำให้โปรแกรมเกิดข้อผิดพลาดหรือได้ผลลัพธ์เป็นค่าสูงสุด/ต่ำสุด ขึ้นอยู่กับการจัดการ Error ของระบบ แนะนำให้ระวังหากภาพตัวหารมีพื้นที่สีดำสนิท (ค่า 0)

- CV Blend Images:

CV Blend Images คือโหนดสำหรับการผสมภาพ 2 ภาพเข้าด้วยกันแบบเชิงเส้น (Linear Blending) โดยใช้วิธีถ่วงน้ำหนัก (Weighted Sum) ตามสูตร $Dst = (Src1 \times \alpha) + (Src2 \times \beta) + \gamma$ ช่วยให้สร้างเอฟเฟกต์ภาพโปร่งแสง หรือการเปลี่ยนผ่านภาพ (Transition) ได้อย่างนุ่มนวล

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	19	เลขประจำตัวลำดับของโหนด
Caption	CV Blend Images	ชื่อโหนดที่แสดงผลบน Workspace
Alpha	0.5000	น้ำหนักความเข้มของ ภาพที่ 1 (Input แรก) - 1.0: เห็นภาพแรกชัดสุด (100%) - 0.0: ไม่เห็นภาพแรกเลย
Beta	0.5000	น้ำหนักความเข้มของ ภาพที่ 2 (Input สอง) - ปกติมักตั้งให้สัมพันธ์กับ Alpha (เช่น ถ้า Alpha 0.7, Beta ควรเป็น 0.3 เพื่อให้รวมกันได้ 1)
Gamma	0.0000	ค่าความสว่างที่จะบวกเพิ่มเข้าไปในผลลัพธ์สุดท้าย (Brightness Offset)
Size From Port 0	False	ตัวช่วยปรับขนาดภาพอัตโนมัติ - True: บังคับให้ภาพที่ 2 ยืด/หด ขนาดให้เท่ากับภาพที่ 1 (Port 0) เสมอก่อนนำมาผสม (ป้องกัน Error เรื่องขนาดภาพไม่เท่ากัน) - False: ใช้ขนาดภาพตามจริง (หากขนาดไม่เท่ากัน โปรแกรมอาจแจ้ง Error)

---

สูตรการผสมภาพ (The Recipe)

• ภาพซ้อนมาตรฐาน (50-50): Alpha = 0.5, Beta = 0.5
• ภาพแรกจางๆ บนภาพหลังชัดๆ: Alpha = 0.3, Beta = 0.9
• เพิ่มความสว่าง (Over Exposure): Alpha = 1.0, Beta = 1.0 (ค่าสีจะรวมกันจนสว่างจ้า)

ข้อควรระวังเรื่องขนาดภาพ

ฟังก์ชัน addWeighted ของ OpenCV บังคับว่า "ภาพทั้ง 2 ต้องมีขนาด (Width x Height) เท่ากันเป๊ะ"

• หากคุณต่อสายมาจากแหล่งที่ขนาดต่างกัน (เช่น กล้องคนละตัว) อย่าลืมติ๊ก Size From Port 0 เป็น True เพื่อให้โหนดช่วยปรับขนาดให้โดยอัตโนมัติครับ ไม่งั้นโปรแกรมจะหยุดทำงาน

- CV Template Matcing:

CV Template Matching คือโหนดสำหรับการค้นหาตำแหน่งของวัตถุในภาพ โดยนำภาพต้นแบบขนาดเล็ก (Template) ไปเลื่อนทาบเปรียบเทียบกับภาพหลักทีละจุด (Sliding Window) เพื่อหาตำแหน่งที่มีความคล้ายคลึงกันมากที่สุด เมื่อเจอแล้วจะทำการวาดกรอบสี่เหลี่ยม (Bounding Box) ล้อมรอบวัตถุนั้นให้ทันที

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	20	เลขประจำตัวลำดับของโหนด
Caption	CV Template Matching	ชื่อโหนดที่แสดงผลบน Workspace
Matching Method	TM_SQDIFF	วิธีการคำนวณความเหมือน: - TM_SQDIFF: หาจุดต่าง (ยิ่งน้อยยิ่งเหมือน) - TM_SQDIFF_NORMED: หาจุดต่างแบบปรับฐาน (ทนต่อแสงเงาเปลี่ยน) - TM_CCORR: หาความเหมือน (ยิ่งมากยิ่งเหมือน) - TM_CCORR_NORMED: หาความเหมือนแบบปรับฐาน - TM_CCOEFF: หาความสัมพันธ์ของสัมประสิทธิ์ - TM_CCOEFF_NORMED: (นิยมใช้ที่สุด) แม่นยำสูงแม้แสงเปลี่ยน
Line Color (B,G,R)	0, 0, 0	สีของกรอบสี่เหลี่ยมที่จะวาดล้อมรอบวัตถุที่เจอ
Line Thickness	3	ความหนาของเส้นกรอบ
Line Type	LINE_8	รูปแบบของเส้น: - LINE_8: เส้นเชื่อมต่อ 8 ทิศทาง (มาตรฐาน) - LINE_4: เส้นเชื่อมต่อ 4 ทิศทาง (เส้นจะดูเหลี่ยมกว่า) - LINE_AA: เส้นลบรอยหยัก (Anti-Aliased) เส้นจะนวลสวยที่สุด

---

เทคนิค: ทำไมต้องใช้แบบ NORMED?

หากคุณเลือกใช้ตัวเลือกที่มีคำว่า _NORMED (เช่น TM_CCOEFF_NORMED) ระบบจะทำการคำนวณโดยหารเฉลี่ยค่าความสว่างให้

• ข้อดี: ช่วยให้หาวัตถุเจอ "แม้ว่าแสงในภาพจะเปลี่ยนไป" (เช่น ภาพต้นแบบถ่ายตอนสว่าง แต่ภาพจริงถ่ายตอนมืดลงนิดหน่อย)
• ข้อเสีย: อาจจะคำนวณช้ากว่าแบบธรรมดาเล็กน้อย

ระวัง! วิธีการอ่านค่าไม่เหมือนกัน

• กลุ่ม SQDIFF: ต้องหาค่า ต่ำสุด (Min Location) ถึงจะเป็นจุดที่เจอวัตถุ
• กลุ่ม CCORR / CCOEFF: ต้องหาค่า สูงสุด (Max Location) ถึงจะเป็นจุดที่เจอวัตถุ

- CV Resize:

CV Resize คือโหนดสำหรับการปรับเปลี่ยนขนาดความกว้างและความสูงของภาพ (Image Rescaling) ให้เป็นไปตามค่าพิกเซลที่กำหนด นิยมใช้เพื่อปรับขนาดภาพให้เท่ากันทุกเฟรม (Standardization) หรือลดขนาดภาพเพื่อเพิ่มความเร็วในการประมวลผล

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	0	เลขประจำตัวลำดับของโหนด (โหนดเริ่มต้น)
Caption	CV Resize	ชื่อโหนดที่แสดงผลบน Workspace
Width	640	ความกว้างใหม่ที่ต้องการ (หน่วยเป็นพิกเซล)
Height	480	ความสูงใหม่ที่ต้องการ (หน่วยเป็นพิกเซล)

---

ระวังเรื่องสัดส่วนภาพ (Aspect Ratio)

การกำหนดค่า Width และ Height เองโดยอิสระ อาจทำให้ภาพเกิดการ "บิดเบี้ยว (Distortion)" ได้ หากสัดส่วนใหม่ไม่ตรงกับสัดส่วนเดิม

• ตัวอย่าง: ภาพเดิมเป็นสี่เหลี่ยมจัตุรัส ถ้าบีบให้เป็นสี่เหลี่ยมผืนผ้า ภาพวัตถุข้างในจะดูแบนหรือยืดผิดรูปทันที

Node ID 0 คืออะไร?

ในระบบ Programming หรือ Data Flow ส่วนใหญ่ ID 0 มักจะหมายถึง "จุดเริ่มต้น (Entry Point)" หรือโหนดแรกสุดที่ถูกสร้างขึ้น หากโหนดนี้คือ Resize แสดงว่าระบบของคุณอาจจะมีการบังคับขนาดภาพตั้งแต่นำเข้า (Input) เลยเพื่อมาตรฐานเดียวกันทั้งระบบครับ

- CV ROI:

CV ROI (Region of Interest) คือโหนดสำหรับการกำหนด "พื้นที่ที่สนใจ" หรือการตัดภาพ (Cropping) เพื่อเลือกเฉพาะส่วนหนึ่งของภาพมาประมวลผลต่อ ช่วยลดภาระการทำงานของระบบ (เพราะภาพเล็กลง) และช่วยตัดสิ่งรบกวนรอบข้างที่ไม่จำเป็นออกไป

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	1	เลขประจำตัวลำดับของโหนด
Caption	CV ROI	ชื่อโหนดที่แสดงผลบน Workspace
X	0	พิกัดเริ่มต้นแนวนอน (นับจากซ้ายไปขวา)
Y	0	พิกัดเริ่มต้นแนวตั้ง (นับจากบนลงล่าง)
Width	640	ความกว้างของพื้นที่ที่ต้องการตัดออกมา
Height	480	ความสูงของพื้นที่ที่ต้องการตัดออกมา

---

เทคนิค: ระบบพิกัดภาพ (Coordinate System)

ในคอมพิวเตอร์กราฟิก จุดกำเนิด (0, 0) จะอยู่ที่ "มุมซ้ายบนสุด" ของภาพ

• X: เพิ่มขึ้นไปทางขวา
• Y: เพิ่มขึ้นลงด้านล่าง
• ดังนั้นการตั้งค่า ROI คือการบอกว่า "เริ่มตัดที่จุด (X,Y) แล้วกวาดความกว้างไปทางขวา (Width) และกวาดลงล่าง (Height)"

ระวัง! พื้นที่เกินขอบเขต (Out of Bounds)

หากคุณกำหนดค่า X, Y หรือ Width, Height รวมกันแล้ว "เกินขนาดของภาพต้นฉบับ" (เช่น ภาพกว้าง 640 แต่ตั้ง ROI ไปเริ่มที่ 600 แล้วกว้างอีก 100 = 700) โปรแกรมอาจจะแจ้ง Error หรือหยุดทำงานได้ ควรตรวจสอบขนาดภาพต้นฉบับให้แน่ใจก่อนตั้งค่าครับ

Use Case: การโฟกัสเฉพาะจุด

สมมติคุณตั้งกล้องดูสายพานการผลิต แต่ต้องการตรวจเช็คแค่ "ฉลากสินค้า" ที่อยู่ตรงกลางภาพ 1. ใช้ CV ROI ตัดเฉพาะส่วนกลางภาพออกมา 2. ส่งภาพที่ตัดแล้วไปเข้ากระบวนการอ่านบาร์โค้ด หรือ OCR 3. ผลลัพธ์: ระบบทำงานเร็วขึ้นมาก เพราะไม่ต้องเสียเวลาสแกนพื้นที่ว่างรอบๆ

- CV Bitwise Operation:

CV Bitwise Operation คือโหนดสำหรับการดำเนินการทางตรรกะ (Logic) ในระดับบิตของแต่ละพิกเซล นิยมใช้เป็นเครื่องมือหลักในการทำ "หน้ากาก (Masking)" เพื่อตัดส่วนที่ไม่ต้องการ, การรวมภาพขาวดำ, หรือการหาความแตกต่างของรูปทรง

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	2	เลขประจำตัวลำดับของโหนด
Caption	CV Bitwise Operation	ชื่อโหนดที่แสดงผลบน Workspace
Bitwise	AND	คำสั่งตรรกะที่ต้องการใช้งาน: - AND: เอาเฉพาะส่วนที่ "ซ้อนทับกัน" (Intersection) ใช้สำหรับบังภาพ (Masking) - OR: เอาส่วนที่มี "สีขาวทั้งหมด" มารวมกัน (Union) ใช้รวม Mask หลายชิ้นเข้าด้วยกัน - XOR: เอาเฉพาะส่วนที่ "ต่างกัน" (Difference) ถ้าเหมือนกันจะเป็นสีดำ - NOT: กลับค่าสี (Invert) ขาวเป็นดำ ดำเป็นขาว

---

เจาะลึก: เลือกใช้อันไหนดี?

• ใช้ AND เมื่อ: ต้องการ "ตัดภาพ" (เช่น มีภาพคน กับภาพ Mask สีขาวที่เป็นตัวคน -> พอ AND กัน จะได้ภาพคนลอยอยู่บนพื้นดำ)
• ใช้ OR เมื่อ: ต้องการ "รวมภาพ" (เช่น มี Mask ของรถยนต์ กับ Mask ของคนเดินเท้า -> พอ OR กัน จะได้ Mask ที่รวมทั้งรถและคนไว้ด้วยกัน)
• ใช้ NOT เมื่อ: ต้องการ "กลับด้าน" (เช่น มี Mask ที่เจาะรูตรงกลางขาว -> พอ NOT จะได้วงกลมดำทึบตรงกลางแทน)
• ใช้ XOR เมื่อ: ต้องการเช็คว่า "ภาพเปลี่ยนไปตรงไหน" (เช่น เทียบภาพก่อนและหลังวัตถุขยับ ส่วนที่ขยับจะกลายเป็นสีขาว)

Input ไม่เท่ากัน

• คำสั่ง AND, OR, XOR ต้องการ Input 2 ช่อง (ภาพ A และ ภาพ B)
• คำสั่ง NOT ต้องการ Input แค่ 1 ช่อง เท่านั้น (เพราะแค่กลับสีภาพตัวเอง)

- CV Image ROI:

CV Image ROI คือโหนดสำหรับการกำหนดพื้นที่ที่สนใจ (Region of Interest) โดยใช้วิธีระบุ "จุดมุมทะแยง" 2 จุด (เช่น มุมซ้ายบน และ มุมขวาล่าง) แทนการระบุขนาด โหนดนี้มาพร้อมกับความสามารถในการวาดเส้นกรอบ (Bounding Box) เพื่อแสดงพื้นที่ที่เลือกบนภาพได้ด้วย

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	3	เลขประจำตัวลำดับของโหนด
Caption	CV Image ROI	ชื่อโหนดที่แสดงผลบน Workspace
Point 1	(0, 0)	พิกัดของจุดมุมที่ 1 (ปกติคือมุมซ้ายบน)
Point 2	(0, 0)	พิกัดของจุดมุมที่ 2 (ปกติคือมุมขวาล่าง)
Lock Output ROI	False	ตัวเลือกการส่งออกภาพ: - True: ตัดภาพ (Crop) ให้เหลือเฉพาะส่วนในกรอบส่งออกไป - False: ส่งภาพเต็มออกไปเหมือนเดิม (แต่แปะข้อมูล ROI หรือวาดเส้นกรอบทับ)
Line Color (B,G,R)	0, 0, 0	สีของเส้นกรอบที่จะวาดแสดงผล
Line Thickness	2	ความหนาของเส้นกรอบ
Display Lines	True	เปิด/ปิด การวาดเส้นกรอบสี่เหลี่ยมบนภาพ

---

ความแตกต่าง: CV ROI (ID 1) vs CV Image ROI (ID 3)

• CV ROI (ID 1): เหมาะสำหรับงานที่ "รู้ขนาดที่แน่นอน" (เช่น ต้องการตัดภาพขนาด 640x480 เสมอ โดยแค่ขยับจุดเริ่ม X,Y ไปเรื่อยๆ)
• CV Image ROI (ID 3): เหมาะสำหรับงานที่ "รู้ตำแหน่งจุดเริ่มและจุดจบ" (เช่น การลากเมาส์คลุมพื้นที่ ซึ่งจะได้ค่า P1 และ P2 มา) และโหนดนี้เหมาะสำหรับใช้เพื่อ "Visualization (การแสดงผล)" มากกว่า เพราะมีตัวเลือกให้วาดเส้นกรอบโชว์ได้ทันที

ลำดับจุดสำคัญไหม?

