首页
学习
活动
专区
工具
TVP
发布

深度学习和计算机视觉

专栏成员
985
文章
1278655
阅读量
129
订阅数
机器视觉应用方向及学习思路总结
1、halcon软件提供的是快速的图像处理算法解决方案,不能提供相应的界面编程需求,需要和VC++结合起来构造MFC界面,才能构成一套完成的可用软件。 2、机器视觉在工业上的需求主要有二维和三维方面的 二维需求方面有:⑴识别定位;(2)OCR光学字符识别;(3)一维码、二维码识别及二者的结合;(4)测量类(单目相机的标定);(5)缺陷检测系列;(6)运动控制,手眼抓取(涉及手眼标定抓取等方面) 三维需求方面:(1)摄像机双目及多目标定(2)三维点云数据重构 3、要成为一名合格的机器视觉工程师必须具备以下三个方面的知识 (1)图像处理涉及以下几大领域: A、图像处理的基本理论知识(图像理论的基础知识) B、图像增强(对比度拉伸、灰度变换等) C、图像的几何变换(仿射变换,旋转矩阵等) D、图像的频域处理(傅里叶变换、DFT、小波变换、高低通滤波器设计) E、形态学(膨胀、腐蚀、开运算和闭运算以及凸壳等) F、图像分割(HALCON里的Blob分析) G、图像复原 H、运动图像 I、图像配准(模板匹配等) J、模式识别(分类器训练,神经网络深度学习等) 比较好的参考书籍有 经典教材:冈萨雷斯的《数字图像处理》及对应的MATLAB版 杨丹等编著《MATLAB图像处理实例详解》 张铮等编著《数字图像处理与机器视觉——Visual C++与MATLAB实现》
小白学视觉
2022-09-28
9400
gcc和g++是什么,有什么区别?
目前(2020-09)GCC 编译器已经更新至 10.2版本,其功能也由最初仅能编译 C 语言,扩增至可以编译多种编程语言,其中就包括 C++ 。
小白学视觉
2022-02-11
1.2K0
【从零学习OpenCV 4】分割图像——Mean-Shift分割算法
Mean-Shift算法又被称为均值漂移法,是一种基于颜色空间分布的图像分割算法。该算法的输出是一个经过滤色的“分色”图像,其颜色会变得渐变,并且细纹纹理会变得平缓。
小白学视觉
2020-03-05
1.2K0
修正!【从零学习OpenCV 4】分割图像——分水岭法
分水岭算法与漫水填充法相似,都是模拟水淹过山地的场景,区别是漫水填充法是从局部某个像素值进行分割,是一种局部分割算法,而分水岭法是从全局出发,需要对全局都进行分割。
小白学视觉
2020-02-27
1.4K0
【从零学习OpenCV 4】图像膨胀
图像的膨胀与图像腐蚀是一对相反的过程,与图像腐蚀相似,图像膨胀同样需要结构元素用于控制图像膨胀的效果。结构元素可以任意指定结构的中心点,并且结构元素的尺寸和具体内容都可以根据需求自己定义。定义结构元素之后,将结构元素的中心点依次放到图像中每一个非0元素处,如果原图像中某个元素被结构元素覆盖,但是该像素的像素值不与结构元素中心点对应的像素点的像素值相同,那么将原图像中的该像素的像素值修改为结构元素中心点对应点的像素值。图像的膨胀过程示意图如图6-12所示,图6-12中左侧为待膨胀的原图像,中间为结构元素,首先将结构元素的中心与原图像中的A像素重合,将结构元素覆盖的所有像素的像素值都修改为1,将结构元素中心点依次与原图像中的每个像素重合,判断是否有需要填充的像素。原图像膨胀的结果如图6-17中右侧图像所示。
小白学视觉
2020-02-13
5610
【OpenCV 4开发详解】图像腐蚀
图像的腐蚀过程与图像的卷积操作类似,都需要模板矩阵来控制运算的结果,在图像的腐蚀和膨胀中这个模板矩阵被称为结构元素。与图像卷积相同,结构元素可以任意指定图像的中心点,并且结构元素的尺寸和具体内容都可以根据需求自己定义。定义结构元素之后,将结构元素的中心点依次放到图像中每一个非0元素处,如果此时结构元素内所有的元素所覆盖的图像像素值均不为0,则保留结构元素中心点对应的图像像素,否则将删除结构元素中心点对应的像素。图像的腐蚀过程示意图如图6-12所示,图6-12中左侧为待腐蚀的原图像,中间为结构元素,首先将结构元素的中心与原图像中的A像素重合,此时结构元素中心点的左侧和上方元素所覆盖的图像像素值均为0,因此需要将原图像中的A像素删除;当把结构元素的中心点与B像素重合时,此时结构元素中所有的元素所覆盖的图像像素值均为1,因此保留原图像中的B像素。将结构元素中心点依次与原图像中的每个像素重合,判断每一个像素点是否保留或者删除,最终原图像腐蚀的结果如图6-12中右侧图像所示。
