工业&物联网
文章平均质量分 72
物联网相关知识
超级D洋葱
人生苦短,我用Python!
展开
-
Kinco步科伺服CANopen通讯控制
文章目录01 步科伺服基本说明02 CANopen之SDO使用03 CANopen之PDO使用01 步科伺服基本说明波特率设置:帮助:CAN波特率CAN波特率设置100:1M 50:500k 25:250k 12:125k 5: 50k02 CANopen之SDO使用使用PCAN-View发送数据:03 CANopen之PDO使用...原创 2021-02-22 11:09:06 · 4077 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》数学形态学四原则——学习笔记
文章目录形态学四原则形态学四原则在实际应用问题中,需要对图像理解中的可能出现的形态学变换加以限制。人类对空间结构(spatial structure)有一个直觉上的理解。要对物体进行客观描述外,科学家们还需要一个量化描述。产生量化结果的形态学方法主要有两个步骤:(a)几何变换和(b)真实测量。一个形态学变换称为是量化的,若它满足如下四条原则:1. 与平移相容2. 与尺度缩放相容3. 局部知识4. 上部半连通:上部半边通原则规定形态学变换不能有任何突变。...原创 2020-06-12 09:25:21 · 384 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 摄像机 相机概述——学习笔记
文章目录摄像机概述光敏传感器CCDCMOS黑白摄像机模拟摄像机数字摄像机对比彩色摄像机摄像机概述光敏传感器常见的摄像机(摄像头) 中的光敏传感器可分为两组:基于光发射(photo-emission )原理的传感器利用光电效应。传入辐射携带的外部光子带有足以激发自由电子的能量。这种现象在金属中最强烈。在图像分析相关应用中,它被用于光电倍增管和真空管电视摄像 机中。基于光伏(photovoltaic)原理的传感器随着半导体的发展而广泛使用。光子的能量引起电子从价电带 改变为导电带。传入的光子数量影响原创 2020-06-09 22:08:09 · 1289 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》图像分析的数据结构——学习笔记
文章目录图像数据表示的层次传统图像数据结构矩阵共生矩阵积分图像链拓扑数据结构关系结构分层数据结构金字塔四叉树数据和算法是任何程序的两个核心部分。数据的组织通常在很大程度上影响着算法的选择和实现的简洁性, 因此,在写程序时数据结构的选择是一个重要问题。首先处理在图像分析任务中的信息表示的基本层次, 然后来讨论传统的数据结构, 包括矩阵、 链、 关系结构。 最后我们要考虑分层数据结构, 如金字塔和四叉树。图像数据表示的层次计算机视觉感知的目的是寻找输入图像与真实世界之间的关系。计算机视觉由如下的设计所组原创 2020-06-10 16:27:54 · 1873 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》图像形成物理——学习笔记
文章目录作为随机过程的图像图像形成物理作为辐射测量的图像图像获取与几何光学镜头像差和径向畸变从辐射学角度看图像获取表面反射作为随机过程的图像由于随机变化和噪声的原因,图像在本质上是统计性的,有时将图像的数作为随机过程的实现米看待有其优越性。这时有关图像的信息量和冗余性的问题可以用概率分布来问答,将概率特征简化为均值、离差(dispersion)、相关函数等。随机过程(stochastic process) (随机场)是随机变量概念的推广。k阶概率分布函数在实际中通常不用。它们表达的是很多事件间的复原创 2020-06-10 15:09:37 · 1086 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》图像分割之阈值化——学习笔记
文章目录阈值化阈值检测方法最优阈值化Otsu 算法多光谱阈值化在对处理后的图像数据进行分析之前,图像分割是最重要的步骤之一,它的主要目标是将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分。可以将目标定位于完全分割,其结果是一组唯一对应于输入图像中物休的互不相交的区域;也可以将目标定位于部分分割,其中区域并不直接对应于图像物体。为了完成该分割,通常必须与使用有关问题领域专门知识的较高层次处理相协作。但是,有完整的一类分割问题可以仅用低层处理就可以成功地解决。在这种情况下,通常图像由在均匀原创 2020-06-11 09:04:15 · 1294 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》图像预处理——学习笔记