โดยปกติโปรแกรม OpenCV จะคำนวณสี่เหลี่ยมจาก Min/Max ของพิกัด ดังนั้นคุณจะกำหนด Point 1 เป็นมุมขวาล่าง และ Point 2 เป็นมุมซ้ายบนก็ได้ ผลลัพธ์จะได้กรอบสี่เหลี่ยมพื้นที่เดิมครับ

- CV Rotate:

CV Rotate คือโหนดสำหรับการหมุนภาพ (Image Rotation) รอบจุดกึ่งกลางภาพตามมุมองศาที่กำหนด ช่วยให้สามารถแก้ไขภาพที่ถ่ายมาเอียง (Tilt correction) หรือกลับหัวภาพให้ถูกต้องได้

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	4	เลขประจำตัวลำดับของโหนด
Caption	CV Rotate	ชื่อโหนดที่แสดงผลบน Workspace
Rotate	180.0000	มุมที่ต้องการหมุน (หน่วยเป็นองศา) - ค่าบวก (+): หมุนทวนเข็มนาฬิกา (Counter-Clockwise) - ค่าลบ (-): หมุนตามเข็มนาฬิกา (Clockwise)

---

มุมยอดนิยม

• 90°: หมุนตะแคงซ้าย
• -90° (หรือ 270°): หมุนตะแคงขวา
• 180°: กลับหัว (Upside Down)

ระวังเรื่องขอบภาพ (Clipping)

การหมุนภาพด้วยมุมที่ไม่ใช่ 90, 180, หรือ 270 องศา (เช่น 45 องศา) มักจะทำให้เกิดผลกระทบ 2 อย่าง:

1. ขอบดำ: จะเกิดพื้นที่ว่างสีดำขึ้นที่มุมทั้ง 4 ของภาพ
2. ภาพโดนตัด: ส่วนมุมของภาพเดิมอาจจะหลุดออกนอกกรอบเฟรม หากระบบไม่ได้ทำการขยายขนาดเฟรมให้อัตโนมัติ

10. Image Processing (การประมวลผลภาพ)

ฟังก์ชันพื้นฐานสำหรับปรับเปลี่ยนลักษณะของภาพ

- CV Find Contour:

CV Find Contour คือโหนดสำหรับการค้นหาเส้นขอบ (Boundary) ของวัตถุในภาพ โดยรับอินพุตเป็นภาพขาว-ดำ (Binary Image) ระบบจะทำการลากเส้นเชื่อมต่อจุดที่มีความต่อเนื่องกัน เพื่อสร้างเป็นโครงสร้างข้อมูลเส้นขอบ (Vector of Points) สำหรับนำไปวิเคราะห์รูปร่างทางเรขาคณิตต่อไป

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	5	เลขประจำตัวลำดับของโหนด
Caption	CV Find Contour	ชื่อโหนดที่แสดงผลบน Workspace
Contour Mode	RETR_TREE	รูปแบบการจัดลำดับชั้นของเส้นขอบ (Hierarchy): - RETR_EXTERNAL: หาเฉพาะเส้นขอบ "นอกสุด" เท่านั้น (ไม่สนรูข้างใน) - RETR_LIST: หาเส้นขอบทั้งหมด แต่ไม่จัดลำดับชั้น (ไม่สนว่าใครอยู่ในใคร) - RETR_CCOMP: จัดลำดับชั้นแค่ 2 ระดับ (ระดับนอกสุด และระดับรู) - RETR_TREE: (ละเอียดสุด) จัดลำดับชั้นสมบูรณ์แบบเป็นโครงสร้างต้นไม้ (Nested Layer) - RETR_FLOODFILL: ใช้เทคนิค Floodfill ในการหาเส้นขอบ (เหมาะกับบางงานเฉพาะ)
Contour Method	CHAIN_APPROX_SIMPLE	วิธีการบันทึกจุดพิกัดของเส้นขอบ: - CHAIN_APPROX_NONE: เก็บ "ทุกจุด" พิกัด (ละเอียดมาก แต่กินเมมโมรี่มหาศาล) - CHAIN_APPROX_SIMPLE: (แนะนำ) เก็บเฉพาะ "จุดมุม" แล้วลากเส้นเชื่อม (ประหยัดเมมโมรี่มาก) - CHAIN_APPROX_TC89_L1: ใช้อัลกอริทึม Teh-Chin (L1) ลดจำนวนจุดรบกวน - CHAIN_APPROX_TC89_KCOS: ใช้อัลกอริทึม Teh-Chin (KCOS) ลดจำนวนจุดรบกวน

---

กฎเหล็ก: Input ต้องเป็นภาพขาว-ดำ

โหนดนี้ทำงานได้ดีที่สุดกับภาพ Binary Image (ภาพที่มีแค่สีขาวกับดำ) เท่านั้น

• ก่อนเข้าโหนดนี้: ควรผ่านกระบวนการ Threshold, Canny Edge Detection, หรือ inRange มาก่อนเสมอ
• หลักการมองเห็น: OpenCV จะมองหา "วัตถุสีขาว" บน "พื้นหลังสีดำ" (White objects on Black background)

เลือก Mode ไหนดี?

• งานนับจำนวนของ (Counting): ใช้ RETR_EXTERNAL ก็พอ เพราะเราแค่อยากรู้วัตถุหลัก ไม่สนลวดลายข้างใน
• งานอ่านตัวหนังสือที่มีรู (OCR / Shape): ใช้ RETR_TREE หรือ RETR_CCOMP เพื่อให้รู้ว่าในตัวอักษร A, B, O มีรูตรงกลางหรือไม่

- CV Draw Contour:

CV Draw Contour คือโหนดสำหรับการแสดงผลเส้นขอบวัตถุ (Visualization) โดยนำข้อมูลพิกัดเส้นขอบ (Contours) ที่คำนวณได้มาวาดเป็นเส้นสีลงบนภาพต้นฉบับ ช่วยให้ผู้ใช้ตรวจสอบได้ว่าระบบตรวจจับวัตถุได้ถูกต้องหรือไม่

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	7	เลขประจำตัวลำดับของโหนด
Caption	CV Draw Contour	ชื่อโหนดที่แสดงผลบน Workspace
B value	0	ค่าสีน้ำเงิน (Blue) ของเส้นขอบ
G value	255	ค่าสีเขียว (Green) ของเส้นขอบ
R value	0	ค่าสีแดง (Red) ของเส้นขอบ
Line Thickness	2	ความหนาของเส้น (หน่วยเป็นพิกเซล)
Line Type	LINE_8	รูปแบบของเส้น: - LINE_8: เส้นเชื่อมต่อ 8 ทิศทาง (มาตรฐาน เส้นไม่ขาด) - LINE_4: เส้นเชื่อมต่อ 4 ทิศทาง (เส้นอาจดูเหลี่ยมกว่า) - LINE_AA: เส้นลบรอยหยัก (Anti-Aliased) เส้นจะนวลและสวยที่สุด (แต่อาจกินทรัพยากรเพิ่มเล็กน้อย)

---

เทคนิค: การระบายสีทึบ (Fill Poly)

หากคุณกำหนดค่า Line Thickness เป็น -1 (ค่าติดลบ)

• โปรแกรมจะไม่วาดแค่เส้นขอบ แต่จะ "ระบายสีทึบ (Fill)" ลงไปในพื้นที่ภายในเส้นขอบทั้งหมดแทน
• ประโยชน์: ใช้สร้าง Mask หรือระบายสีเพื่อเน้นวัตถุทั้งชิ้น

ลำดับการต่อสาย (Wiring)

โหนดนี้ต้องการ Input 2 อย่างเสมอ:

1. Image: ภาพที่จะให้วาดเส้นทับลงไป (จะเป็นภาพสีหรือขาวดำก็ได้)
2. Contours: ข้อมูลเส้นขอบที่ส่งมาจากโหนด CV Find Contour เท่านั้น (ถ้าไม่ต่อสายนี้ จะไม่มีอะไรให้วาด)

- CV Distance Transform:

CV Distance Transform คือโหนดสำหรับการคำนวณระยะห่างระหว่างแต่ละพิกเซลของวัตถุกับขอบเขตที่ใกล้ที่สุด ผลลัพธ์ที่ได้คือภาพโทนสีเทา (Grayscale) ที่ความสว่างของพิกเซลจะบอกถึง "ระยะห่างจากขอบ" (ยิ่งสว่างแสดงว่ายิ่งอยู่กึ่งกลางวัตถุ) นิยมใช้ในขั้นตอนเตรียมภาพสำหรับการแบ่งส่วนวัตถุ (Segmentation)

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	8	เลขประจำตัวลำดับของโหนด
Caption	CV Distance Transform	ชื่อโหนดที่แสดงผลบน Workspace
Operation Type	DIST_L2	สูตรการคำนวณระยะทาง: - DIST_C: (Chessboard) ระยะทางแบบเดินตัว Max (เหมือนตัว King ในหมากรุก) - DIST_L1: (Manhattan) ระยะทางแบบเดินตามตาราง (บวกค่า |x1-x2| + |y1-y2|) - DIST_L2: (Euclidean) ระยะทางเส้นตรงจริง (แม่นยำและนิยมที่สุด) - DIST_L12: (L1-L2 Metric) การประมาณค่าแบบผสม เพื่อความรวดเร็ว
Mask Size	3	ขนาดของหน้ากากที่ใช้คำนวณ: - 0: (Precise) ใช้หน้ากากแม่นยำสูง (Pixel-perfect) สำหรับ DIST_L2 เท่านั้น - 3: ใช้หน้ากากขนาด 3x3 (คำนวณเร็ว) - 5: ใช้หน้ากากขนาด 5x5 (แม่นยำกว่า 3x3 เล็กน้อย)

---

Use Case: การแยกเหรียญที่วางติดกัน

หากคุณมีภาพเหรียญวางเบียดกันจนขอบชนกัน การใช้ Find Contour ปกติจะมองเห็นเป็นก้อนเดียวใหญ่ๆ

1. ใช้ CV Distance Transform ภาพจะเปลี่ยนเป็นจุดสว่างๆ ตรงกลางเหรียญแต่ละเหรียญ (เหมือนยอดเขา)
2. พื้นที่รอยต่อระหว่างเหรียญจะมืดกว่า เพราะอยู่ใกล้ขอบ
3. นำภาพผลลัพธ์ไปทำ Threshold ตัดเอาเฉพาะส่วนที่สว่างที่สุด (ยอดเขา)
4. คุณจะได้จุดกึ่งกลางของแต่ละเหรียญแยกออกจากกันอย่างชัดเจน!

Mask Size 0 คืออะไร?

ปกติ Mask Size จะเป็นขนาดตาราง (3x3, 5x5) แต่ถ้าเลือก 0 OpenCV จะใช้อัลกอริทึมพิเศษ (Saito-Toriwaki หรือใกล้เคียง) เพื่อหาค่าระยะทางแบบ Precise Euclidean Distance ซึ่งแม่นยำที่สุด แต่ ต้องใช้คู่กับ DIST_L2 เท่านั้น

- CV Hough Lines PoinSet:

CV Hough Lines PointSet คือโหนดสำหรับการตรวจจับเส้นตรงจาก "ชุดจุดพิกัด" (Point Set) โดยใช้อัลกอริทึม Standard Hough Transform โหนดนี้จะรับข้อมูลขาเข้าเป็นรายการของจุด (เช่น จุดจากเส้นรอบรูป หรือจุด Keypoints) และค้นหาว่ามีจุดกลุ่มไหนที่เรียงตัวกันเป็นเส้นตรงบ้าง ผลลัพธ์ที่ได้คือสมการเส้นตรงในรูปแบบ $(\rho, \theta)$

ตารางการตั้งค่า (Properties)

Common & Image Memory

Property	Default	คำอธิบาย
Node ID	9	เลขประจำตัวลำดับของโหนด
Sharing Mode	Pool Mode	โหมดการจัดการหน่วยความจำภาพ: - Pool Mode: ใช้ระบบ Memory Pool เพื่อนำหน่วยความจำกลับมาใช้ใหม่ (ประหยัดทรัพยากร) - Broadcast Mode: ส่งข้อมูลแบบกระจาย (เหมาะกับกรณีที่มีโหนดลูกข่ายรับข้อมูลหลายตัวพร้อมกัน)
Pool Size	3	จำนวน Buffer สูงสุดที่จะจองไว้ใน Pool (เฉพาะ Pool Mode)

Operation

Property	Default	คำอธิบาย
Lines Max	64	จำนวนเส้นตรงสูงสุดที่ต้องการให้ส่งออกมา (Output limit)
Threshold	50	คะแนนขั้นต่ำ (Vote) ที่จะนับว่าเป็นเส้นตรง (ต้องมีจุดเรียงกันอย่างน้อยกี่จุดจึงจะยอมรับ)
Min/Max Rho	-200 ถึง 200	ขอบเขตระยะห่างจากจุดกำเนิด ($\rho$) ที่ต้องการค้นหา
Rho Step	1.0	ความละเอียดของการค้นหาระยะห่าง ($\rho$) ทีละกี่พิกเซล
Min/Max Theta	0 ถึง 180	ขอบเขตมุม ($\theta$) ที่ต้องการค้นหา (หน่วยเป็นองศา)
Theta Step	1.0	ความละเอียดของการค้นหามุม ($\theta$) ทีละกี่องศา
Strongest N Only	True	หากเปิดใช้งาน จะคัดเลือกเฉพาะเส้นที่มีคะแนน (Vote) สูงสุดจำนวน N เส้น (ตามค่า Lines Max) เรียงจากมากไปน้อย

Display

Property	Default	คำอธิบาย
Display Lines	True	เปิด/ปิด การวาดเส้นผลลัพธ์ลงบนภาพ
Line Color (B,G,R)	255, 0, 255	กำหนดสีของเส้น (ค่าตั้งต้น: สีม่วง Magenta)
Line Thickness	1	ความหนาของเส้น
Line Type	LINE_8	รูปแบบอัลกอริทึมการวาดเส้น: - LINE_8: เส้นแบบ 8-connected (มาตรฐาน) - LINE_4: เส้นแบบ 4-connected - LINE_AA: (Anti-aliased) เส้นขอบเรียบ ลดรอยหยัก (สวยงามแต่กินทรัพยากรเพิ่มขึ้น)

---

Use Case: การหาแนวเส้นขอบจาก Contour

หากคุณใช้โหนด Find Contour เพื่อหาขอบเขตของวัตถุสี่เหลี่ยม แต่จุดที่ได้อาจจะขรุขระหรือไม่เรียบเนียน

1. ส่งข้อมูลจุดจาก Find Contour เข้าสู่ CV Hough Lines PointSet
2. ปรับค่า Threshold ให้เหมาะสม เพื่อกรองจุดรบกวน (Noise) ออกไป
3. ผลลัพธ์ที่ได้คือ เส้นตรงในอุดมคติ (Ideal Lines) ที่ลากผ่านกลุ่มจุดเหล่านั้น ซึ่งสามารถนำไปคำนวณหามุมเอียง (Rotation Angle) ของวัตถุได้แม่นยำกว่าการใช้ Bounding Box

Rho ($\rho$) และ Theta ($\theta$) คืออะไร?

