異物檢測是機器視覺中比較重要的一環,同時也是工業視覺中應用很廣泛的一個知識點;
異物檢測手段有很多種,今天主要討論利用halcon差分模型(variation_model)來進行異物檢測,此方法已經過實際項目驗證可行。
https://blog.csdn.net/libaineu2004/article/details/102828588 本篇記錄halcon圖像image、區域region和輪廓xld的相互轉換 一、xld轉region 方法1: ge
每一章是一個單獨的工程,包括使用最新的 OpenCV v2.4, 的C++接口的所有源代碼, 這些代碼由7位作者編寫,他們的博客和開源項目在 OpenCV 社區很有名氣。 章節(包含工程的所有源代碼): - Cartooni
//shadow detection performed per pixel // should work for rgb data, could be usefull for gray scale and depth data as w
我使用的opencv版本是249的,因爲感覺使用VideoCapture類來控制攝像頭輸出圖像並且保存比較容易,所以一直使用這個類,但是卻出現一個問題。 在使用這個類的capture.set(CV_CAP_PROP_FRAME_WIDTH
本文轉載自 Elar的博客,原文鏈接:http://www.cnblogs.com/elaron/archive/2012/10/26/2741511.html 【此文介紹了貝葉斯公式】 現在舉一個例子說明怎麼使用貝葉斯公式來做決策
近期,恩智浦半導體宣佈推出易於使用的泛化機器學習開發環境,用於構建具有高端功能的創新應用。對於恩智浦的從低成本微控制器(MCU)到突破性的跨界i.MX RT處理器和高性能應用處理器等設備,客戶都可以輕鬆實現機器學習功能。機器學習開發環境提
對於工業智能相機開發者來說,由於市場上存在諸多不同類型、不同分辨率和不同圖像失真特性的鏡頭產品可供選擇,因此針對某一特定應用,在選擇鏡頭時進行性價比權衡,變得更加複雜。定焦鏡頭由於成本低廉,仍然是許多機器視覺系統的中流砥柱;同時市場上也存
“AI將執行製造、質量控制、縮短設計時間、減少材料浪費、提高生產再利用率,執行預測性維護等等,儘管人工智能有望從根本上改變很多行業,但該技術非常適合製造業”Ng說。Andrew Ng是深度學習Google Brain項目的創始人兼斯坦福大
上結果: 上原圖: 上代碼: *獲取圖片 read_image (Image, 'D:/HalconWorkplace/img/OCR2.png') get_image_size (Image, Width, Height)
網上移植Opencv到ARM+linux上的教程很多,叫我們如何把OV9650採集的數據傳遞給opencv使用的教程也很多,但是說的模棱兩可,沒有一個確切的說法。我在這裏總結一下。 一般我們OV9650採集的數據得先經過Op
RGB圖像轉換灰度圖像 RGB圖像轉換灰度圖像 1. 前言 2. RGB顏色空間及灰度圖像 3. RGB顏色空間轉換灰度圖像 4. 代碼實現 5. 參考 1. 前言 RGB色彩模型是工業界的一種顏色標準,是通過紅(Red)、綠
RGB顏色空間轉換YCbCr顏色空間 RGB顏色空間轉換YCbCr顏色空間 1. 前言 2. RGB顏色空間轉換YCbCr顏色空間描述 3. 代碼實現 1. 前言 在數字視頻領域通常使用YCbCr顏色空間模型。YCrCb顏色模
上結果: 上原圖: 上代碼: *目標:細分並讀取啤酒瓶上的數字 *準備工作:使用預訓練的字體Universal_0-9_NoRej最簡單。 FontName := 'Universal_0-9_NoRej' *步驟1:細分
上結果: 上原圖: 上代碼: dev_close_window() dev_update_off() read_image (Image, 'D:/HalconWorkplace/img/connection.png')
https://blog.csdn.net/yuanlulu/article/details/82148429 一. 概述 這裏主要記錄自己的一些感悟,不是很系統。想要詳細系統的理論,請參考文末的《圖像處理之特徵提取》。 個人不是專業cv