自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 视觉测量—结构光标定1

结构光标定结构光是一组由投射器(点,线,面)和摄像机组成的系统结构,用投影器投射特定的光信息到物体表面后及背景后,由摄像头采集,根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。结构光标定是实现测量的首要工作,其目的在于确定激光器与摄像机的位置关系。根据测量需求的不同,摄像机与投射器相对位置关系可以统一于外部坐标系或者摄像机坐标系,统一于外部坐标系的标定,往往需要借助高精度测量仪器,而统一于摄像机坐标系,标定过程相对容易,针对具体结构,选择合适的方法。值得注意的是,结合精度

2020-06-20 15:31:40 2156

原创 基于Python图像处理—模板匹配

模板匹配模板匹配是图像处理中最基本、最常用的匹配方法,能够实现对图像中某一特定图案的识别、定位,算法简单,类似于图像的卷积操作,模板匹配的局限性明显,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。匹配算法模板匹配的原理非常简单,模板遍历原图像中的每一个可能的位置,比较各处与模板是否“相似”,当相似度足够高时,就认为找到了我们的目标,评价匹配“好”和“坏”的算法有多种,OpenCV提供了6种模板匹配算法:平方差匹配法:利用平方差来进行匹配,匹配效果越好,匹配值越小。相

2020-06-05 17:58:34 3230

原创 pip版本更新问题

经常运用pip安装第三方库,命令:pip install + 库名,但版本较低,使用pip安装第三方库就会出现报错,WARNING: You are using pip version 20.1, however version 20.1.1 is available.You should consider upgrading via the ‘python -m pip install --upgrade pip’ command.查询到很多版本更新方式,都没有成功,最后尝试这个终于OK啦!cmd窗

2020-05-30 17:36:07 417

原创 视觉测量—相机标定

随着计算机视觉的飞速发展,计算机视觉已经越来越多的应用于空间几何尺寸的精确测量和定位,摄像机作为视觉测量的关键部件,相机标定自然是视觉测量的一项重要工作。1、标定原因在视觉测量过程中,为确定空间物体特征点的三维几何位置与其在图像中对应点之间的相互关系,必须建立建立相机成像几何模型并矫正透镜畸变,几何模型参数可以认为是相机参数,相机标定就是准确获得相机参数的过程。视觉测量分为单目视觉,双目视觉以及多目视觉,其标定方法略有不同,单目标定是基础,以单目标定为例,相机参数可以分为两类,内参和外参,内参有:焦距:

2020-05-25 23:13:09 5610 2

原创 基于Python图像处理—滤波与模糊操作

图像处理过程中,会经常涉及”滤波”和”模糊”,两个概念容易混淆,两个概念既有联系又有区别,简单来说,如果将滤波分为低通滤波和高通滤波,低通就是模糊,高通就是锐化。关于滤波与模糊操作,Opencv中常用函数有以下几种:1、blur()函数(均值滤波)image_output=cv.blur(image, (3, 3))image为输入图像,(3,3)为内核的大小,根据需要调整。2、medianBlur函数(中值滤波)image_output = cv.medianBlur(image, 3)

2020-05-21 18:57:39 1071

原创 基于Python图像处理—像素操作

像素是图像中的最小单位,有些图像处理任务需要对图像的像素直接操作,对Opencv中相关常用函数通过Python实现,此外,涉及一个很重要的数值计算扩展Numpy,比Python自身的嵌套列表结构要高效的多。1、颜色空间颜色空间转换import cv2 as cvimage= cv.imread("image.PNG")hsv= cv.cvtColor(image, cv.COLOR_BGR2HSV)cv.imshow("hsv", hsv)cv.waitKey(0)函数:cvtColor(

2020-05-18 21:56:10 2411

原创 基于Python图像处理—图像读取与储存

基于Python的图像处理实现,编辑器VS Code,配置Python和Opencv,VSCode简洁轻便,支持插件扩展,强烈推荐。1、图像读取import cv2 as cvimage = cv.imread("image.PNG") #读取图像cv.namedWindow("image", cv.WINDOW_AUTOSIZE) #新建显示窗口cv.imshow("image", image) #现实图像cv.waitKey(0) #显示窗口时间其中:namedWindow()中参数1:

2020-05-16 11:56:50 749

原创 视觉测量—相机与镜头选型

相机与镜头选型摄像机作为视觉测量中图像检测与目标跟踪的核心部件,通过图像传感器获得实时图像,使用过程中需要结合具体测量需求,选取参数,规格相符的摄像机与光学镜头,以达到较优的成像和测量效果。一、相机选型目前机器视觉市场上有两种用于工业相机的图像芯片: CCD芯片和CMOS芯片 。两种类型芯片都将光线转换成电子信号,这两种芯片的主要差异在于其底层技术设置,可根据指定相机的实际用途,从两种芯片技术中选择最适合的一种。近年来,CMOS芯片技术已取得巨大进步,在多方面已超越CCD,具有高速度(帧速率)、高分辨

2020-05-14 18:59:20 3958

原创 视觉测量—摄像机成像模型

小孔成像模型工业摄像机作为图像传感器是视觉测量的重要组成部分,能够实现三维空间点与二维图像点的转换关系,通过分析摄像机的成像模型确定两者联系。实际情况中,因为镜头存在畸变,成像模型呈非线性,小孔成像模型是简化后的线性模型,是实际成像模型的基础。坐标系转换关系小孔成像模型如图所示,空间点成像于像平面1,为便于分析,以像平面1的对称面2作为像平面。空间点PPP在世界坐标系下坐标为(xw,yw,zw)(x_w,y_w,z_w)(xw​,yw​,zw​),在摄像机坐标系下坐标为(xc,yc,zc)(x_c,y

2020-05-12 19:07:26 2317

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除