ระบบ Hough Transform ไม่ได้ใช้สมการ $y = mx + c$ แต่ใช้ระบบพิกัดเชิงขั้ว:

• $\rho$ (Rho): ระยะห่างตั้งฉากจากจุดกำเนิด (มุมซ้ายบนของภาพ) ไปยังเส้นตรง
• $\theta$ (Theta): มุมของเส้นตั้งฉากนั้น (หน่วยเป็นองศา)

- CV Hough Lines P:

CV Hough Lines P คือโหนดสำหรับการตรวจจับเส้นตรงโดยใช้ Probabilistic Hough Transform ซึ่งเป็นเวอร์ชันปรับปรุงที่ทำงานได้รวดเร็วกว่าแบบมาตรฐาน โหนดนี้จะสุ่มเลือกจุดพิกัดมาคำนวณเพียงบางส่วน (แทนที่จะใช้ทุกจุด) และผลลัพธ์ที่ได้จะเป็น ส่วนของเส้นตรง (Line Segments) ที่ระบุพิกัดจุดเริ่มต้น $(x_1, y_1)$ และจุดสิ้นสุด $(x_2, y_2)$ ทำให้เหมาะกับการตรวจจับวัตถุที่มีขอบเขตชัดเจน

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	10	เลขประจำตัวลำดับของโหนด
Caption	CV Hough Lines P	ชื่อโหนดที่แสดงผลบน Workspace

Image Memory

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	โหมดการจัดการหน่วยความจำภาพ: - Pool Mode: ใช้ระบบ Memory Pool เพื่อนำหน่วยความจำกลับมาใช้ใหม่ (ประหยัดทรัพยากร) - Broadcast Mode: ส่งข้อมูลแบบกระจาย (เหมาะกับกรณีที่มีโหนดลูกข่ายรับข้อมูลหลายตัวพร้อมกัน)
Pool Size	3	จำนวน Buffer สูงสุดที่จะจองไว้ใน Pool (เฉพาะ Pool Mode)

Operation

Property	Default	คำอธิบาย
Rho	1.0	ความละเอียดของการค้นหาระยะห่าง (หน่วยเป็นพิกเซล)
Theta	1.0	ความละเอียดของการค้นหามุม (หน่วยเป็นองศา)
Threshold	50	คะแนนขั้นต่ำ (Vote) ที่จะนับว่าเป็นเส้นตรง
Min Line Length	50.0	ความยาวต่ำสุดของเส้นที่ยอมรับ (เส้นที่สั้นกว่านี้จะถูกตัดทิ้ง)
Max Line Gap	10.0	ระยะห่างสูงสุดระหว่างจุดที่ยังอนุญาตให้เชื่อมต่อกันเป็นเส้นเดียวกันได้ (ช่วยเชื่อมเส้นที่ขาดช่วง)

Display

Property	Default	คำอธิบาย
Display Lines	True	เปิด/ปิด การวาดเส้นผลลัพธ์ลงบนภาพ
Line Color (B,G,R)	0, 255, 0	กำหนดสีของเส้น (ค่าตั้งต้น: สีเขียว Lime 0, 255, 0)
Line Thickness	2	ความหนาของเส้น
Line Type	LINE_AA	รูปแบบอัลกอริทึมการวาดเส้น: - LINE_8: เส้นแบบ 8-connected (มาตรฐาน) - LINE_4: เส้นแบบ 4-connected - LINE_AA: (Anti-aliased) เส้นขอบเรียบ ลดรอยหยัก (สวยงามแต่กินทรัพยากรเพิ่มขึ้น แนะนำสำหรับงานแสดงผล)

---

Use Case: การตรวจจับเส้นเลนถนน (Lane Detection)

โหนดนี้เหมาะมากสำหรับงานตรวจจับเลนถนนหรือขอบวัตถุที่เป็นเส้นยาวแต่มีการขาดช่วง

1. ปรับ Min Line Length ให้ยาวพอที่จะกรอง Noise เล็กๆ น้อยๆ ออกไป
2. ปรับ Max Line Gap เพื่อช่วยเชื่อมเส้นถนนที่อาจจะลอกหรือขาดหายเป็นช่วงๆ ให้กลายเป็นเส้นเดียวกัน
3. ผลลัพธ์ที่ได้จะเป็นเส้นสีเขียวทับลงบนตำแหน่งเลนถนนจริง

Standard vs Probabilistic Hough

• Standard (Hough Lines): คำนวณทุกจุด, ได้เส้นตรงความยาวอนันต์ ($\rho, \theta$), ช้ากว่า
• Probabilistic (Hough Lines P): สุ่มคำนวณบางจุด, ได้ส่วนของเส้นตรงชัดเจน $(x_1,y_1, x_2,y_2)$, เร็วกว่าและนิยมใช้มากกว่า

- CV Hough Lines:

CV Hough Lines คือโหนดสำหรับการตรวจจับเส้นตรงโดยใช้ Standard Hough Transform โหนดนี้จะรับภาพขาวดำ (Binary Image) และค้นหาเส้นตรงที่ตัดผ่านภาพ ผลลัพธ์ที่ได้จะไม่ใช่จุดเริ่มต้น-สิ้นสุด (Segment) แต่จะเป็น สมการเส้นตรง $(\rho, \theta)$ ซึ่งเปรียบเสมือนเส้นตรงที่มีความยาวไม่สิ้นสุดลากผ่านขอบเขตของภาพ

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	11	เลขประจำตัวลำดับของโหนด
Caption	CV Hough Lines	ชื่อโหนดที่แสดงผลบน Workspace

Image Memory

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	โหมดการจัดการหน่วยความจำภาพ: - Pool Mode: ใช้ระบบ Memory Pool เพื่อนำหน่วยความจำกลับมาใช้ใหม่ (ประหยัดทรัพยากร) - Broadcast Mode: ส่งข้อมูลแบบกระจาย (เหมาะกับกรณีที่มีโหนดลูกข่ายรับข้อมูลหลายตัวพร้อมกัน)
Pool Size	3	จำนวน Buffer สูงสุดที่จะจองไว้ใน Pool (เฉพาะ Pool Mode)

Operation

Property	Default	คำอธิบาย
Rho	1.0	ความละเอียดของการค้นหาระยะห่าง (หน่วยเป็นพิกเซล)
Theta	1.0	ความละเอียดของการค้นหามุม (หน่วยเป็นองศา)
Threshold	100	คะแนนขั้นต่ำ (Vote) ที่จะนับว่าเป็นเส้นตรง (ค่ายิ่งสูง จะได้เฉพาะเส้นที่ชัดจริงๆ เท่านั้น)

Display

Property	Default	คำอธิบาย
Display Lines	True	เปิด/ปิด การวาดเส้นผลลัพธ์ลงบนภาพ
Line Color (B,G,R)	255, 0, 0	กำหนดสีของเส้น (ค่าตั้งต้น: สีน้ำเงิน Blue 255, 0, 0)
Line Thickness	2	ความหนาของเส้น
Line Type	LINE_AA	รูปแบบอัลกอริทึมการวาดเส้น: - LINE_8: เส้นแบบ 8-connected (มาตรฐาน) - LINE_4: เส้นแบบ 4-connected - LINE_AA: (Anti-aliased) เส้นขอบเรียบ ลดรอยหยัก (สวยงามแต่กินทรัพยากรเพิ่มขึ้น)

---

Use Case: การหาองศาเพื่อหมุนภาพ (Skew Correction)

เนื่องจากโหนดนี้ให้ค่าผลลัพธ์เป็นมุม $\theta$ (Theta) ของเส้นตรงที่ยาวที่สุดในภาพ จึงนิยมนำมาใช้ในการ:

1. หาเส้นขอบกระดาษหรือเส้นบรรทัดในเอกสารที่สแกนมาเอียงๆ
2. คำนวณค่าเฉลี่ยของมุม $\theta$ ที่ตรวจจับได้
3. นำค่ามุมนั้นไปสั่งหมุนภาพกลับให้ตรง (Deskewing)

ข้อควรระวัง: เส้นยาวทะลุจอ!

ความแตกต่างสำคัญระหว่างโหนดนี้กับ Hough Lines P:

• CV Hough Lines (Standard): ได้เส้นตรงที่ลากยาวตั้งแตสุดขอบซ้ายไปขอบขวาของภาพ (ไม่มีจุดจบ) เหมาะกับการหา "แนวโน้ม" หรือ "องศา" ของภาพ
• CV Hough Lines P (Probabilistic): ได้เส้นที่มีจุดหัว-ท้ายชัดเจน เหมาะกับการหา "วัตถุ" หรือ "ขอบเขต"

- CV Connected Components:

CV Connected Components คือโหนดสำหรับการทำ Labeling หรือการระบุและแยกกลุ่มของพิกเซลที่เชื่อมต่อกัน (Blobs) ในภาพ Binary ผลลัพธ์ที่ได้ไม่ใช่ภาพสีทั่วไป แต่เป็น Label Map (ข้อมูลชนิด Integer) ที่แต่ละพิกเซลจะเก็บค่า "หมายเลข ID ของวัตถุ" ที่มันสังกัดอยู่ (เช่น พื้นหลัง=0, วัตถุชิ้นแรก=1, วัตถุชิ้นสอง=2, ...) นิยมใช้ในการนับจำนวนวัตถุหรือแยกวัตถุเพื่อไปวิเคราะห์ต่อ

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	12	เลขประจำตัวลำดับของโหนด
Caption	CV Connected Components	ชื่อโหนดที่แสดงผลบน Workspace

Operation

Property	Default	คำอธิบาย
Connectivity	4	รูปแบบการเชื่อมต่อของพิกเซลข้างเคียง: - 4: เชื่อมต่อเฉพาะ บน-ล่าง-ซ้าย-ขวา (เหมาะกับวัตถุที่แยกกันชัดเจน) - 8: เชื่อมต่อรวมแนวทแยงด้วย (เหมาะกับวัตถุที่มีรอยต่อบางๆ หรือจุดสัมผัสที่มุม)
Image Type	CV_32S	ชนิดข้อมูลของภาพผลลัพธ์: - CV_32S: (32-bit Signed Integer) มาตรฐาน OpenCV รองรับจำนวนวัตถุได้มหาศาล - CV_16U: (16-bit Unsigned) ประหยัดหน่วยความจำกว่า แต่รองรับวัตถุได้สูงสุด 65,535 ชิ้น
Algorithm Type	CCL_DEFAULT	อัลกอริทึมที่ใช้ประมวลผล: - CCL_DEFAULT: ให้ OpenCV เลือกวิธีที่เหมาะสมที่สุด (SAUF หรือ BBDT) - CCL_WU: (Wu's Algorithm) อัลกอริทึม SAUF แบบดั้งเดิม - CCL_GRANA: (Grana's Algorithm) อัลกอริทึม BBDT ที่ทำงานได้รวดเร็วมากบน CPU รุ่นใหม่

Display

Property	Default	คำอธิบาย
Visualize	False	เปิด/ปิด การแสดงผลภาพสี: - False: ส่งข้อมูลเป็น Label Map (ภาพมืดๆ ดูด้วยตาเปล่าไม่รู้เรื่อง แต่คอมพิวเตอร์เข้าใจ) - True: แปลง ID ของวัตถุเป็นสีต่างๆ แบบสุ่ม (Random Colors) เพื่อให้มนุษย์ดูผลลัพธ์ได้ง่ายขึ้น

---

Use Case: การนับจำนวนเม็ดยา

หากคุณมีภาพถ่ายเม็ดยาสีขาวบนพื้นดำ และผ่านการทำ Threshold มาแล้ว

1. ใช้ CV Connected Components ประมวลผลภาพ
2. ค่าสูงสุด (Max Value) ในภาพผลลัพธ์ คือ จำนวนเม็ดยาทั้งหมด ที่นับได้
3. หากต้องการหาขนาดพื้นที่ของเม็ดยาแต่ละเม็ด ก็สามารถนับจำนวนพิกเซลของแต่ละ ID (1, 2, 3...) ได้ทันที

Visualize: False vs True

• ใช้งานจริง (Processing): ควรตั้งเป็น False เพื่อให้โหนดถัดไปได้รับค่า ID ที่ถูกต้อง (1, 2, 3...) ไปคำนวณต่อ
• ดีบัก (Debugging): ควรตั้งเป็น True เฉพาะตอนที่ต้องการดูด้วยตาว่าโหนดแยกวัตถุได้ถูกต้องหรือไม่ เพราะสีที่แสดงผลออกมาเป็นเพียงการระบายสี (Visualization) ไม่ใช่ข้อมูล ID จริง

- CV Hough Circle:

CV Hough Circles คือโหนดสำหรับการตรวจจับวัตถุทรงกลมในภาพโดยใช้ Hough Circle Transform เหมาะสำหรับงานตรวจจับเหรียญ, ลูกบอล, หรือรูเจาะต่างๆ โหนดนี้มีความซับซ้อนกว่าการหาเส้นตรงเล็กน้อย เนื่องจากต้องระบุทั้งจุดศูนย์กลางและรัศมีของวงกลม

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	13	เลขประจำตัวลำดับของโหนด (คาดการณ์จากลำดับ)
Caption	CV Hough Circles	ชื่อโหนดที่แสดงผลบน Workspace

Image Memory

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	โหมดการจัดการหน่วยความจำภาพ: - Pool Mode: ใช้ระบบ Memory Pool (แนะนำ) - Broadcast Mode: ส่งข้อมูลแบบกระจาย
Pool Size	3	จำนวน Buffer สูงสุดที่จะจองไว้ใน Pool

Operation

Property	Default	คำอธิบาย
Method	HOUGH_GRADIENT	อัลกอริทึมที่ใช้: - HOUGH_GRADIENT: (Standard) ใช้วิธีคำนวณ Gradient ของขอบภาพ (นิยมใช้ที่สุด) - HOUGH_GRADIENT_ALT: (Alternative) แม่นยำกว่าสำหรับวงกลมที่สมบูรณ์ ลด False Positive ได้ดีกว่าแบบปกติ
Resolution Inverse Ratio	1.0	อัตราส่วนความละเอียดของตัวสะสม (dp): - 1.0: ความละเอียดเท่าภาพต้นฉบับ - 2.0: ความละเอียดครึ่งหนึ่ง (คำนวณเร็วขึ้น แต่อาจพลาดวงกลมเล็กๆ)
Minimum Center Distance	20.0	(minDist) ระยะห่างต่ำสุดระหว่างจุดศูนย์กลางของวงกลมแต่ละวง (ถ้าน้อยเกินไป อาจตรวจเจอวงกลมซ้อนกันหลายวงในวัตถุเดียว)
Upper Threshold	100	(param1) ค่า Threshold สูงสุดสำหรับ Canny Edge Detector ภายในฟังก์ชัน
Lower Threshold	100	(param2) ค่า Threshold สำหรับการโหวตที่จุดศูนย์กลาง (ค่ายิ่งน้อย ยิ่งเจอวงกลมเยอะรวมถึงวงกลมปลอม, ค่ายิ่งมาก จะเจอเฉพาะวงกลมที่ชัดจริงๆ)
Minimum Radius	0	รัศมีต่ำสุดของวงกลมที่จะตรวจจับ (0 = ไม่จำกัด)
Maximum Radius	0	รัศมีสูงสุดของวงกลมที่จะตรวจจับ (0 = ไม่จำกัด)

Display

Property	Default	คำอธิบาย
Display Circles	True	เปิด/ปิด การวาดวงกลมผลลัพธ์ลงบนภาพ
Circle Color (B,G,R)	0, 255, 0	กำหนดสีของเส้นวงกลม
Circle Thickness	2	ความหนาของเส้นวงกลม
Circle Type	LINE_AA	รูปแบบอัลกอริทึมการวาดเส้น: - LINE_8: เส้นแบบ 8-connected - LINE_4: เส้นแบบ 4-connected - LINE_AA: (Anti-aliased) เส้นขอบเรียบ ลดรอยหยัก (แนะนำเพื่อให้วงกลมดูสวยงาม)

---

Use Case: การนับเหรียญ

1. ตั้งค่า Method เป็น HOUGH_GRADIENT
2. ปรับ Minimum Center Distance ให้มีค่าประมาณขนาดของเหรียญ (เพื่อไม่ให้ตรวจจับซ้ำที่จุดเดิม)
3. ปรับ Lower Threshold (param2) ลงเรื่อยๆ จนกว่าจะเริ่มเห็นวงกลมครบทุกเหรียญ (ระวังอย่าให้ต่ำเกินไปจนเจอ Noise)
4. หากรู้ขนาดเหรียญที่แน่นอน ให้ระบุ Min/Max Radius เพื่อกรองวงกลมขนาดอื่นทิ้งไป

HOUGH_GRADIENT vs ALT

หากคุณใช้ HOUGH_GRADIENT แล้วเจอปัญหาวงกลมซ้อนกันเยอะๆ หรือปรับค่ายาก ลองเปลี่ยนเป็น HOUGH_GRADIENT_ALT ซึ่งเป็นวิธีใหม่ใน OpenCV ที่มักจะให้ผลลัพธ์แม่นยำกว่าและตั้งค่าง่ายกว่า (ค่า param2 จะเปลี่ยนไปใช้ช่วง 0.0-1.0 แทนที่จะเป็นจำนวนโหวต)

- CV Sobel and Scharr:

<p lign="center">
![Image Node](images/icons/SobelAndScharr.png)
</p>

CV Sobel and Scharr คือโหนดสำหรับการตรวจจับขอบภาพโดยใช้หลักการทางคณิตศาสตร์เรื่อง "อนุพันธ์" (Derivatives) เพื่อคำนวณหาการเปลี่ยนแปลงของความสว่างในแนวแกน X และ Y * Sobel: เป็นวิธีมาตรฐานที่นิยมใช้กรองหาขอบภาพ โดยใช้ Gaussian Smoothing ร่วมกับ Differential Operator ทำให้ทนต่อสัญญาณรบกวนได้ดี * Scharr: เป็นเวอร์ชันปรับปรุงของ Sobel (เฉพาะขนาด 3x3) ที่ให้ผลลัพธ์ความชันที่แม่นยำกว่าและมีความสมมาตรในการหมุนมากกว่า

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	14	เลขประจำตัวลำดับของโหนด
Caption	CV Sobel and Scharr	ชื่อโหนดที่แสดงผลบน Workspace

Operation

Property	Default	คำอธิบาย
X order	1	อันดับของอนุพันธ์ในแนวแกน X (แนวนอน): - 1: หาขอบแนวตั้ง (Vertical Edges) - 0: ไม่หาในแนวนี้
Y order	1	อันดับของอนุพันธ์ในแนวแกน Y (แนวตั้ง): - 1: หาขอบแนวนอน (Horizontal Edges) - 0: ไม่หาในแนวนี้
Kernel Size	3	ขนาดของหน้ากากกรอง (ต้องเป็นเลขคี่): - 3, 5, 7: ใช้ Sobel Operator ตามขนาดปกติ - -1: (ค่าพิเศษ) ใช้ Scharr Operator (3x3) ซึ่งแม่นยำกว่า Sobel 3x3 ปกติ
Scale	1.0000	ตัวคูณค่าผลลัพธ์ (ใช้ปรับความสว่างของเส้นขอบให้ชัดขึ้น)
Delta	0.0000	ค่าคงที่ที่บวกเพิ่มเข้าไปในผลลัพธ์ (ใช้ปรับความสว่างพื้นหลัง)