文章目录像素亮度变换位置相关的亮度校正灰度级变换直方图均衡化几何变换像素坐标变换亮度插值预处理是指在处于最低抽象层次的图像上所进行的操作, 这时处理的输入和输出都是亮度图像。这些图像与传感器抓取到的原始数据是同类的, 通常是用亮度值矩阵表示亮度图像。预处理并不会增加图像的信息量。如果信息用烟来度量, 预处理一般都会降低熵。那么,从信息理论的角度来看,最好的预处理是没有预处理:毫无疑问,避免(消除) 预处理的最好途径是着力于 高质量的图像获取。尽管如此,预处理在很多情况下是非常有用的,因为它有助于抑制与原创 2020-06-10 20:53:55 · 1405 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》图像分割之基于区域分割——学习笔记
文章目录1. 区域归并2. 区域分裂3. 分裂与归并4. 分水岭分割5. 区域增长后处理匹配1. 模板匹配2. 模板匹配的控制策略分割的评测问题1. 监督式评测2. 非监督式评测从区域的边界构造区域以及检测存在的区域的边界是容易做到的。然而, 由基于边缘的方法产生的分割 和由区域增长方法得到分割, 通常并不总是相同的,将其结果结合起来很可能对它们二者都有提升。区域增长技术在有噪声的图像中 」般会更好些,其中的边界非常难以检测。一致性是区域的一个重要性质,在区域增氏中用作主要的分割准则,它的基本思想是将图原创 2020-06-11 10:02:31 · 1573 阅读 · 0 评论 -
《数字图像处理 冈萨雷斯》灰度变换与空间滤波——学习笔记
文章目录背景知识灰度变换和空间滤波基础关于本章中的例子一些基本的灰度变换函数图像反转对数变换伽马变换分段线性变换函数直方图处理直方图均衡空间滤波基础平滑空间滤波器术语空间域指图像平面本身, 这类图像处理方法直接以图像中的像素操作为基础。背景知识灰度变换和空间滤波基础关于本章中的例子虽然灰度变换和空间滤波覆盖了相当宽的应用也围, 但本章中的多数例子是图像增强应用。然而, 不管应用或使用过的方法, 图像增强是视觉上最具吸引力的图像处理领域之一。 理所当然地, 图像处理的初学者通常会寻找重要的旦理原创 2020-06-08 21:52:41 · 867 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 彩色图像 色彩空间——学习笔记
人的色彩感知在电磁辐射的波长这一客观的物理性质基础上加了一主观层次。因此,色彩可以认为是一 种心理物理现象。色彩长期用于绘画、摄影和影片中,将周围世界以类似于其在真实中所被感知的方式展示给人。在绝对意义下,人类的视觉系统对 于感知色彩并不十分精确;如果想精确地表达色彩概念,我们会使用较为常用的色彩来描述它,而这些色彩被用作标准:作为一个例子,想想英国公共电话亭的红色。原创 2020-06-09 21:05:59 · 806 阅读 · 0 评论 -
《数字图像处理 冈萨雷斯》绪论——学习笔记
文章目录第一章 绪论1.1 什么是数字图像处理1.3 使用数字图像处理领域的实例1.3.1 伽马射线成像1.3.2 X射线成像1.3.3 紫外波段成像1.3.4 可见光及红外波段成像1.3.5 微波波段成像1.3.6 无线电波段成像1.3.7 使用其他成像方式的例子1.4 数字图像处理的基本步骤1.5 图像处理系统的组成小结第一章 绪论数字图像处理方法的重要性源于两个主要应用领域:改善图示信息以便人们解择;为存储 、 传输和表示而对图像数据进行处理, 以便于机器自动理解。1.1 什么是数字图像处理一原创 2020-06-08 20:21:29 · 843 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》数学形态学基本概念——学习笔记
