唯有自己强大

摘要： 引言 二值图像分析最常见的一个主要方式就是轮廓发现与轮廓分析，其中轮廓发现的目的是为轮廓分析做准备，经过轮廓分析我们可以得到轮廓各种有用的属性信息。 这里顺带提下边缘检测，和轮廓提取的区别： 边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。如 阅读全文

摘要： 摘要 在机器视觉中，对于图像的处理有时候因为放置的原因导致ROI区域倾斜，这个时候我们会想办法把它纠正为正确的角度视角来，方便下一步的布局分析与文字识别，这个时候通过透视变换就可以取得比较好的裁剪效果。 本次实战，对于图像的矫正使用了两种矫正思路： 针对边缘比较明显的图像，使用基于轮廓提取的矫正算法 阅读全文

摘要： 引言 上篇博文写了关于基于图像分割的产品计数问题（主要还是求解边缘问题）。opencv——机器视觉检测和计数 - 唯有自己强大 - 博客园 (cnblogs.com) 本篇博文就来说一说对于没有粘连的区域分析。用opencv实现halcon中的connection算子（即断开不同的连通域）并获取区域 阅读全文

摘要： 引言 在机器视觉中，有时需要对产品进行检测和计数。其难点无非是对于产品的图像分割。 由于之前网购的维生素片，有时候忘了今天有没有吃过，就想对瓶子里的药片计数...在学习opencv以后，希望实现对于维生素片分割计数算法。本次实战在基于形态学的基础上又衍生出基于距离变换的分水岭算法，使其实现的效果更具 阅读全文

摘要： 摘要 图像几何变换又称为图像空间变换， 它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。几何变换不改变图像的像素值， 只是在图像平面上进行像素的重新安排。 几何变换大致分为仿射变换、投影变换、极坐标变换，完成几何变换需要两个独立的算法过程： 1、一个用来实现空间坐标变换的算法，用它描述每个像 阅读全文

摘要： 引言 在利用OpenCV对图像进行处理时，通常会遇到一个情况，就是只需要对部分感兴趣区域进行处理。因此，如何选取感兴趣区域呢？（其实就是“抠图”）。 在学习opencv的掩码运算后，尝试实现一个类似halcon的reduce_domain功能，对于实现抠图的过程中，需要掌握的要点就是位运算符和cop 阅读全文

摘要： 摘要 我们在图像处理时经常会用到遍历图像像素点的方式，在OpenCV中一般有四种图像遍历的方式，在这里我们通过像素变换的点操作来实现对图像亮度和对比度的调整。 数据格式千万不要搞错:uchar对应的是CV_8U，char对应的是CV_8S，int对应的是CV_32S，float对应的是CV_32F， 阅读全文

摘要： 上一文中讲述了何谓指针 C++的指针总结 - 唯有自己强大 - 博客园 (cnblogs.com) 但是初学C++时，很容易把指针和引用的用法混在一起，下面通过一些示例来说明指针和引用两者之间的差别。 首先，先说一下 什么是引用？ 正如同水浒传中的108位好汉，他们除了各自的名字以外都有一个"绰号" 阅读全文

摘要： 引言 传统的图像增强方法主要分为两方面：空间域和频域。 空间域中增强方法： 直方图均衡化，对比度以及gama增强等（颜色的增强） 均值滤波，高斯滤波（模糊） 局部标准差实现对比度增强（锐化） 频域中增强方法如： 小波变换，在图像的某个变换域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强效果 阅读全文

摘要： halcon中经常用到 测试窗口跟随被测物体对齐 这个思路。 实现流程： 1）读取模板图像 2）创建形状模板 3）自定义测试窗口区域 4）读取待匹配图像，并将测试窗口跟随被测物体对齐 预备知识： 形状匹配 齐次变换 1.创建形状模型create_shape_model; 1.创建齐次放射变换矩阵 h 阅读全文