Display

Property	Default	คำอธิบาย
Border Type	DEFAULT	วิธีการจัดการพิกเซลที่ขอบภาพ (Padding) เมื่อ Kernel ยื่นออกนอกภาพ: - DEFAULT: (Reflect 101) สะท้อนภาพแบบสมมาตร (gfedcb|abcdefgh|hgfedc) - CONSTANT: เติมค่าคงที่ (สีดำ) ล้อมรอบ - REPLICATE: ทำซ้ำพิกเซลขอบสุด (aaaaaa|abcdefgh|hhhhhh) - REFLECT: สะท้อนภาพแบบกระจกเงา (fedcba|abcdefgh|hgfedc) - WRAP: เชื่อมต่อขอบซ้าย-ขวา (cdefgh|abcdefgh|abcdefg) - TRANSPARENT: ไม่เปลี่ยนแปลงพิกเซลที่ขอบเดิม - ISOLATED: ไม่สนใจพิกเซลนอก ROI

---

Use Case: การหาขอบเฉพาะแนวตั้ง (Vertical Edge Detection)

เทคนิคนี้มีประโยชน์มากเมื่อต้องการตรวจจับเสา, ขอบกำแพง, หรือเส้นเลนถนนแนวตั้ง

1. ตั้งค่า X order = 1 (หาความชันแนวนอน -> เจอเส้นตั้ง)
2. ตั้งค่า Y order = 0 (ไม่สนใจความชันแนวตั้ง -> ตัดเส้นนอนทิ้ง)
3. ผลลัพธ์ที่ได้จะเน้นเฉพาะเส้นที่เป็นแนวตั้ง ส่วนเส้นแนวนอนจะจางหายไป

Sobel vs Scharr (Kernel Size)

• ถ้าคุณต้องการใช้ Kernel ขนาดเล็ก 3x3 แนะนำให้แก้ค่า Kernel Size เป็น -1 เพื่อเรียกใช้ Scharr แทน เพราะ Sobel 3x3 แบบปกติอาจให้ผลลัพธ์ที่ไม่ค่อยแม่นยำในเรื่องทิศทางมุมเฉียงครับ
• ถ้าต้องการ Kernel ขนาดใหญ่ (5x5, 7x7) เพื่อลด Noise ให้ใช้ค่าเลขคี่ตามปกติ (จะเป็น Sobel)

- CV Find and Draw Contour:

11. Image Transformation (การแปลงทางเรขาคณิต)

การเปลี่ยนรูปร่าง ขนาด หรือมุมมองของภาพ

- CV Make Border:

CV Make Border คือโหนดสำหรับการสร้างขอบ (Border) หรือการเพิ่ม Padding รอบรูปภาพ โดยฟังก์ชันนี้จะเรียกใช้ cv::copyMakeBorder ผู้ใช้สามารถกำหนดความหนาของขอบในแต่ละด้าน (บน, ล่าง, ซ้าย, ขวา) ได้อย่างอิสระ รวมถึงเลือกวิธีการเติมข้อมูลในส่วนขอบที่สร้างขึ้นใหม่ได้

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	15	เลขประจำตัวลำดับของโหนด
Caption	CV Make Border	ชื่อโหนดที่แสดงผลบน Workspace

Display (Settings)

Property	Default	คำอธิบาย
Top	1	ความหนาของขอบด้านบน (หน่วยเป็นพิกเซล)
Bottom	1	ความหนาของขอบด้านล่าง (หน่วยเป็นพิกเซล)
Left	1	ความหนาของขอบด้านซ้าย (หน่วยเป็นพิกเซล)
Right	1	ความหนาของขอบด้านขวา (หน่วยเป็นพิกเซล)
Border Type	CONSTANT	รูปแบบการเติมข้อมูลในขอบ: - DEFAULT: (Reflect 101) สะท้อนภาพแบบกระจกเงา (เป็นค่ามาตรฐานของ OpenCV) - CONSTANT: เติมด้วยสีคงที่ (ใช้ค่า B, G, R value ด้านล่าง) - REPLICATE: ก๊อปปี้พิกเซลขอบสุดซ้ำๆ ออกไป - REFLECT: สะท้อนภาพเหมือนกระจก - WRAP: นำภาพด้านตรงข้ามมาแปะ (เหมือนปูกระเบื้อง)
B value	0	ค่าสีน้ำเงิน (Blue) สำหรับขอบแบบ CONSTANT
G value	0	ค่าสีเขียว (Green) สำหรับขอบแบบ CONSTANT
R value	0	ค่าสีแดง (Red) สำหรับขอบแบบ CONSTANT

Properties (Info)

Property	Default	คำอธิบาย
Input Size	0 px x 0 px	(Read-only) ขนาดของภาพต้นฉบับก่อนเติมขอบ
Output Size	0 px x 0 px	(Read-only) ขนาดของภาพผลลัพธ์หลังรวมขอบแล้ว

---

Use Case: การเตรียมภาพสำหรับ Deep Learning

โมเดล AI บางตัวต้องการภาพที่มีสัดส่วนเป็นสี่เหลี่ยมจัตุรัส (เช่น 640x640) แต่ภาพที่ได้จากกล้องอาจเป็นสี่เหลี่ยมผืนผ้า (เช่น 640x480)

1. คำนวณส่วนต่างความสูง (640 - 480 = 160 พิกเซล)
2. ใช้ CV Make Border เติมขอบ Top = 80 และ Bottom = 80 (หารสองบน-ล่าง)
3. เลือก Border Type เป็น CONSTANT (สีดำ) หรือ REPLICATE
4. ผลลัพธ์จะได้ภาพ 640x640 โดยที่สัดส่วนภาพเดิมไม่เพี้ยน (ไม่โดนยืด)

Border Type สำหรับการ Process ภาพ

• หากต้องการ ใส่กรอบสวยงาม ให้ใช้ CONSTANT และเลือกสีตามชอบ
• หากต้องการ ทำ Blur หรือ Edge Detection แนะนำให้ใช้ DEFAULT หรือ REFLECT เพื่อให้ขอบภาพดูเนียนต่อเนื่อง ไม่เกิดรอยต่อที่ผิดธรรมชาติเหมือนการตัดขอบด้วยสีดำ

- CV Watershed:

CV Watershed คือโหนดสำหรับการแบ่งส่วนภาพ (Segmentation) โดยใช้อัลกอริทึม Marker-based Watershed ซึ่งจะมองค่าความสว่างของพิกเซลเป็นความสูง-ต่ำ (Topography) โหนดนี้ต้องการข้อมูลขาเข้า 2 ส่วนสำคัญ คือ: 1. Source Image: ภาพต้นฉบับ (สี 3 Channel) 2. Markers: ภาพลายเส้นระบุตำแหน่งวัตถุ (CV_32S) ที่ได้จากโหนด Connected Components หรือการวาดด้วยมือ เพื่อบอกจุดเริ่มต้นว่า "ตรงไหนเป็นวัตถุ" และ "ตรงไหนเป็นพื้นหลัง"

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	16	เลขประจำตัวลำดับของโหนด
Caption	CV Watershed	ชื่อโหนดที่แสดงผลบน Workspace

(หมายเหตุ: โหนดนี้ไม่มีพารามิเตอร์ปรับแต่งที่ซับซ้อนในหน้าต่าง Properties เนื่องจากอัลกอริทึมจะทำงานตาม "Marker" ที่ส่งเข้ามาทาง Input Pin โดยตรง)

---

Use Case: Workflow มาตรฐานของการแยกวัตถุ

การใช้งาน Watershed มักจะเป็นขั้นตอนสุดท้ายของกระบวนการดังนี้:

1. Distance Transform: หาจุดกึ่งกลางของวัตถุ (ยอดเขา)
2. Threshold/Peak: ตัดเอาเฉพาะจุดยอดเพื่อทำเป็นจุดอ้างอิง
3. Connected Components: สร้าง Marker (ID 1, 2, 3...) จากจุดยอดเหล่านั้น
4. CV Watershed: นำ Marker มาขยายอิทธิพลลงบนภาพต้นฉบับ น้ำจะไหลจากจุดยอด (Marker) ไปชนกับขอบวัตถุ
5. ผลลัพธ์: จะได้เส้นขอบ (Boundary) ที่กั้นระหว่างวัตถุแต่ละชิ้นอย่างสมบูรณ์ แม้ว่าวัตถุจะวางชิดกันก็ตาม (เส้นขอบจะมีค่าเป็น -1)

Input Requirement

โหนดนี้ จำเป็น ต้องเชื่อมต่อ Input ทั้งสองขา: * Input 1 (Image): ต้องเป็นภาพสี (8-bit 3-channel) * Input 2 (Markers): ต้องเป็นภาพ Label (32-bit integer CV_32S) เท่านั้น (มักมาจากโหนด Connected Components)

12. Math Operation (การคำนวณคณิตศาสตร์)

โหนดคำนวณตัวเลขทั่วไป

- Convert to Integer:

Convert to Integer คือโหนดสำหรับการแปลงชนิดข้อมูลของภาพ (Data Type Conversion) จากรูปแบบทั่วไป (เช่น 8-bit Unsigned หรือ Floating point) ให้กลายเป็น จำนวนเต็ม (Integer) โดยปกติมักจะแปลงเป็นรูปแบบ Signed 32-bit Integer (CV_32S) เพื่อเตรียมข้อมูลสำหรับป้อนเข้าสู่ฟังก์ชันที่ต้องการความละเอียดของตัวเลขสูงหรือต้องการค่าติดลบได้ เช่น การทำ Marker ให้กับ Watershed

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	17	เลขประจำตัวลำดับของโหนด
Caption	Convert to Integer	ชื่อโหนดที่แสดงผลบน Workspace

(หมายเหตุ: โหนดนี้มักทำงานแบบ Direct Cast คือแปลงค่าพิกเซลตรงๆ ทันที จึงอาจไม่มีพารามิเตอร์ซับซ้อนให้ปรับแต่ง)

---

Use Case: การเตรียม Marker สำหรับ Watershed

โหนด CV Watershed ต้องการ Input ช่องที่ 2 (Markers) เป็นภาพชนิด CV_32S เท่านั้น

• ปัญหา: หากคุณวาดภาพ Marker ด้วยมือ หรือใช้ภาพขาวดำจาก Threshold ข้อมูลจะเป็นชนิด CV_8U (0-255) ซึ่งนำไปต่อเข้า Watershed ไม่ได้ (โปรแกรมจะฟ้อง Error หรือเชื่อมสายไม่ได้)
• ทางแก้:
  1. นำภาพ CV_8U นั้นมาผ่านโหนด Convert to Integer ก่อน
  2. ข้อมูลจะถูกแปลงเป็น CV_32S
  3. จากนั้นจึงลากสายไปเข้า Input ขา Marker ของ CV Watershed ได้อย่างสมบูรณ์

Data Type ใน OpenCV

• CV_8U: (0 ถึง 255) ใช้เก็บภาพสี/ขาวดำทั่วไป
• CV_32S: (-2,147,483,648 ถึง 2,147,483,647) ใช้เก็บ Label, ID วัตถุ, หรือ Marker ที่ต้องการตัวเลขจำนวนมาก

- Condition:

Condition คือโหนดสำหรับสร้างเงื่อนไขทางตรรกะ (Logical Comparison) เพื่อเปรียบเทียบค่าตัวเลขขาเข้า (Input) กับค่าที่กำหนดไว้ (Number) ผลลัพธ์ที่ได้จะเป็นค่าความจริง (True/False) หรือใช้สำหรับการกรองข้อมูล (Filter) เช่น การคัดแยกวัตถุที่มีขนาดเล็กเกินไปออกจากการคำนวณ

ตารางการตั้งค่า (Properties)

Operation

Property	Default	คำอธิบาย
Condition	>	ตัวดำเนินการเปรียบเทียบ (Operator): - > : มากกว่า (Greater than) - >= : มากกว่าหรือเท่ากับ (Greater than or equal) - < : น้อยกว่า (Less than) - <= : น้อยกว่าหรือเท่ากับ (Less than or equal) - = : เท่ากับ (Equal) - != : ไม่เท่ากับ (Not equal)
Number	0	ค่าตัวเลขที่ใช้เป็นเกณฑ์ในการเปรียบเทียบ

---

Use Case: การคัดกรองขนาดวัตถุ

หากคุณต้องการนับเฉพาะ "กล่องขนาดใหญ่" และตัด "เศษขยะชิ้นเล็กๆ" ทิ้ง

1. นำค่า Area (พื้นที่) จากโหนด Connected Components มาเข้าโหนดนี้
2. ตั้งค่า Condition เป็น > (มากกว่า)
3. ตั้งค่า Number เป็น 500 (ขนาดพิกเซลขั้นต่ำที่ต้องการ)
4. โหนดจะส่งผ่านข้อมูลเฉพาะวัตถุที่มีขนาดใหญ่กว่า 500 พิกเซลเท่านั้นไปสู่กระบวนการถัดไป

สัญลักษณ์ทางคณิตศาสตร์

• >= และ <= : จะรวมค่าที่เท่ากันไปด้วย (Inclusive) เช่น >= 10 คือเอาตั้งแต่เลข 10 ขึ้นไป
• > และ < : จะไม่เอาค่าที่เท่ากัน (Exclusive) เช่น > 10 คือต้องเป็น 11 ขึ้นไป

- Sum Integer:

Sum Integer คือโหนดสำหรับการคำนวณหา ผลรวม (Summation) ของค่าตัวเลขจำนวนเต็ม (Integer) ที่รับเข้ามา โหนดนี้มักถูกใช้เพื่อรวมข้อมูลตัวเลขจากหลายส่วนเข้าด้วยกัน เช่น การรวมจำนวนวัตถุที่ตรวจจับได้จากกล้องหลายตัว หรือการรวมคะแนน (Score) จากเงื่อนไขต่างๆ

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	19	เลขประจำตัวลำดับของโหนด
Caption	Sum Integer	ชื่อโหนดที่แสดงผลบน Workspace

(หมายเหตุ: โหนดนี้ไม่มีพารามิเตอร์ซับซ้อน จะทำงานโดยการนำค่าจาก Input Pin ทุกขาที่เชื่อมต่อเข้ามาบวกกัน แล้วส่งผลลัพธ์ออกไปทาง Output Pin)

---

Use Case: การรวมยอดจำนวนสินค้า

สมมติว่าคุณมีสายพานการผลิต 2 เส้น และใช้กล้อง 2 ตัวในการนับสินค้า:

1. Camera 1 Process: นับสินค้าได้ค่า Count A (Integer)
2. Camera 2 Process: นับสินค้าได้ค่า Count B (Integer)
3. นำค่าจากทั้งสองส่วนมาต่อเข้ากับ Sum Integer
4. ผลลัพธ์ที่ได้คือ Total Count (A + B) เพื่อส่งไปแสดงผลบนหน้าจอ Dashboard หรือส่งข้อมูลผ่าน Zenoh ต่อไป

การใช้งานร่วมกับ Logic

โหนดนี้สามารถใช้รวมค่าจากโหนด Condition (ที่ส่งค่า 0 หรือ 1) ได้ เพื่อเช็คว่าผ่านเงื่อนไขครบกี่ข้อ เช่น: * เงื่อนไข A ผ่าน (1) + เงื่อนไข B ไม่ผ่าน (0) + เงื่อนไข C ผ่าน (1) -> Sum = 2

13. Number Operation (การจัดการตัวเลข)

การจัดการข้อมูลประเภทตัวเลขเฉพาะทาง

- Data Generator:

Data Generator คือโหนดสำหรับการสร้างข้อมูลจำลอง (Synthetic Data) เพื่อใช้ในการทดสอบระบบหรือตรวจสอบความถูกต้องของ Logic โดยไม่จำเป็นต้องเชื่อมต่อกับอุปกรณ์จริง ผู้ใช้สามารถกำหนดค่าตัวเลข ข้อความ หรือสัญญาณ Boolean ให้ส่งออกมาตามจังหวะเวลาที่ต้องการได้ นิยมใช้เพื่อจำลองสถานการณ์ต่างๆ (Simulation)

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	20	เลขประจำตัวลำดับของโหนด
Caption	Data Generator	ชื่อโหนดที่แสดงผลบน Workspace

(หมายเหตุ: ปกติโหนดนี้จะมีส่วนตั้งค่า Operation หรือ Settings เพิ่มเติมด้านล่างเพื่อกำหนดชนิดข้อมูล (Data Type), ค่าที่ต้องการ (Value), หรือความถี่ในการส่งข้อมูล (Interval) หากมีข้อมูลส่วนนั้นสามารถแจ้งเพิ่มเติมเพื่อให้นำมาลงตารางได้ครับ)