文章目录形态学基本概念形态学基本概念数学形态学作为图像分析的一个分支被广泛接受, 其基础是作用于物体形状的非线性算子的代数,它在很多方面都要优于基于卷积的线性代数系统。 在很多领域中, 如预处理、 基于物体形状分割、 物体量化等,与其他标准算法相比, 形态学方法都有更好的结果和更快的速度。数学形态学通常用在那些处理物体形状, 且对处理速度有一定要求的应用问题中。例如:显微镜图像分析、 工业检验、 视觉特征识别和文档分析等。非形态学的图像处理方法是与微积分相关的,基于逐点展开的函数概念和诸如卷积的线性原创 2020-06-12 09:13:56 · 530 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 图像及其数学与物理背景概述——学习笔记
本章共分为三部分:1. 图像及其数学与物理背景概述;2. 积分线性变换,提供一种不同的领悟图像的方法,常用于分析中;3. 概率方法,当图像不能确定性地表达时这是必需的,这时图像被理解为随机过程的实现;4. 图像形成的物理学;原创 2020-06-10 08:50:03 · 422 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 图像概念和数字化——学习笔记
图像和信号常用数学模型来描述。对于单色的图像, 一个标量函数可能就足够,但是对于诸如由三个分量组成的彩色图像, 就需要使用矢量函数。函数可以分为连续的、离散的或数字的。连续函数具有连续的定义和值域;如果定义域是离散的,我们得到的都是离散函数;而如果值域也是离散的,我们就得到数字函数。原创 2020-06-09 15:21:58 · 995 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 图像积分线性变换2——学习笔记
文章目录离散余弦变换小波变换本征分析奇异值分解主向量分析Radon变换离散余弦变换离散余钱变换(OCT)是积分线性变换, 与离散傅里I叶变换(OFT)相似[Rao and Yip, 1990]。 在lD, 以递增的频率的余弦为基的数用于展开函数:展开是这些基函数的 线性组合,这样的展开 用实数就足够了(而 傅里叶变换需要复数)。 DCT展开大致对应于使用偶对称函数的两倍长度的OFT。与OFT相似,OCT作用于有限长度的函数样本上,该函数的周期性延拓为作OCT(或OFT)展开所必需。DCT比DFT要求更原创 2020-06-10 14:23:30 · 737 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》局部预处理——学习笔记
文章目录图像平滑边缘检测算子二阶导数过零点图像处理中的尺度Canny边缘提取参数化边缘模型多光谱图像中的边缘频域的局部预处理用局部预处理算子做线检测角点(兴趣点)检测图像复原容易复原的退化总结根据处理的目的,可以将用部预处理方法分为两组。平滑(smoothing) 目的在于抑制噪声或其他小的波动,这等同于在傅里叶变换域抑制高频部分。不幸的是平滑也会模糊所有的含有图像重要信息的明显边缘。梯度算子(gradient operators) 基于图像函数的局部导数。导数在阁像函数快速变化的位直处较大,梯 度原创 2020-06-10 21:44:55 · 901 阅读 · 0 评论 -
《数字图像处理 冈萨雷斯》数字图像基础——学习笔记
文章目录引言视觉感知要素人眼的结构眼睛中图像的形成亮度适应和辨别光和电磁波谱图像感知和获取使用单个传感器获取图像使用条带传感器获取图像使用传感器阵列获取图像图像取样和量化取样和量化的基本概念数字图像表示空间和灰度分辨率图像内插像素间的一些基本关系相邻元素邻接性、连通性、区域和边界距离度量数字图像处理中所用数学工具的介绍阵列与矩阵操作线性操作与非线性操作算数操作集合和逻辑操作空间操作向量与矩阵操作图像变换概率方法引言本章的主要目的是介绍本书所用到的数字图像处理的一些基本概念。视觉感知要素虽然数字图像处原创 2020-06-08 21:35:06 · 1325 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 图像积分线性变换1——学习笔记
在图像处理中经常使用积分线性变换。使用这种变换时,图像被当作线性(矢量) 空间米处理。常使用图像函数的两个基本表达:空域 (spatial domain) 和频域 (frequency domain) (频谱)。在后一种情况下,图像表达为某种积分线性变换的 一组基函数的线性组合。高级的信号/图像处理超越了线性运算,这些非线性处理技术主要用于空域中。原创 2020-06-10 10:35:59 · 1280 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》 数字图像性质——学习笔记
