lddx_123456的博客

点云预处理点云特征缺陷检测几何拟合变换位姿等计算焊缝其他待分类知识点说明复现Gocator（3D）2D测量相关。

学习【机器视觉算法与应用】中一维边缘提取算法，并通过Qt + Opencv + C++实现

基于Tukey权重函数的圆拟合

机器视觉算法与应用--加权Tukey直线拟合

本文中的端点和节点的获取是依据论文《一种有效的骨架毛刺去除算法》中的内容提取的。蓝色线条：毛刺（根据长度定义）《一种有效的骨架毛刺去除算法》

旋转中心，只要机械手或是平台没有动，没有拆卸，旋转中心是机构的一个固定的点。也就是调整贴合物体的角度的时候，因为旋转带来了XY的偏移。多次拍照贴合可以避免标定中心。流程：先拍照，调角度，然后再拍照，在校准中心（旋转带来的偏差第二次拍照获得），则不需要标定旋转中心。如果单次贴合，也就是拍照一次，纠正XY角度，则需要标定旋转中心。：发送给机器人的补偿量。

提取二值图像中目标物轮廓，将闭合的轮廓填充作为填充后结果。

基于柱状图的最大内接矩形检测

圆环展开为矩形

通过C++ & Opencv实现Halcon的Variation Model。

通过Qt+Opencv实现简单的二维排序

基于图像细化算法的最大内接圆检测

四种简单的评价指标，分别是Brenner梯度法、Tenegrad梯度法、laplace梯度法、方差法。

参考的文章提出了一种有效的不基于霍夫变换（HT）的随机圆检测算法（RCD）。提出的RCD的主要概念是，首先在图像中随机选择4个边缘像素，并定义一个距离准则来确定图像中是否存在可能的圆；在找到一个可能的圆后，应用证据收集过程来进一步确定可能的圆是否为真实的圆。对一些不同噪声水平的合成图像和一些含有一些遮挡圆和缺失边的圆形物体的真实图像进行了性能测试。实验结果表明，在光水平和中等水平之间的噪声水平上，所提出的RCD比其他基于HT的方法更快。

该方法是一种快速的图像细化并行算法。

C++ Opencv Qt 区域生长

分裂合并

Alpha Shape 2D

基于C++和Opencv的实现：Delaunary+Alpha Shape

2D图像处理中平常使用的一些内容汇总。