---

Use Case: การจำลองสัญญาณ Trigger

หากคุณต้องการทดสอบระบบแจ้งเตือนเมื่อค่าเกินกำหนด แต่ไม่อยากรอให้เกิดเหตุการณ์จริง:

1. ใช้ Data Generator สร้างตัวเลขจำลอง (เช่น สุ่มค่า 0-100 หรือวนลูปตัวเลข)
2. ส่งค่าเข้าสู่โหนด Condition (เช่น ถ้าค่า > 80 ให้เป็น True)
3. ตรวจสอบผลลัพธ์ที่ปลายทางว่าระบบแจ้งเตือนทำงานถูกต้องหรือไม่

การใช้งานร่วมกับ Loop

Data Generator มักถูกใช้คู่กับโหนด Delay หรือ Timer เพื่อสร้างจังหวะการส่งข้อมูลที่สม่ำเสมอ เหมือนกับการจำลองข้อมูลที่ส่งมาจากเซนเซอร์ IoT แบบ Real-time

- Scalar Operation:

Scalar Operation คือโหนดสำหรับการทำ การคำนวณทางคณิตศาสตร์และตรรกศาสตร์ ระหว่างตัวเลข 2 จำนวน (Scalar values) เพื่อสร้างค่าผลลัพธ์ใหม่ โหนดนี้มักใช้ในการปรับแต่งค่าพารามิเตอร์, การคำนวณ Offset, การเปรียบเทียบเงื่อนไข (เพื่อส่งค่า 0 หรือ 1), หรือการทำ Logic Gate พื้นฐาน

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	21	เลขประจำตัวลำดับของโหนด
Caption	Scalar Operation	ชื่อโหนดที่แสดงผลบน Workspace

Operation

Property	Default	คำอธิบาย
Operator	+	เครื่องหมายการคำนวณที่ต้องการใช้งาน: คณิตศาสตร์ (Arithmetic): - +: บวก - -: ลบ - *: คูณ - /: หาร - MAX: เลือกค่าที่มากกว่า - MIN: เลือกค่าที่น้อยกว่า การเปรียบเทียบ (Comparison): (ผลลัพธ์เป็น 1=จริง, 0=เท็จ) - >: มากกว่า - >=: มากกว่าหรือเท่ากับ - <: น้อยกว่า - <=: น้อยกว่าหรือเท่ากับ - EQUAL: เท่ากับ ตรรกศาสตร์ (Logic): - AND: และ (True เมื่อทั้งคู่เป็นจริง) - OR: หรือ (True เมื่อตัวใดตัวหนึ่งเป็นจริง) - XOR: (Exclusive OR) True เมื่อค่าต่างกัน - NOR: ไม่-หรือ (ตรงข้ามกับ OR) - NAND: ไม่-และ (ตรงข้ามกับ AND)

---

Use Case: ระบบแจ้งเตือนเมื่ออุณหภูมิสูงเกินกำหนด

สมมติคุณได้รับค่าอุณหภูมิจากเซนเซอร์ และต้องการส่งสัญญาณเตือนเมื่อเกิน 80 องศา

1. Input A: รับค่าอุณหภูมิปัจจุบัน (เช่น 85)
2. Input B: ตั้งค่าคงที่ 80 (Threshold)
3. เลือก Operator เป็น > (มากกว่า)
4. ผลลัพธ์: หากอุณหภูมิ (85) > 80 โหนดจะส่งค่า 1 (True) ออกไปสั่งงานแจ้งเตือน

MAX/MIN สำหรับการจำกัดค่า (Clamping)

คุณสามารถใช้โหนดนี้เพื่อจำกัดไม่ให้ค่าเกินขอบเขตที่ต้องการได้ เช่น: * ใช้ MIN เทียบกับค่า 255 -> เพื่อให้มั่นใจว่าค่าที่ส่งออกไปจะไม่เกิน 255 (ป้องกัน Overflow) * ใช้ MAX เทียบกับค่า 0 -> เพื่อให้มั่นใจว่าค่าจะไม่ติดลบ

- Sync Gate:

Sync Gate คือโหนดสำหรับการดำเนินการทางตรรกศาสตร์ (Logical Operations) เพื่อควบคุมเงื่อนไขการทำงานของระบบ โหนดนี้จะรับสัญญาณ Boolean (True/False) หรือสัญญาณ Trigger จากหลายแหล่ง และทำการเปรียบเทียบด้วยตรรกะที่กำหนด เช่น "ต้องมาครบทุกเงื่อนไข (AND)" หรือ "มาแค่เงื่อนไขเดียวก็ได้ (OR)" จึงจะส่งสัญญาณออกไป

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	22	เลขประจำตัวลำดับของโหนด
Caption	Sync Gate	ชื่อโหนดที่แสดงผลบน Workspace

Operation

Property	Default	คำอธิบาย
Operator	AND	รูปแบบตรรกะที่ใช้ตรวจสอบเงื่อนไข: - EQUAL: (เท่ากัน) ส่งค่า True เมื่ออินพุตทุกขามีค่าเหมือนกัน (True หมด หรือ False หมด) - AND: (และ) ส่งค่า True เมื่ออินพุต ทุกขา เป็น True - OR: (หรือ) ส่งค่า True เมื่อมีอินพุต อย่างน้อย 1 ขา เป็น True - XOR: (Exclusive OR) ส่งค่า True เมื่ออินพุตมีค่าต่างกัน - NOR: (Not OR) ตรงข้ามกับ OR (ส่ง True เมื่อไม่มีขาไหนเป็น True เลย) - NAND: (Not AND) ตรงข้ามกับ AND (ส่ง True เมื่อมีบางขาเป็น False) - DIRECT: (Buffer) ส่งค่าตามอินพุตตรงๆ (ไม่กลับค่า) - DIRECT_NOT: (Inverter/NOT) กลับค่าสัญญาณ (True → False, False → True)

---

Use Case: ระบบความปลอดภัยแบบ 2 ชั้น (Safety Interlock)

สมมติว่าคุณต้องการให้หุ่นยนต์ทำงาน ก็ต่อเมื่อ "กดปุ่ม Start" และ "ประตูเครื่องจักรปิดสนิท" เท่านั้น

1. Input 1: รับสัญญาณจากปุ่ม Start (Button Pressed = True)
2. Input 2: รับสัญญาณจากเซนเซอร์ประตู (Door Closed = True)
3. นำสัญญาณทั้งสองมาเข้า Sync Gate
4. ตั้งค่า Operator เป็น AND
5. ผลลัพธ์: โหนดจะส่งสัญญาณให้หุ่นยนต์ทำงานก็ต่อเมื่อทั้งสองเงื่อนไขเป็นจริงพร้อมกัน หากประตูเปิดอยู่ (Input 2 = False) หุ่นยนต์จะไม่ทำงานแม้จะกดปุ่มก็ตาม

Sync Gate vs Scalar Operation

• Scalar Operation: เน้นการคำนวณค่าตัวเลข (บวกลบคูณหาร) หรือเปรียบเทียบค่าเดียว
• Sync Gate: เน้นการ รวมสัญญาณ (Signal Aggregation) จากหลายโหนดเพื่อตัดสินใจในขั้นตอนสุดท้าย (Decision Making) และมักรองรับอินพุตได้มากกว่า 2 ขา (Multi-input logic)

14. Output (การส่งออกผลลัพธ์)

- CV Image Display:

CV Image Display คือโหนดสำหรับการแสดงผลรูปภาพ (Visualization) ที่ผ่านการประมวลผลแล้ว โหนดนี้จะทำหน้าที่เป็นจุดสิ้นสุดของสายสัญญาณภาพ (Sink Node) เพื่อให้ผู้ใช้งานสามารถตรวจสอบผลลัพธ์สุดท้าย หรือดูภาพระหว่างขั้นตอนการ Debug ได้

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	23	เลขประจำตัวลำดับของโหนด
Caption	CV Image Display	ชื่อโหนดที่แสดงผลบน Workspace

Size (Read-Only)

(ส่วนนี้เป็นข้อมูลสำหรับอ่านอย่างเดียว จะอัปเดตอัตโนมัติตามภาพที่ส่งเข้ามา)

Property	Value	คำอธิบาย
Width	0	ความกว้างของภาพ (พิกเซล)
Height	0	ความสูงของภาพ (พิกเซล)
Format	-	รูปแบบของข้อมูลภาพ (เช่น RGB888, Grayscale, etc.)

---

Use Case: การตรวจสอบผลลัพธ์

ในทุกๆ Workflow ของการประมวลผลภาพ มักจะจบด้วยโหนดนี้เสมอ:

1. Read Image: อ่านภาพเข้ามา
2. Processing: ผ่านโหนดต่างๆ (Blur -> Threshold -> Find Contours)
3. CV Image Display: ต่อสายสุดท้ายเข้าโหนดนี้เพื่อดูว่าผลลัพธ์ถูกต้องหรือไม่

ทำไมค่า Width/Height เป็น 0?

หากคุณเห็นค่า Width หรือ Height เป็น 0 นั่นหมายความว่า ยังไม่มีข้อมูลภาพถูกส่งเข้ามาที่โหนดนี้ * โปรดตรวจสอบการเชื่อมสาย (Link) ว่าถูกต้องหรือไม่ * ตรวจสอบโหนดต้นทางว่ามีการทำงาน (Execute) แล้วหรือยัง

- CV Image Properties:

CV Image Properties คือโหนดสำหรับการอ่านและตรวจสอบคุณสมบัติทางเทคนิค (Metadata) ของภาพที่ได้รับเข้ามา เช่น ขนาด, จำนวนช่องสี, หรือรูปแบบการจัดเก็บข้อมูลในหน่วยความจำ โหนดนี้มีประโยชน์มากในการสร้างเงื่อนไขการทำงานแบบอัตโนมัติ (เช่น ถ้าภาพเป็นขาวดำให้ข้ามขั้นตอนแปลงสี) หรือใช้สำหรับการดีบัก (Debugging)

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	24	เลขประจำตัวลำดับของโหนด
Caption	CV Image Properties	ชื่อโหนดที่แสดงผลบน Workspace

Properties (Read-Only Info)

(ส่วนนี้คือข้อมูลที่อ่านได้จากภาพขาเข้า ไม่ใช่การตั้งค่า)

Property	Value	คำอธิบาย
Name	ImageName	ชื่ออ้างอิงของภาพ (ถ้ามี)
Channels	0	จำนวนช่องสัญญาณสี: - 1: ภาพขาวดำ (Grayscale) - 3: ภาพสี (BGR) - 4: ภาพสีพร้อมความโปร่งใส (BGRA)
Size	0 px x 0 px	ขนาดความกว้าง x ความสูง ของภาพ
Binary	Yes/No	ตรวจสอบว่าภาพเป็น Binary (มีค่าแค่ 0 กับ 255) หรือไม่
Black and White	Yes/No	ตรวจสอบว่าภาพเป็นโทนขาวดำ (ไม่มีเฉดสี) หรือไม่
Continuous	Yes/No	(Technical) ข้อมูลพิกเซลถูกเก็บในหน่วยความจำแบบเรียงต่อกันยาวเป็นก้อนเดียวหรือไม่ (มีผลต่อความเร็วในการประมวลผลด้วย Pointer)
Description	-	คำอธิบายเพิ่มเติม (ถ้ามี)

---

Use Case: การตรวจสอบความสมบูรณ์ของข้อมูล (Validation)

ก่อนที่จะส่งภาพเข้าสู่ Deep Learning Model ที่ต้องการภาพสีขนาด 640x640 เท่านั้น คุณสามารถใช้โหนดนี้ดักจับ Error ได้:

1. ส่งภาพเข้า CV Image Properties
2. เช็คค่า Channels: ถ้าเท่ากับ 1 (Grayscale) -> สั่งให้แปลงเป็น BGR ก่อน
3. เช็คค่า Size: ถ้าไม่ใช่ 640x640 -> สั่งให้ Resize
4. ช่วยป้องกันโปรแกรมค้าง (Crash) จากการส่งข้อมูลผิดรูปแบบเข้าโมเดล

Continuous คืออะไร?

ค่า Continuous = Yes หมายความว่าข้อมูลภาพถูกเก็บใน RAM แบบเรียงต่อกันเป็นเส้นเดียว (ไม่มีช่องว่างท้ายบรรทัด) ซึ่งโหนดส่วนใหญ่ของ OpenCV จะทำงานได้เร็วกว่ามากเมื่อเจอภาพแบบนี้ แต่ถ้ามีการ Crop ภาพบางส่วนมา (ROI) ค่านี้อาจจะเป็น No ได้

- Info Display:

Info Display คือโหนดสำหรับการแสดงผลข้อมูลในรูปแบบ ข้อความ (Text) หรือ ตัวเลข (Numeric) บน Workspace ทำหน้าที่คล้ายกับหน้าต่าง Terminal หรือ Console Log เพื่อให้ผู้ใช้สามารถติดตามค่าความเป็นไปของระบบ ตรวจสอบผลลัพธ์ทางคณิตศาสตร์ หรือดูค่าพิกัดต่างๆ ได้ทันทีโดยไม่ต้องเปิดหน้าต่าง Debug แยก

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	26	เลขประจำตัวลำดับของโหนด
Caption	Info Display	ชื่อโหนดที่แสดงผลบน Workspace

Settings

Property	Default	คำอธิบาย
Max Line Count	100	จำนวนบรรทัดสูงสุดที่ต้องการให้แสดงผลค้างไว้: - หากข้อมูลที่ส่งเข้ามามีจำนวนเกินกว่าค่านี้ ระบบจะเริ่มลบข้อมูลเก่าที่สุดออก (FIFO: First-In, First-Out) เพื่อประหยัดหน่วยความจำและทำให้หน้าจอไม่รกจนเกินไป

---

Use Case: การตรวจสอบพิกัดวัตถุ (Debugging Coordinates)

หากคุณต้องการรู้ว่าจุดศูนย์กลางของวัตถุ (Centroid) ที่ตรวจจับได้อยู่ที่พิกัดเท่าไหร่:

1. คำนวณหาตำแหน่งวัตถุ (จะได้ค่า X, Y)
2. ส่งค่า X, Y นั้นเข้าสู่โหนด Info Display
3. หน้าต่างโหนดจะแสดงค่าตัวเลขพิกัดไหลขึ้นมาเรื่อยๆ แบบ Real-time ทำให้คุณเห็นความเปลี่ยนแปลงได้ทันทีที่วัตถุขยับ

Image Display vs Info Display

• CV Image Display: ใช้ดู "รูปภาพ" (Visual check) เช่น ภาพเบลอไหม, ขอบชัดไหม
• Info Display: ใช้ดู "ค่าตัวเลข/ข้อมูล" (Data check) เช่น พื้นที่กี่พิกเซล, เจอวัตถุกี่ชิ้น, ค่า Threshold ปัจจุบันคือเท่าไหร่

- CV Video Writer:

CV Video Writer คือโหนดสำหรับการบันทึกภาพต่อเนื่อง (Stream) ให้เป็นไฟล์วิดีโอ (Video Recording) ลงบนหน่วยความจำของเครื่องคอมพิวเตอร์ ช่วยให้คุณสามารถเก็บผลลัพธ์การทำงานย้อนหลัง หรือบันทึกเหตุการณ์เฉพาะช่วงเวลาที่สนใจได้

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	27	เลขประจำตัวลำดับของโหนด
Caption	CV Video Writer	ชื่อโหนดที่แสดงผลบน Workspace

Settings

Property	Default	คำอธิบาย
Output Filename	(ว่าง)	ชื่อไฟล์หรือเส้นทาง (Path) ที่ต้องการบันทึกไฟล์ (เช่น record.avi, D:/logs/video.mp4) ควรระบุนามสกุลไฟล์ด้วยเพื่อให้โปรแกรมเลือก Codec ได้ถูกต้อง
Recorded FPS	10	(Frames Per Second) อัตราเฟรมเรตของวิดีโอผลลัพธ์ (ความเร็วในการเล่นกลับ)
Frame Per Video	1000	จำนวนเฟรมสูงสุดต่อ 1 ไฟล์: - ใช้สำหรับ การตัดแบ่งไฟล์ (File Splitting) อัตโนมัติ - เมื่อบันทึกครบ 1000 เฟรม ระบบจะปิดไฟล์เดิมและสร้างไฟล์ใหม่ให้ทันที (ช่วยป้องกันไฟล์ใหญ่เกินไปหรือเสียหาย)