数字图像具有一些度量和拓扑性质, 与我们在基础微积分中所熟悉的连续二维凶数的性质有所不同。 另一个不同点在于人对图像的感知, 因为对图像质量的判断也是重要的。原创 2020-06-09 16:18:33 · 1591 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》形态学 二值膨胀和腐蚀——学习笔记
文章目录二值膨胀和腐蚀膨胀腐蚀击中击不中变换开运算和闭运算二值膨胀和腐蚀黑白点的集合构成了二值图像。假定只考虑黑色像素,其余部分认为是背景。基本的形态学变换是膨胀和腐蚀,由这两个变换可以衍生出更多的形态学运算,如开运算、闭运算和形状分解,等等。膨胀形态学变换 膨胀 采用向量加法对两个几何进行合并。膨胀 A+B 是所有向量加之和的集合。在这个例子中, 膨胀是一种各向同性的(isotropic) 扩张(在所有方向七的行为相同 )。 这种操作有时还被称为 填充(fill) 或 生长(grow) 。原创 2020-06-12 09:50:25 · 1936 阅读 · 0 评论 -
《图像处理、分析与机器视觉 第四版》引言 - 学习笔记
视觉使人类得以感知和理解周边的世界。相应地,计算机视觉的目标是通过电子化感知和理解图像复制人类视觉的效果 。图像获取、 前期处理、分割、 模型拟合、运动预测、定性/定量结论,都体现了图像理解和计算机视觉问题的特征。原创 2020-06-09 11:30:28 · 794 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之边缘提取——学习笔记
3.7 边缘提取如果阈值选定错误,由于从前景灰度值到背景灰度值是平滑过渡的,那么提取出来的物体将通常会变得更大或者更 小。当光照改变时,这个问题尤其严重,因为此时要求阔值必须非常准确地适应改变后的照明情况。原创 2020-06-07 21:24:56 · 1419 阅读 · 0 评论 -
《机器视觉算法与应用》第2章 图像采集之相机——学习笔记
文章目录2.3 相机2.3.1 CCD传感器2.3.2 CMOS传感器2.3.3 彩色相机2.3.4 传感器尺寸2.3.5 相机性能2.3 相机相机的作用是将通过镜头聚焦于像平面的光线生成图像。相机中最重要的组成部件是数字传感器。2.3.1 CCD传感器电荷耦合器件图像传感器CCD(Charge Coupled Device),它使用一种高感光度的半导体材料制成,能把光线转变成电荷,通过模数转换器芯片转换成数字信号,数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存,因而可以轻而易举地把数据原创 2020-06-07 20:58:34 · 1184 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之数据结构——学习笔记
3.1 数据结构在深入研究机器视觉算法之前,我们必须分析机器视觉应用中涉及到的基本数据结构。本节介绍表示图像,区域和亚像素轮廓的数据结构。原创 2020-06-07 21:18:43 · 1070 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之相机标定——学习笔记
3.9 摄像机标定摄像机标定是准确测量目标物体的必要过程。每个镜头的畸变程度各不相同,通过摄像机标定就可以校正这种镜头畸变。另外在摄像机标定后就可以得到在世界坐标系中目标物体米制单位的坐标,例如多少米或多少毫米。由于在前面的章节中我们已经描述过进行几何摄像机标定时需要使用的方法,在这章我们将讨论如何实现摄像机标定。原创 2020-06-07 21:25:34 · 3152 阅读 · 1 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之图像增强——学习笔记
3.2 图像增强在第2章中讲述了提高采集图像的质量的各种途径。光源,镜头,相机,图像采集卡等都起到了至关重要的作用。尽管我们尽力来选择最佳的硬件设置,但是有时图像还是不够好,因此,本节我们将介绍几种通用的图像增强技术。原创 2020-06-07 21:20:02 · 2277 阅读 · 0 评论 -
《机器视觉算法与应用》第1章 简介——学习笔记
文章目录封面1 简介封面1 简介由于对产品质量记录及可追溯性文档的需求越来越多,机器视觉已成为生产过程中关键技术之一。在机器或生产线上,机器视觉可以检测产品质量以便将不合格产品剔除,或者指导机器人完成组装工作,因此,机器视觉与整个系统密切相关。下面举几个常见的、必须有机器视觉系统参与的任务:目标识别位置探测完整性检测形状和尺寸检测表面检测机器视觉是多学科交叉的技术,开发机器视觉系统的团队需要机械工程、电子工程、光学工程及软件工程等多方面的经验本书将介绍机器视觉系统从图像中得到原创 2020-06-07 19:27:22 · 801 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之图像分割——学习笔记
3.4 图像分割前面我们已经讲到将一幅图像变换为另一幅图像的操作。但这些操作不能为我们提供图像中所包含物体的信息。为得到图像中的物体 信息,我们必须进行图像分割,即提取图像中与感兴趣物体相对应的那些区域。描述的更正式些,分割操作以一幅图像作为输入而返回一个或多个区域或亚像素轮廓作为输出。原创 2020-06-07 21:22:33 · 3149 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之立体重构——学习笔记
3.11 模板匹配进行真正的三维重构我们必须至少使用从不同角度拍摄同样场景的两幅图像。典型情况下,这两幅图像通过两个摄像机在不同位置上同时拍摄得到。这个过程就是立体重构。在这节中,我们将主要分析使用两个摄像机的情况,也就是双目立体视觉。在本节中,我们假设摄像机都已经经过标定,也就是说摄像机的内参以及两个摄像机之间的相对位姿关系都已知。能使用来标定的摄像机进行三维虽重构也可以实现,但这种方法还没有应用到工业应用中。原创 2020-06-07 21:26:16 · 1103 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之模板匹配——学习笔记
3.11 模板匹配前面的章节中我们讨论了各种各 样的技术,将这些技术合理组合就可以实现在一幅图像中搜索目标物体的算法。虽然从理论上讲使用这些技术可以用来搜索所有类型的物体,但对某种特殊类型的物体来说,实现一个可靠的识别算法是非常复杂的。原创 2020-06-08 08:33:10 · 4450 阅读 · 1 评论 -
海康威视MV-CA060-11 GM工业相机首次安装与MVS客户端操作
文章目录1.系统介绍1.1 相机 海康威视 MV-CA060-11 GM 黑白相机1.2 WOLOS工业相机镜头WL2808-6MP 600万像素定焦8mm原装1/1.8镜头1.3 软件介绍:机器视觉工业相机客户端MVS V3.2.1(Windows)1.4 主机与相机IP设置1.4.1 主机IP设置1.4.2 相机IP设置1.5 打开相机进行测试1.系统介绍硬件整体预览1.1 相机 海康威视 MV-CA060-11 GM 黑白相机1.2 WOLOS工业相机镜头WL2808-6MP 600万像原创 2020-06-05 20:43:13 · 27329 阅读 · 10 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之几何基元的分割和拟合——学习笔记
3.8 几何基元的分割和拟合本节我们将讨论将轮廓数据拟合成几何基元的方法。我们仅讨论最相关的几种几何基元:直线、圆和椭圆。 此外, 我们还将分析如何将轮廓自动分割成多个部分,每部分都有相对应的几何基元。这能让我们充分地减小需要被处理的数据量,并给我们提供一种数据的符号化描述方式。原创 2020-06-08 08:32:17 · 2806 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法目录——学习笔记
文章目录3.1数据结构3.2图像增强3.3几何变换3.4图像分割3.5特征提取3.6形态学3.7边缘提取3.8几何基元的分割和拟合3.9摄像机标定3.10立体重构3.11模板匹配3.12光学字符识别(OCR)暂时这样,后面加链接3.1数据结构3.2图像增强3.3几何变换3.4图像分割3.5特征提取3.6形态学3.7边缘提取3.8几何基元的分割和拟合3.9摄像机标定3.10立体重构3.11模板匹配3.12光学字符识别(OCR)...原创 2020-06-07 21:16:21 · 736 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之特征提取——学习笔记