---

Use Case: การบันทึกหลักฐานเมื่อเกิด Error

คุณอาจไม่ต้องการบันทึกวิดีโอตลอดเวลาเพื่อประหยัดพื้นที่ฮาร์ดดิสก์ แต่ต้องการบันทึกเฉพาะตอนเจอของเสีย:

1. ใช้โหนด Condition ตรวจสอบว่าเจอของเสียหรือไม่
2. ถ้าเจอของเสีย ให้ส่งสัญญาณ Trigger ไปสั่งเปิดการทำงานของ CV Video Writer (ผ่านขา Enable หรือ Flow Control)
3. ตั้งค่า Frame Per Video ไว้พอประมาณ (เช่น 100-200 เฟรม) เพื่อเก็บภาพเหตุการณ์สั้นๆ นั้นไว้

Recorded FPS vs Real FPS

• Recorded FPS: คือการบอกไฟล์วิดีโอว่า "ให้เล่นภาพเร็วแค่ไหน" (Playback Speed)
• หากกล้องของคุณส่งภาพมาจริงที่ 30 FPS แต่คุณตั้ง Recorded FPS ไว้ที่ 10: วิดีโอผลลัพธ์จะดูเหมือน Fast Forward (ภาพเคลื่อนไหวเร็ว)
• หากกล้องส่งมา 5 FPS แต่ตั้งไว้ 10: วิดีโอจะดูเหมือน Slow Motion
• คำแนะนำ: ควรตั้งค่านี้ให้ใกล้เคียงกับความเร็วการประมวลผลจริงของระบบ

15. Source (แหล่งกำเนิดภาพ)

- CV Video Loader:

CV Video Loader คือโหนดสำหรับการโหลดและเล่นไฟล์วิดีโอ (Video Playback) เพื่อนำภาพจากวิดีโอมาประมวลผลต่อ เปรียบเสมือนการจำลองกล้องวิดีโอโดยใช้ไฟล์ข้อมูลที่มีอยู่แล้ว โหนดนี้มีประโยชน์อย่างมากในขั้นตอนการพัฒนา (Development) เพราะช่วยให้เราทดสอบอัลกอริทึมกับเหตุการณ์เดิมซ้ำๆ ได้จนกว่าจะพอใจ

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	28	เลขประจำตัวลำดับของโหนด
Source	True	ระบุว่าโหนดนี้เป็นจุดเริ่มต้นของข้อมูล (Source Node)
Caption	CV Video Loader	ชื่อโหนดที่แสดงผลบน Workspace

Settings

Property	Default	คำอธิบาย
Filename	(ว่าง)	เส้นทาง (Path) ของไฟล์วิดีโอที่ต้องการเปิด (เช่น D:/test_video.mp4)
Flip Period (ms)	100	ระยะเวลาหน่วงระหว่างเฟรม (มิลลิวินาที): - ใช้ควบคุมความเร็วในการเล่น (Playback Speed) - 100 ms = ประมาณ 10 FPS (Frames Per Second) - 33 ms = ประมาณ 30 FPS
Loop Play	True	การวนซ้ำ: - True: เมื่อเล่นจบไฟล์ จะกลับมาเริ่มต้นใหม่ทันที (เหมาะสำหรับเปิดทิ้งไว้เพื่อจูนค่า) - False: เล่นจบแล้วหยุดส่งภาพ

Image Memory

Property	Default	คำอธิบาย
Sharing Mode	Pool Mode	โหมดการจัดการหน่วยความจำ (แนะนำ Pool Mode สำหรับวิดีโอ)
Pool Size	10	จำนวน Buffer ที่จองไว้ (ค่า Default คือ 10 ซึ่งมากกว่าโหนดปกติ เพื่อให้การเล่นวิดีโอลื่นไหล)

Size (Read-Only)

Property	Value	คำอธิบาย
Width	0	ความกว้างของวิดีโอต้นฉบับ
Height	0	ความสูงของวิดีโอต้นฉบับ
Format	-	รูปแบบข้อมูลภาพ

---

Use Case: การจูนค่า Threshold ที่แม่นยำ

การจูนค่าตรวจจับวัตถุกับกล้องสดทำได้ยากเพราะวัตถุอาจเคลื่อนที่ผ่านไปเร็วมาก

1. ใช้ CV Video Writer บันทึกเหตุการณ์ตอนวัตถุผ่านหน้ากล้องเก็บไว้ก่อน
2. เปลี่ยนมาใช้ CV Video Loader เปิดไฟล์วิดีโอนั้น
3. เปิด Loop Play = True
4. คุณจะเห็นภาพวัตถุวิ่งผ่านซ้ำๆ ไปมา ทำให้มีเวลาปรับจูนค่า Threshold หรือ Color Range ได้อย่างละเอียดจนกว่าจะจับวัตถุได้แม่นยำที่สุด

คำนวณ Flip Period อย่างไร?

สูตรคือ: $1000 \div \text{FPS ที่ต้องการ} = \text{Flip Period}$

• ต้องการ 10 FPS -> ใส่ค่า 100
• ต้องการ 30 FPS -> ใส่ค่า 33
• ต้องการ 60 FPS -> ใส่ค่า 16

- CV Camera:

CV Camera คือโหนดสำหรับการเชื่อมต่อและรับภาพจากอุปกรณ์กล้อง (Camera Device) ที่เชื่อมต่ออยู่กับคอมพิวเตอร์ เช่น Web Camera หรือ Industrial Camera ผ่านพอร์ต USB/CSI โหนดนี้มีความสามารถในการควบคุมฮาร์ดแวร์ของกล้องโดยตรง เช่น การล็อคค่าแสง (Exposure) หรือการปรับสมดุลแสงขาว (White Balance) ซึ่งเป็นสิ่งจำเป็นเพื่อให้ได้คุณภาพของภาพที่สม่ำเสมอในการประมวลผล

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	29	เลขประจำตัวลำดับของโหนด
Source	True	ระบุว่าโหนดนี้เป็นจุดเริ่มต้นของข้อมูล (Source Node)
Caption	CV Camera	ชื่อโหนดที่แสดงผลบน Workspace

Camera Settings

Property	Default	คำอธิบาย
Camera ID	0	ดัชนีของกล้อง (Index) ที่ต้องการเชื่อมต่อ: - 0: กล้องตัวแรก (Default) - 1, 2, 3, 4: กล้องตัวถัดไปที่เชื่อมต่อเพิ่มเข้ามา
Brightness	-10	การชดเชยความสว่างของภาพ (ค่าขึ้นอยู่กับ Driver ของกล้องแต่ละรุ่น)
Auto White Balance	False	ระบบปรับสมดุลแสงขาวอัตโนมัติ: - False: ล็อคค่าสีไว้ (แนะนำสำหรับงานตรวจจับสี เพื่อไม่ให้สีเพี้ยนเมื่อสภาพแสงเปลี่ยน) - True: ให้กล้องปรับสีเองตามธรรมชาติ
Auto Exposure	False	ระบบปรับความสว่างอัตโนมัติ: - False: (แนะนำ) ล็อคค่าแสงไว้ ใช้คู่กับค่า Exposure ด้านล่าง - True: กล้องจะปรับแสงเอง (อาจทำให้ภาพวูบวาบเมื่อมีวัตถุผ่านหน้ากล้อง)
Exposure (1/s)	2000	ความเร็วชัตเตอร์ (Shutter Speed) หรือเวลาในการรับแสง: - ค่านี้มักจะเป็นตัวหาร (เช่น 2000 = 1/2000 วินาที) หรือค่า Raw Value - ค่ายิ่งมาก = ภาพมืดลงแต่จับภาพวัตถุเคลื่อนที่ได้หยุดนิ่งขึ้น (ลด Motion Blur)
Gain	70	อัตราการขยายสัญญาณดิจิทัล: - ใช้เพิ่มความสว่างเมื่อปรับ Exposure สูงๆ แล้วภาพมืดเกินไป - ข้อควรระวัง: ยิ่ง Gain เยอะ ภาพจะยิ่งมีจุดรบกวน (Noise/Grain) เยอะขึ้น

---

Use Case: การตั้งค่ากล้องสำหรับสายพานการผลิต

หากคุณต้องตรวจจับวัตถุที่วิ่งบนสายพานด้วยความเร็ว:

1. ปิด Auto Exposure (False): เพื่อป้องกันไม่ให้ความสว่างเปลี่ยนไปมาเมื่อวัตถุสีขาว/ดำวิ่งผ่าน
2. ปรับ Exposure ให้สูง (เช่น 2000+): เพื่อลดอาการ "ภาพเบลอ" (Motion Blur) ขณะวัตถุเคลื่อนที่
3. เพิ่ม Gain: หากปรับ Exposure แล้วภาพมืดเกินไป ให้ค่อยๆ ดันค่า Gain ขึ้นจนสว่างพอเห็นรายละเอียด
4. ปิด Auto White Balance: เพื่อให้ค่าสี (Hue/Saturation) ของวัตถุคงที่ตลอดเวลา ง่ายต่อการเขียนเงื่อนไขแยกสี

Camera ID หาอย่างไร?

หากเสียบกล้องแล้วภาพไม่ขึ้น ลองเปลี่ยน Camera ID เป็น 1 หรือ 2 ดูครับ ระบบปฏิบัติการ (Windows/Linux) อาจมองกล้อง Webcam ที่ติดมากับเครื่องเป็นเบอร์ 0 และกล้อง USB ใหม่เป็นเบอร์ 1

- NodeData Timer:

NodeData Timer คือโหนดประเภท Source ที่ทำหน้าที่เป็นตัวกำเนิดจังหวะเวลา (Timer Source) เพื่อส่งสัญญาณ Trigger ออกมาเป็นคาบเวลาที่แน่นอน โหนดนี้มักถูกนำมาใช้เมื่อต้องการให้ระบบทำงานเป็นรอบๆ อย่างสม่ำเสมอ (Periodic Execution) หรือใช้กำหนดจังหวะในการส่งข้อมูล Node Data ไปยังเครือข่ายภายนอก

1. การตั้งค่าเวลา (Time Settings):
2. s (Seconds): ช่องสำหรับใส่จำนวนวินาที (ในภาพ = 0)
3. ms (Milliseconds): ช่องสำหรับใส่จำนวนมิลลิวินาที (ในภาพ = 500)

4. ผลรวมเวลา: ระบบจะนำค่าทั้งสองมารวมกัน เช่น 0s + 500ms = 0.500 วินาที (หรือ 500ms) ซึ่งจะเป็นระยะห่างระหว่างการ Trigger แต่ละครั้ง

5. โหมดการทำงาน (Operation Mode):

   • Period: (ตามภาพ) หมายถึง แบบทำซ้ำ (Loop) เมื่อเวลาหมดลง จะส่งสัญญาณ Trigger แล้วเริ่มนับถอยหลังใหม่ทันที วนไปเรื่อยๆ (เหมาะสำหรับทำ Heartbeat หรือ Polling)
   • (Single Shot): (ถ้ามีตัวเลือกนี้) หมายถึง ทำครั้งเดียว เมื่อนับถอยหลังจบ จะส่งสัญญาณ Trigger ครั้งเดียวแล้วหยุด

6. ปุ่มควบคุม (Control Buttons):

   • Start: สั่งเริ่มจับเวลา
   • Stop: สั่งหยุดเวลาชั่วคราว
   • Reset: รีเซ็ตเวลาให้กลับมาเริ่มต้นใหม่และหยุดการทำงาน

7. สถานะ (Status):

   • Time Remaining: แสดงเวลาที่เหลืออยู่ในการนับถอยหลังรอบปัจจุบัน (หน่วยเป็น ms)

---

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	30	เลขประจำตัวลำดับของโหนด
Source	True	ระบุว่าโหนดนี้เป็นจุดเริ่มต้นของข้อมูล (Source Node)
Enable	False	เปิด/ปิด การทำงานของ Timer (ในภาพเป็น False ต้องติ๊กถูกเพื่อให้เริ่มนับเวลา)
Caption	NodeData Timer	ชื่อโหนดที่แสดงผลบน Workspace
Enable Zenoh	False	เปิด/ปิด การส่งข้อมูลผ่านโปรโตคอล Zenoh (สำหรับการเชื่อมต่อ IoT หรือ Dashboard ภายนอก)

---

Use Case: การสร้าง Heartbeat ให้ระบบ

ในบางระบบที่ไม่มีกล้อง (Camera) คอยส่งภาพมาขับเคลื่อน Loop การทำงาน คุณสามารถใช้ NodeData Timer เป็นตัวขับเคลื่อนแทนได้:

1. ตั้งค่า Timer ให้ทำงานทุกๆ 1000ms (1 วินาที)
2. ส่งสัญญาณไปเข้าโหนด Data Generator หรือ Status Check
3. ระบบจะทำการตรวจสอบสถานะทุกๆ 1 วินาที โดยอัตโนมัติ (Polling System)

Source Node คืออะไร?

สังเกตที่ช่อง Source ถูกติ๊กถูก (True) หมายความว่าโหนดนี้สามารถทำงานได้ด้วยตัวเองโดยไม่ต้องรอสัญญาณ Input จากใคร เปรียบเสมือนหัวขบวนรถไฟที่ลากโหนดอื่นๆ ให้ทำงานตาม

- CV Image Loader:

CV Image Loader คือโหนดสำหรับอ่านไฟล์รูปภาพจากหน่วยความจำเครื่องคอมพิวเตอร์เพื่อนำมาประมวลผล สามารถใช้งานได้ 2 รูปแบบ คือโหลดภาพนิ่งเพียงภาพเดียว หรือโหลดภาพทั้งหมดในโฟลเดอร์ (Directory) แล้วนำมาแสดงผลวนลูปเป็นลำดับ (Sequence) เพื่อจำลองสถานการณ์เหมือนรับภาพจากกล้อง

Component,Icon,คำอธิบาย

Path Input,(ช่องข้อความ),ช่องสำหรับระบุหรือแสดงเส้นทางไฟล์ (File Path) ของภาพหรือโฟลเดอร์ที่กำลังโหลดอยู่ Previous / Reset,,<< Load / Browse,⏏,ปุ่มเลือกไฟล์:- เปิดหน้าต่าง File Explorer เพื่อเลือกไฟล์ภาพหรือโฟลเดอร์ใหม่ที่ต้องการนำเข้ามาใช้งาน Play / Pause,▶,ปุ่มเล่นอัตโนมัติ:- สีเหลือง (Active): กำลังเล่น (ส่งภาพออกมาต่อเนื่องตามเวลาที่กำหนด)- สีเทา (Inactive): หยุดชั่วคราว (Pause) Next / Step,>>,

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	33	เลขประจำตัวลำดับของโหนด
Source	True	ระบุว่าโหนดนี้เป็นจุดเริ่มต้นของข้อมูล (Source Node)
Caption	CV Image Loader	ชื่อโหนดที่แสดงผลบน Workspace

Settings

Property	Default	คำอธิบาย
Filename	(ว่าง)	เส้นทางไฟล์ (Path) สำหรับกรณีต้องการโหลด ภาพเดียว (เช่น D:/images/sample.jpg)
Dirname	(ว่าง)	เส้นทางโฟลเดอร์ (Path) สำหรับกรณีต้องการโหลด ทั้งโฟลเดอร์ (Sequence)
Flip Period (ms)	1000	ระยะเวลาหน่วงก่อนเปลี่ยนภาพถัดไป (เฉพาะกรณีใช้ Dirname): - 1000 ms: เปลี่ยนภาพทุก 1 วินาที - 0: เปลี่ยนภาพเร็วที่สุดเท่าที่เป็นไปได้
Loop Flip	True	การวนซ้ำ (เฉพาะกรณีใช้ Dirname): - True: เมื่อแสดงครบทุกภาพในโฟลเดอร์ จะวนกลับมาเริ่มภาพแรกใหม่ - False: หยุดเมื่อครบทุกภาพ

Info Display

(เลือกข้อมูลที่จะแสดงผลบนตัวโหนดใน Workspace)

Property	Default	คำอธิบาย
Time	True	แสดงเวลาปัจจุบัน
Image Type	True	แสดงชนิดของภาพ (เช่น BGR, Grayscale)
Image Format	True	แสดงรูปแบบไฟล์ (เช่น .jpg, .png)
Image Size	True	แสดงขนาดความกว้าง x สูง ของภาพ
Image Filename	True	แสดงชื่อไฟล์ภาพที่กำลังถูกโหลดอยู่ ณ ขณะนั้น

---

Use Case: การทดสอบ Dataset (Good/NG)

หากคุณมีภาพตัวอย่างสินค้าดี (Good) และสินค้าเสีย (NG) เก็บแยกไว้ในโฟลเดอร์ เพื่อทดสอบความแม่นยำของ AI:

1. เลือกช่อง Dirname แล้วชี้ไปที่โฟลเดอร์เก็บภาพ D:/Dataset/Test_Images
2. ตั้งค่า Flip Period เป็น 2000 (2 วินาที) เพื่อให้มีเวลาสังเกตผลลัพธ์ของแต่ละภาพ
3. ระบบจะทยอยส่งภาพในโฟลเดอร์ออกมาทีละภาพ วนไปเรื่อยๆ ช่วยให้คุณตรวจสอบได้ว่าอัลกอริทึมทำงานถูกต้องกับทุกเคสหรือไม่ โดยไม่ต้องมานั่งกดเปลี่ยนรูปเอง

Filename vs Dirname

• หากระบุ Filename: ระบบจะโหลดภาพนั้นภาพเดียวและส่งออกมาตลอดเวลา (ภาพนิ่ง)
• หากระบุ Dirname: ระบบจะเล่นภาพทั้งหมดในโฟลเดอร์นั้นวนไปเรื่อยๆ (สไลด์โชว์)
• แนะนำให้ล้างค่าในช่อง Filename ออกก่อน หากต้องการใช้งาน Dirname

16. Template Category

- Test_Sharpen:

Test_Sharpen คือโหนดสำหรับการปรับปรุงภาพ (Image Enhancement) ด้วยเทคนิค Sharpening ทำหน้าที่เน้นเส้นขอบและรายละเอียดของวัตถุให้ดูคมชัดขึ้น เหมาะสำหรับแก้ไขภาพที่เบลอเล็กน้อย หรือใช้เตรียมภาพก่อนส่งเข้าสู่กระบวนการที่ต้องการความแม่นยำของขอบสูง เช่น การอ่านตัวอักษร (OCR) หรือการตรวจจับบาร์โค้ด

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	34	เลขประจำตัวลำดับของโหนด
Source	False	โหนดนี้ไม่ใช่ Source Node (ต้องรับภาพเข้ามาประมวลผล)
Caption	Test_Sharpen	ชื่อโหนดที่แสดงผลบน Workspace

(รอข้อมูลเพิ่มเติมส่วน Operation/Settings เช่น Kernel Size, Strength)

---

Use Case: การเตรียมภาพสำหรับอ่านตัวอักษร (OCR Pre-processing)

หากกล้องจับภาพฉลากสินค้าได้ แต่ตัวหนังสือดูฟุ้งๆ หรือเบลอเล็กน้อย ทำให้โหนด OCR อ่านค่าผิดพลาด

1. ส่งภาพจากกล้องเข้าสู่โหนด Test_Sharpen
2. อัลกอริทึมจะช่วยเพิ่ม Contrast บริเวณขอบตัวอักษรให้ตัดกับพื้นหลังมากขึ้น
3. ส่งภาพที่คมชัดแล้วไปเข้าโหนด OCR หรือ Barcode Reader จะช่วยเพิ่มความแม่นยำในการอ่านได้สูงขึ้น

Sharpening คืออะไร?

หลักการพื้นฐานคือการนำภาพเดิมไปลบด้วยภาพที่เบลอ (Unsharp Masking) หรือการใช้ Filter (เช่น Laplacian) เพื่อหาจุดที่มีการเปลี่ยนแปลงความเข้มแสงสูงๆ (ขอบ) แล้วเพิ่มน้ำหนักสีตรงนั้นเข้าไป ทำให้ภาพดู "เด้ง" หรือคมขึ้นด้วยตาเปล่า

- Template Model:

Template Model คือโหนดต้นแบบที่ใช้สำหรับการทดสอบหรือสาธิตการสร้างส่วนติดต่อผู้ใช้ (GUI Controls) ภายในระบบ ประกอบไปด้วยตัวอย่างการรับค่ารูปแบบต่างๆ เช่น การเลือกรายการ (ComboBox), การป้อนตัวเลข (SpinBox), การติ๊กเลือก (CheckBox), และการกำหนดขนาด/พิกัด (Size/Point) มักใช้เป็น Reference สำหรับนักพัฒนาที่ต้องการเขียน Plugin หรือ Custom Node ใหม่

Template Model คือโหนดต้นแบบสำหรับการสาธิต (Demo Node) ที่รวบรวมฟังก์ชันการทำงานพื้นฐานของระบบไว้ในที่เดียว ทั้งการรับค่าผ่าน UI, การกดปุ่มสั่งงาน, และการรับ-ส่งข้อมูลผ่านพอร์ตต่างๆ เหมาะสำหรับนักพัฒนาที่ต้องการศึกษาโครงสร้างการทำงานของโหนด หรือใช้ทดสอบการเชื่อมต่อสัญญาณ (Signal Flow)

ตารางการตั้งค่า (Properties)

Common

Property	Default	คำอธิบาย
Node ID	35	เลขประจำตัวลำดับของโหนด
Caption	Template Model	ชื่อโหนดที่แสดงผลบน Workspace

On-Node Controls (ส่วนควบคุมบนตัวโหนด)

(อ้างอิงจากภาพหน้าตาโหนดสีเทา)

Control	Type	คำอธิบาย
ComboBox	Dropdown	ตัวเลือกรายการแบบดึงลง (ในภาพเลือกค่า 0)
SpinBox	Number	ช่องปรับค่าตัวเลขจำนวนเต็ม (ในภาพค่า 0)
Start	Button	ปุ่มสั่งเริ่มการทำงาน (Simulation Start)
Stop	Button	ปุ่มสั่งหยุดการทำงาน (Simulation Stop)
Send All Outputs	Button	ปุ่มสั่งให้ส่งข้อมูลออกไปทุกพอร์ตทันที (Force Trigger Output)

I/O Ports (จุดเชื่อมต่อสายสัญญาณ)

(อ้างอิงจากจุดสีเขียวด้านข้างโหนด)

Port	Type	Direction	คำอธิบาย
Mat	Matrix/Image	Input	รับข้อมูลภาพเข้ามา
Nbs	Number/Scalar	Input	รับข้อมูลตัวเลขเข้ามา
Mat	Matrix/Image	Output	ส่งข้อมูลภาพออกไป
Nbs	Number/Scalar	Output	ส่งข้อมูลตัวเลขออกไป
Inf	Info/Text	Output	ส่งข้อมูลสถานะหรือข้อความออกไป

Use Case: การทดสอบการไหลของข้อมูล (Data Flow Testing)

เนื่องจากโหนดนี้มีทั้งปุ่มกดและพอร์ตครบทุกแบบ จึงเหมาะมากสำหรับการเช็คระบบ:

1. กดปุ่ม "Send All Outputs": เพื่อทดสอบว่าโหนดปลายทาง (เช่น Display) ได้รับสัญญาณหรือไม่ โดยไม่ต้องรอ Input
2. ปรับค่า SpinBox: เพื่อดูว่าค่าตัวเลขถูกส่งออกไปทางพอร์ต Nbs ถูกต้องหรือไม่
3. Start/Stop: ใช้ทดสอบ Logic การทำงานของ State Machine ภายใน

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	35	เลขประจำตัวลำดับของโหนด
Caption	Template Model	ชื่อโหนดที่แสดงผลบน Workspace

Parameters (Demo Controls)

Property	Default	คำอธิบาย
ComboBox	0	ตัวอย่างการเลือกรายการแบบ Dropdown List
SpinBox	0	(ในหมวด SubProp0) ตัวอย่างช่องป้อนตัวเลขจำนวนเต็ม
CheckBox	True	(ในหมวด SubProp1) ตัวอย่างช่องติ๊กถูกเลือก (True/False)
Text	ComboBox	(ในหมวด SubProp1) ตัวอย่างช่องป้อนข้อความ String

Geometry (Size & Point)

Property	Default	คำอธิบาย
Size	1 x 1	ตัวอย่างข้อมูลประเภทขนาด (Width x Height)
Point	(7, 7)	ตัวอย่างข้อมูลประเภทพิกัด (X, Y)

---

Use Case: สำหรับนักพัฒนา (Developer)

โหนดนี้อาจไม่ได้ใช้ในงานประมวลผลภาพจริง (Production) แต่มีประโยชน์มากสำหรับ:

1. UI Testing: ตรวจสอบว่า Theme ของโปรแกรมแสดงผล Control ต่างๆ ได้ถูกต้องหรือไม่
2. Plugin Development: นักพัฒนาสามารถดู Source Code ของโหนดนี้เพื่อเรียนรู้วิธีการประกาศ Property ประเภทต่างๆ (เช่น วิธีการสร้าง Sub-property หรือการจัดกลุ่มตัวแปร)

ข้อสังเกต

หากคุณเป็นผู้ใช้งานทั่วไป (End User) คุณสามารถข้ามโหนดนี้ไปได้เลยครับ เพราะมันไม่ได้มีฟังก์ชันการคำนวณทาง Image Processing ใดๆ

17. Utility (เครื่องมืออรรถประโยชน์)

เครื่องมือช่วยอำนวยความสะดวกในการทำงาน

- Combine Sync:

Combine Sync คือโหนดสำหรับการจัดจังหวะสัญญาณ (Synchronization) จากหลายแหล่งข้อมูลให้ตรงกันก่อนที่จะส่งต่อไปประมวลผล จุดเด่นคือความยืดหยุ่นที่ผู้ใช้สามารถกำหนดจำนวนช่องสัญญาณขาเข้า (Input Size) ได้ตามต้องการ โหนดนี้มักใช้ในกรณีที่ต้องรอรวบรวมข้อมูลจากกระบวนการย่อยหลายๆ ส่วนให้ครบถ้วน (Wait for all) หรือต้องการตรวจสอบเงื่อนไขจากหลายแหล่งพร้อมกัน

ส่วนควบคุมบนโหนด (On-Node Controls)

ส่วนนี้แสดงปุ่มและค่าต่างๆ ที่สามารถปรับได้ทันทีบนหน้าต่าง Workspace โดยไม่ต้องเข้าไปในเมนู Properties

Control	Type	คำอธิบาย
Op	Dropdown	ตัวเลือกเงื่อนไขตรรกะ (Logic Operator): - AND: รอสัญญาณครบทุกขา (Wait All) - OR: สัญญาณมาขาใดขาหนึ่งก็ทำงาน (Any)
Inputs	SpinBox	ช่องปรับจำนวนขา Input: - สามารถกดลูกศรขึ้น/ลง เพื่อเพิ่มหรือลดจำนวนพอร์ต Syc (สีเขียวด้านซ้าย) ได้ทันที
Reset	Button	ปุ่มรีเซ็ตสถานะ: - ใช้สำหรับเคลียร์ค่าสถานะการรอ (Pending Signals) ภายในโหนดให้กลับไปเป็นค่าเริ่มต้น

Port	Label	Type	Direction	คำอธิบาย
Input	Syc	Sync Signal	Input (Left)	ช่องรับสัญญาณ Trigger (จำนวนจะเปลี่ยนไปตามค่า Inputs)
Output	Syc	Sync Signal	Output (Right)	ช่องส่งสัญญาณ Trigger ออกไปเมื่อเงื่อนไขเป็นจริง

---

ตารางการตั้งค่า (Properties)

การตั้งค่าละเอียดภายในโหนด (ซึ่งสัมพันธ์กับค่าบนหน้าโหนด)

Common

Property	Default	คำอธิบาย
Node ID	36	เลขประจำตัวลำดับของโหนด
Caption	Combine Sync	ชื่อโหนดที่แสดงผลบน Workspace

Settings

Property	Default	คำอธิบาย
Condition	AND	เงื่อนไขการรวมสัญญาณ (ตรงกับค่า Op บนหน้าโหนด): - AND: (และ) โหมดรอครบ: รอให้สัญญาณเข้ามาครบทุกช่อง Input ที่กำหนดไว้ จึงจะส่งข้อมูลออกไป - OR: (หรือ) โหมดใครก็ได้: หากมีสัญญาณเข้ามาที่ช่องใดช่องหนึ่ง ก็จะส่งข้อมูลออกไปทันที
Input Size	2	จำนวนช่องสัญญาณขาเข้า (ตรงกับค่า Inputs บนหน้าโหนด)

---

Use Case: การรวมผลลัพธ์จากกล้อง 4 ตัว (Quality Control)

สมมติคุณมีกล้อง 4 ตัวถ่ายภาพสินค้าชิ้นเดียวกันจาก 4 มุมมอง และต้องการสรุปผลว่าสินค้าชิ้นนี้ "ผ่าน" หรือไม่

1. ปรับค่า Inputs = 4 ที่หน้าโหนด (จะมีจุดต่อสาย Input ปรากฏขึ้น 4 จุด)
2. ตั้งค่า Op = AND
3. ลากสายสัญญาณผลลัพธ์ (OK/NG) จากกล้องทั้ง 4 ตัวมาเข้าที่โหนดนี้
4. ผลลัพธ์: โหนดจะส่งสัญญาณ "ผ่าน (True)" ออกไป ก็ต่อเมื่อกล้อง ทั้ง 4 ตัว ส่งสัญญาณมาครบและยืนยันว่าผ่านทั้งหมด

ความสะดวกของการปรับหน้าโหนด

คุณสามารถเพิ่มจำนวนกล้องหรือเงื่อนไขได้ง่ายๆ เพียงแค่กดลูกศรที่ช่อง Inputs บนตัวโหนด สายเชื่อมต่อเดิมจะไม่หลุดหาย ทำให้การขยายระบบ (Scale up) ทำได้รวดเร็วมากครับ

- Not Sync:

Properties Panel คือหน้าต่างสำหรับการตั้งค่าคุณสมบัติของโหนด (Node Configuration) ทำหน้าที่แสดงและแก้ไขพารามิเตอร์ต่างๆ ของโหนดที่ถูกเลือกอยู่ในปัจจุบัน ช่วยให้ผู้ใช้สามารถปรับแต่งค่าตัวแปร, เปลี่ยนชื่อโหนด, หรือควบคุมสถานะการทำงานของโหนดนั้นๆ ได้แบบเรียลไทม์ (Real-time)

ตารางการตั้งค่า (Properties)

Common Settings

Property	Value (Example)	คำอธิบาย
Node ID	1	เลขประจำตัวลำดับของโหนด (Unique ID) ซึ่งระบบจะสร้างให้โดยอัตโนมัติ
Caption	Not Sync	ชื่อของโหนดที่แสดงผลบน Workspace (สามารถแก้ไขเพื่อตั้งชื่อให้สื่อความหมายได้)
Enable	True (Checked)	สถานะการทำงานของโหนด • ติ๊กถูก: เปิดใช้งานโหนดปกติ • ไม่ติ๊ก: ปิดการทำงาน (Bypass/Disable)
Minimize	False (Unchecked)	การแสดงผลรูปทรงโหนด • ติ๊กถูก: ย่อโหนดให้เหลือแต่ส่วนหัว (Header) เพื่อประหยัดพื้นที่ • ไม่ติ๊ก: แสดงโหนดขนาดเต็ม
Lock Position	False (Unchecked)	การล็อคตำแหน่งบน Workspace • ติ๊กถูก: ตรึงโหนดไว้กับที่ ไม่สามารถใช้เมาส์ลากย้ายได้ • ไม่ติ๊ก: สามารถลากย้ายตำแหน่งได้อิสระ

---

Use Case: การจัดการ Workspace ที่ซับซ้อน

เมื่อ Flow การทำงานเริ่มมีขนาดใหญ่และมีโหนดจำนวนมาก:

1. ใช้ Caption เพื่อเปลี่ยนชื่อโหนดจากชื่อ Default (เช่น Threshold_1) เป็นชื่อที่สื่อความหมาย (เช่น Main_Binarization)
2. ใช้ Minimize กับโหนดที่ตั้งค่าเสร็จแล้วและไม่ค่อยได้แก้ เพื่อลดความรกของหน้าจอ
3. ใช้ Lock Position กับโหนดหลัก (Main Nodes) เพื่อป้องกันการเผลอไปลากโดนจน Flow เสียรูปทรง

Real-time Update

การแก้ไขค่าในหน้าต่าง Properties จะมีผลทันทีโดยไม่ต้องกดปุ่ม Save หรือ Compile ใหม่ ทำให้เหมาะสำหรับการ Tuning ค่าพารามิเตอร์ต่างๆ ขณะที่โปรแกรมกำลังรันอยู่ (Runtime Adjustment)

- Timer:

Timer คือโหนดประเภท Source (ตัวกำเนิดสัญญาณ) ที่ทำหน้าที่ส่งข้อมูลหรือสัญญาณทริกเกอร์ออกมาตามช่วงเวลาที่กำหนดไว้ (Interval) นิยมใช้ในการสร้าง Loop การทำงาน, การสั่งถ่ายภาพจากกล้องทุกๆ วินาที, หรือการตรวจสอบสถานะระบบเป็นระยะๆ