3.5 特征提取尽管区域和轮廓非常有用但它们有时还是不够用的,因为它们只包含对分割结果的原始描述。通常,我们必须从分割结果中选出某些区域或轮廓, 比如,为了去除分割结果中不想要的部分。原创 2020-06-07 21:23:24 · 1620 阅读 · 0 评论 -
《机器视觉算法与应用》第2章 图像采集之相机-计算机接口——学习笔记
文章目录USB2.0USB3.0IEEE1394GigECamera linkCoaXPress转载于:http://www.elecfans.com/dianzichangshi/20171117581055.html面对市面上出现的越来越多的工业相机品牌,各相机厂商都给出了大量的相机参数,例如:相机接口、芯片类型、量子效应、帧率等。一般非行业内人士,在面对这些参数时往往会无所适从。湖南科天健光电技术有限公司根据长期的相机使用经验,同时结合这么多年和客户接触的情况,为大家总结出目前使用比较广泛的工业相转载 2020-06-07 21:05:12 · 1187 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之光学字符识别(OCR)——学习笔记
3.12 光学字符识别(OCR)在非常多的应用中都需要将检测对象上印刷的字符识别出来。例如,产品的可追溯性经常需要在每个产品上贴上一个序列号,因此我们必须读取这个序列号。在其他某些应用中,可能必须通过读取序列号来控制生产流程。原创 2020-06-07 21:27:38 · 1792 阅读 · 0 评论 -
《机器视觉算法与应用》第3章 机器视觉算法之几何变换——学习笔记
3.3 几何变换在许多应用中,并不能保证被测物在图像中总是处于同样的位置和方向。 所以,检测算法必须能够应对这种位置的变化。 因此, 首先要解决的问题就是检测出被测物的位置和方向,即被测物的位姿。这将在本章后续几节中进行介绍。为在本节中讨论方便,我们先假设位姿已知。此时,调整物体到检测所需位姿的最简单方法就是对 ROI的位姿进行适当的调整。原创 2020-06-07 21:20:59 · 814 阅读 · 0 评论 -
《机器视觉算法与应用》第2章 图像采集之镜头——学习笔记
2.2 镜头镜头是一种光学设备,用于聚集光线在摄像机内部成像。2.2.1 针孔摄像机2.2.2 高斯光学折射原理:根据近轴近似可以得到高斯光学,在高丝光学中同心光束通过由球面透镜构成的镜头后又汇聚到一点。光学系统设计的目的就是使得镜头的结构在满足高斯光学的基础上使入射角足够大,以满足实际应用。2.2.3 景深2.2.4 远心镜头光学镜头有很多的品类,远心镜头便是其中的一种,远心镜头可以分为物方远心镜头、像方远心镜头和双侧远心镜头,但是很多人却不清楚这三者的特点,经原创 2020-06-07 20:34:37 · 1093 阅读 · 1 评论 -
《深度学习+传统机器视觉:下一代工业视觉检测技术路线》
转载于:https://www.bilibili.com/video/BV177411f79u?t=2483[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WPgYWOJU-1590921560503)(《深度学习+传统机器视觉》:下一代工业视觉检测技术路线.assets/image-20200531182048660.png)]...转载 2020-05-31 18:41:26 · 2119 阅读 · 0 评论 -
《机器视觉算法与应用》第2章 图像采集之照明——学习笔记
文章目录2.图像采集2.1 照明2.1.1 电磁辐射2.1.2 光源类型2.1.3 光与被测物间的相互作用2.1.4 利用照明的光谱2.1.5 利用照明的方向性2.图像采集2.1 照明机器视觉中照明的目的是使被测物的重要特征显现,而抑制不需要的特征。我们可以用单色光照射彩色物体以增强被测物相应特征的对比度。照明的角度可以用于增强某些特征。2.1.1 电磁辐射可见光是电磁波谱中人眼可以感知的部分,可见光谱没有精确的范围;一般人的眼睛可以感知的电磁波的频率在380750THz,波长在780~40原创 2020-06-07 20:20:36 · 1526 阅读 · 0 评论