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	2	เลขประจำตัวลำดับของโหนด
Caption	Timer	ชื่อโหนดที่แสดงผลบน Workspace
Source	True	ระบุว่าโหนดนี้เป็นจุดเริ่มต้นของข้อมูล (ไม่ต้องการ Input จากใคร)
Interval (m)	1000	ระยะเวลาในการส่งสัญญาณแต่ละครั้ง (หน่วยเป็นมิลลิวินาที) - 1000 = 1 วินาที - 500 = 0.5 วินาที

---

หน่วยเวลา (m)

ในช่อง Interval (m) ตัว "m" นี้ย่อมาจาก Millisecond (มิลลิวินาที) ครับ

• หากต้องการตั้งเวลา 1 วินาที ให้ใส่ค่า 1000
• หากต้องการตั้งเวลา 5 วินาที ให้ใส่ค่า 5000

ระวังการตั้งค่าเร็วเกินไป

หากตั้งค่า Interval น้อยมากๆ (เช่น 10 หรือ 1 ms) อาจทำให้โหนดส่งข้อมูลออกมาถี่เกินไปจนเครื่องประมวลผลไม่ทัน (CPU Overload) แนะนำให้ตั้งค่าให้เหมาะสมกับความเร็วในการประมวลผลของระบบโดยรวมครับ

- CV Save Image:

CV Save Image คือโหนดสำหรับการบันทึกภาพ (Image Saving) ลงในหน่วยความจำถาวร (Hard Disk/SSD) รองรับการตั้งชื่อไฟล์แบบอัตโนมัติและการเลือกนามสกุลไฟล์ที่หลากหลาย นิยมใช้ในการเก็บรวบรวมข้อมูล (Data Collection) หรือการบันทึกภาพเหตุการณ์สำคัญ

Visual Interface คือหน้าตาของโหนดที่ปรากฏบน Workspace ซึ่งแสดงจุดเชื่อมต่อ (Ports) สำหรับรับและส่งข้อมูล

ตารางจุดเชื่อมต่อ (Port Connections)

Port Name	Type	Direction	คำอธิบาย
Mat	Image (Matrix)	Input (ซ้าย)	ช่องรับภาพที่ต้องการบันทึก (ต้องต่อสายนี้เสมอ ไม่งั้นไม่มีภาพให้บันทึก)
Inf	Info / Data	Input (ซ้าย)	ช่องรับข้อมูลเพิ่มเติม (มักใช้สำหรับส่งชื่อไฟล์แบบ Dynamic หรือ Metadata ถ้าไม่ต่อจะใช้ชื่อตามที่ตั้งใน Properties)
Syc	Sync / Signal	Input (ซ้าย)	ช่องรับสัญญาณสั่งงาน (ใช้ร่วมกับ Timer เพื่อสั่งให้บันทึกเป็นจังหวะ ถ้าไม่ต่อ โหนดอาจจะบันทึกทุกเฟรมที่เข้ามา)
Syc	Sync / Signal	Output (ขวา)	ช่องส่งสัญญาณบอกว่า "บันทึกเสร็จแล้ว" (ใช้ต่อพ่วงไปบอกโหนดถัดไปให้เริ่มทำงานต่อ)

---

การต่อสายเพื่อบันทึกเป็นระยะ (Best Practice)

เพื่อไม่ให้ฮาร์ดดิสก์เต็มเร็วเกินไป แนะนำให้ต่อสายดังนี้:

1. Timer Node (ช่อง Output) $\rightarrow$ CV Save Image (ช่อง Syc Input)
2. Camera/Image Node (ช่อง Output) $\rightarrow$ CV Save Image (ช่อง Mat Input)

ผลลัพธ์: ภาพจะถูกบันทึกเฉพาะตอนที่ Timer ส่งสัญญาณมาเท่านั้น (เช่น ทุก 1 วินาที) แทนที่จะบันทึกรัวๆ ครับ

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	3	เลขประจำตัวลำดับของโหนด
Caption	CV Save Image	ชื่อโหนดที่แสดงผลบน Workspace
Saving Directory	./	ที่อยู่โฟลเดอร์สำหรับเก็บไฟล์ - ./ หมายถึง โฟลเดอร์เดียวกับที่รันโปรแกรม (Current Directory) - สามารถระบุ Path เต็มได้ เช่น C:/MyImages/
Prefix Filename	image	คำนำหน้าชื่อไฟล์ (โปรแกรมมักจะเติมตัวเลขลำดับหรือเวลาต่อท้ายให้ เช่น image_001.png)
Image Format	png	นามสกุลไฟล์ภาพ - png: ภาพคมชัด ไม่สูญเสียรายละเอียด (Lossless) แต่ไฟล์ใหญ่ - jpg/jpeg: ไฟล์เล็ก ประหยัดพื้นที่ แต่คุณภาพลดลงเล็กน้อย (Lossy)

---

เลือก PNG หรือ JPG ดี?

• เลือก png เมื่อ: คุณต้องการนำภาพไป "วิเคราะห์ต่อ (Analysis)" เพราะค่าสีทุกพิกเซลจะเหมือนต้นฉบับเป๊ะๆ ไม่เพี้ยน
• เลือก jpg เมื่อ: คุณต้องการ "ความเร็ว (Speed)" หรือประหยัดพื้นที่ฮาร์ดดิสก์ เช่น การบันทึกภาพจากกล้องวงจรปิดตลอด 24 ชม.

ระวัง! พื้นที่เต็ม (Disk Space)

หากคุณต่อโหนดนี้เข้ากับกล้องวีดีโอที่ส่งภาพมา 30 เฟรมต่อวินาที (30 FPS) โปรแกรมจะ "บันทึกรัว 30 รูปทุกวินาที"

• ฮาร์ดดิสก์ของคุณอาจจะเต็มอย่างรวดเร็ว!
• ข้อแนะนำ: ควรใช้ร่วมกับโหนด Timer หรือตัว Logic อื่นๆ เพื่อสั่งให้บันทึกเป็นระยะๆ (เช่น ทุก 5 วินาที) แทนการบันทึกตลอดเวลา

Performance Tip

การเขียนไฟล์ลง Disk เป็นกระบวนการที่ช้า (I/O Operation)

• หากระบบของคุณต้องการความเร็วสูง (High Speed Real-time) การใส่โหนด Save Image ไว้อาจทำให้โปรแกรมโดยรวม "กระตุกหรือช้าลง" ได้
• แนะนำให้เลือกใช้ jpg หากต้องการความเร็วในการบันทึกที่มากกว่า png

- Info Concatenate:

Info Concatenate คือโหนดสำหรับการนำข้อมูลประเภทข้อความ (String/Text) หรือข้อมูลทั่วไป 2 ชุด มาเชื่อมต่อกันเป็นชุดเดียว (Join) นิยมใช้ในการสร้างข้อความแบบไดนามิก เช่น การสร้างชื่อไฟล์ที่ประกอบด้วย "ชื่อกล้อง" + "วันเวลา" หรือการรวมข้อมูล Sensor เพื่อส่งออกรายงาน

Visual Interface คือหน้าตาของโหนดบน Workspace ที่แสดงตำแหน่งการเชื่อมต่อสายข้อมูล

ตารางจุดเชื่อมต่อ (Port Connections)

Port Name	Type	Direction	คำอธิบาย
Inf	Info / String	Input (ซ้ายบน)	ข้อมูลส่วนแรก (Prefix) (เช่น คำว่า "Camera1_")
Inf	Info / String	Input (ซ้ายกลาง)	ข้อมูลส่วนหลัง (Suffix) (เช่น ข้อมูลเวลา "12:00:00")
Syc	Sync / Signal	Input (ซ้ายล่าง)	ช่องรับสัญญาณกระตุ้น (ใช้สำหรับสั่งให้โหนดเริ่มทำงาน ณ จังหวะเวลาที่กำหนด)
Inf	Info / String	Output (ขวา)	ผลลัพธ์ข้อความที่รวมกันแล้ว (เช่น "Camera1_12:00:00" ส่งต่อไปยังโหนดอื่น)

---

ลำดับการเชื่อมต่อ (Concatenation Order)

โปรแกรมจะนำข้อมูลมาต่อกันตามลำดับจาก "บนลงล่าง" เสมอ

• Input บน (Inf 1) + Input ล่าง (Inf 2) = Output
• หากคุณต้องการเปลี่ยนลำดับคำ (เช่น เอาเวลาขึ้นก่อน) ให้สลับสายที่เสียบเข้า Input ทั้งสองช่องครับ

ชนิดข้อมูล (Data Types)

แม้ช่องจะเขียนว่า Inf (Information) แต่โหนดนี้จะพยายามแปลงข้อมูลทุกอย่างที่ส่งเข้ามาให้เป็น "ข้อความ (String)" โดยอัตโนมัติ ดังนั้นคุณสามารถเอาตัวเลข (Int/Float) มาเสียบต่อกับข้อความได้เลยโดยไม่ต้องแปลงค่าก่อนครับ

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	4	เลขประจำตัวลำดับของโหนด
Caption	Info Concatenate	ชื่อโหนดที่แสดงผลบน Workspace
(ไม่มีการตั้งค่าเพิ่มเติม)	-	โหนดนี้ทำงานโดยรับ Input เข้ามาและส่ง Output ออกไปโดยตรง ไม่มีการปรับจูนค่าภายใน

---

Use Case: การตั้งชื่อไฟล์ภาพอัตโนมัติ

หากคุณใช้โหนดนี้ร่วมกับ CV Save Image:

1. Input 1: รับค่า "Cam1_" (ข้อความตายตัว)
2. Input 2: รับค่าจากโหนด Timer หรือ Clock (เช่น "12-30-55")
3. Process: โหนดจะรวมร่างกันเป็น "Cam1_12-30-55"
4. Output: ส่งไปเข้าช่อง Inf ของโหนด CV Save Image เพื่อใช้เป็นชื่อไฟล์

ลำดับการต่อสาย

เนื่องจากโหนดนี้ไม่มีตัวเลือกให้สลับตำแหน่งข้อมูล

• โปรแกรมมักจะยึดตามลำดับของ Port Input (บน/ล่าง) เป็นหลัก
• ควรตรวจสอบให้แน่ใจว่าคุณต่อสายข้อมูลส่วนหน้า (Prefix) และส่วนหลัง (Suffix) เข้าถูกช่อง เพื่อให้ข้อความเรียงกันถูกต้อง

- Call External Command:

Call External Command คือโหนดสำหรับการสั่งรันโปรแกรมภายนอก, สคริปต์, หรือคำสั่ง Command Line (Shell/Terminal) จากภายในตัวระบบ Flow ช่วยให้สามารถขยายขีดความสามารถของโปรแกรมด้วยการเชื่อมต่อกับระบบปฏิบัติการหรือภาษาโปรแกรมอื่นๆ ได้

Visual Interface คือหน้าตาของโหนดบน Workspace ที่แสดงตำแหน่งการเชื่อมต่อสายสัญญาณ

ตารางจุดเชื่อมต่อ (Port Connections)

Port Name	Type	Direction	คำอธิบาย
Syc	Sync / Signal	Input (ซ้าย)	ช่องรับสัญญาณกระตุ้น (เมื่อมีสัญญาณเข้ามา โหนดจะเริ่มรันคำสั่งภายนอกทันที)
(Output)	Sync / Signal	Output (ขวา)	ช่องส่งสัญญาณบอกว่า "รันคำสั่งเสร็จแล้ว" (จุดสีเทาทางขวา จะส่งสัญญาณออกไปเมื่อคำสั่ง External Command ทำงานจบ)

---

การทำงานแบบ Synchronous (Blocking)

โหนดนี้ทำงานแบบ "รอจนเสร็จ" ครับ

1. สัญญาณเข้าช่อง Syc (Input)
2. ระบบรันคำสั่งภายนอก (เช่น รัน Script Python)
3. ...ระบบจะหยุดรอ (Wait)... จนกว่า Script นั้นจะทำงานเสร็จ
4. สัญญาณจึงจะออกจากช่อง Output ไปยังโหนดถัดไป

ดังนั้น: หากคำสั่งภายนอกใช้เวลานาน (เช่น 1 นาที) โปรแกรม Flow ของคุณก็จะหยุดค้างรอ 1 นาทีเช่นกันครับ

การนำไปใช้งาน

เหมาะสำหรับใช้ "สั่งงาน" เมื่อเกิดเหตุการณ์บางอย่าง เช่น:

• เมื่อตรวจเจอผู้บุกรุก: ส่งสัญญาณจากโหนด Detect ไปเข้า Syc ของโหนดนี้ เพื่อรันสคริปต์แจ้งเตือน Line Notify หรือเปิดไซเรน
• เมื่อจบกระบวนการ: รันสคริปต์ Cleanup หรืออัปโหลด Log ขึ้น Server

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	5	เลขประจำตัวลำดับของโหนด
Caption	Call External Command	ชื่อโหนดที่แสดงผลบน Workspace
External Command	(ว่าง)	คำสั่งหลักหรือโปรแกรมที่ต้องการเรียกใช้งาน (เช่น python3, bash, cmd, หรือ Path เต็มของโปรแกรม .exe)
Arguments	(ว่าง)	พารามิเตอร์หรือตัวแปรที่จะส่งต่อให้คำสั่งนั้น (เช่น ชื่อไฟล์สคริปต์ main.py หรือออปชัน --verbose)

---

Use Case: การเรียกใช้ Python Script

หากคุณต้องการให้โหนดนี้รันโค้ด Python AI ที่คุณเขียนเองแยกต่างหาก:

• External Command: /usr/bin/python3 (ระบุตัวรัน)
• Arguments: /home/pi/my_ai_script.py (ระบุไฟล์สคริปต์)

ผลลัพธ์: เมื่อสัญญาณวิ่งมาถึงโหนดนี้ ระบบจะไปปลุก Python ให้รันสคริปต์ดังกล่าวทันที

ข้อควรระวัง (Best Practices)

1. Full Path: ควรใช้ที่อยู่ไฟล์แบบเต็มเสมอ (Absolute Path) เช่น C:/MyProject/run.exe แทนการใช้แค่ run.exe เพื่อกันปัญหาหาไฟล์ไม่เจอ
2. Blocking: โดยปกติการเรียกคำสั่งภายนอกจะทำให้ระบบหลัก "ค้างรอ (Block)" จนกว่าคำสั่งนั้นจะทำเสร็จ หากสคริปต์คุณใช้เวลาทำงานนาน (เช่น 10 วินาที) โปรแกรมหลักก็จะค้างไป 10 วินาทีเช่นกัน

18. cv::Mat Operations (การจัดการข้อมูล Matrix)

การจัดการข้อมูลดิบของภาพ (OpenCV Matrix)

- CV Sum:

CV Sum คือโหนดสำหรับการ "บวก" ค่าสีของพิกเซลเข้าด้วยกัน (Addition) ระหว่างภาพ 2 ภาพ หรือ ภาพกับค่าคงที่ ผลลัพธ์ที่ได้มักจะทำให้ภาพ "สว่างขึ้น" หรือใช้ในการซ้อนภาพแบบเน้นความเข้มของแสง (เช่น การทำ Light Effects)

ตารางการตั้งค่า (Properties)

Property	Default	คำอธิบาย
Node ID	6	เลขประจำตัวลำดับของโหนด
Caption	CV Sum	ชื่อโหนดที่แสดงผลบน Workspace
(ไม่มีการตั้งค่าเพิ่มเติม)	-	โหนดนี้ทำงานแบบอัตโนมัติ โดยขึ้นอยู่กับ Input ที่ส่งเข้ามาเชื่อมต่อ 2 ช่องเท่านั้น

---

เกร็ดความรู้: การบวกแบบอิ่มตัว (Saturated Addition)

ในระบบ OpenCV การบวกสีจะไม่เหมือนคณิตศาสตร์ทั่วไป

• คณิตศาสตร์ทั่วไป: $250 + 10 = 260$ (เกิน 255)
• OpenCV (Saturated): $250 + 10 = 255$ (ตันที่ค่าสูงสุด ไม่วนกลับไปเริ่ม 0)
• ผลลัพธ์: ทำให้ภาพดูสว่างจ้าขึ้น หรือขาวโพลนในส่วนที่สว่างอยู่แล้ว แทนที่จะเกิดภาพเพี้ยน (Noise)

ข้อควรระวังในการต่อสาย

โหนดนี้ต้องการ Input 2 อย่าง เพื่อนำมาบวกกัน:

1. Image A + Image B: ภาพต้องมี "ขนาดเท่ากัน (Width/Height)" และ "ประเภทสีเหมือนกัน (Channel)" เท่านั้น ถึงจะบวกกันได้
2. Image + Scalar (สีเดียว): เป็นการบวกค่าความสว่างเข้าไปในทุกพิกเซล (ทำให้ภาพสว่างขึ้นทั้งภาพ)