小白学视觉
2020-01-16
8330
【从零学习OpenCV 4】可分离滤波
前面介绍的滤波函数使用的滤波器都是固定形式的滤波器,有时我们需要根据实际需求调整滤波模板,例如在滤波计算过程中滤波器中心位置的像素值不参与计算,滤波器中参与计算的像素值不是一个矩形区域等。OpenCV 4无法根据每种需求单独编写滤波函数,因此OpenCV 4提供了根据自定义滤波器实现图像滤波的函数,就是我们本章最开始介绍的卷积函数filter2D(),不过根据函数的名称,这里称呼为滤波函数更为准确一些,输入的卷积模板也应该称为滤波器或者滤波模板。该函数的使用方式我们在一开始已经介绍,只需要根据需求定义一个卷积模板或者滤波器,便可以实现自定义滤波。
小白学视觉
2019-12-30
1.1K0
【从零学习OpenCV 4】高斯滤波
高斯噪声是一种常见的噪声,图像采集的众多过程中都容易引入高斯噪声,因此针对高斯噪声的高斯滤波也广泛应用于图像去噪领域。高斯滤波器考虑了像素离滤波器中心距离的影响,以滤波器中心位置为高斯分布的均值,根据高斯分布公式和每个像素离中心位置的距离计算出滤波器内每个位置的数值,从而形成一个形如图5-15所示的高斯滤波器。之后将高斯滤波器与图像之间进行滤波操作,进而实现对图像的高斯滤波。
小白学视觉
2019-12-30
1.3K0
【从零学习OpenCV 4】均值滤波
经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。
小白学视觉
2019-12-25
6760
【从零学习OpenCV 4】图像中添加高斯噪声
经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。
小白学视觉
2019-12-24
3.8K0
【从零学习OpenCV 4】图像中添加椒盐噪声
经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。
小白学视觉
2019-12-24
2K0
【从零学习OpenCV 4】直方图匹配
经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。
小白学视觉
2019-12-24
2.6K0
【从零学习OpenCV 4】图像金字塔
构建图像的高斯金字塔是解决尺度不确定性的一种常用方法。高斯金字塔是指通过下采样不断的将图像的尺寸缩小,进而在金字塔中包含多个尺度的图像,高斯金字塔的形式如图3-30所示,一般情况下,高斯金字塔的最底层为图像的原图,每上一层就会通过下采样缩小一次图像的尺寸,通常情况尺寸会缩小为原来的一半,但是如果有特殊需求,缩小的尺寸也可以根据实际情况进行调整。由于每次图像的尺寸都缩小为原来的一半,图像尺缩小的速度非常快,因此常见高斯金字塔的层数为3到6层。OpenCV 4中提供了pyrDown()函数专门用于图像的下采样计算,便于构建图像的高斯金字塔,该函数的函数原型在代码清单3-51中给出。
小白学视觉
2019-12-13
7750
【从零学习OpenCV 4】两图像间的像素操作
经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。
小白学视觉
2019-11-27
9070
SLAM程序阅读(第8讲 LK光流法)
细心的同学已经发现,小绿换了文章的封皮,因为有一些同学都觉得原来那张图比较捞,不沉稳也不正经…而更细心的同学也会发现,小绿连题目都改了,原来叫“解读”,现在叫“阅读”,这也是因为一些热心的同学在后台积极提问,然而小绿作为一个门徒,实在是有些束手无策,没法很透彻的解答同学们的问题…
小白学视觉
2019-10-24
1.3K0
高翔Slambook第七讲代码解读(3d-3d位姿估计)
上回咱们读完了pose_estimation_3d2d.cpp这个程序,也找到了3d-2d位姿估计与2d-2d位姿估计之间的联系与差别:
小白学视觉
2019-10-24
2.2K1
两大图像处理库Halcon和Opencv 的对比
OpenCV Halcon 开发语言 C++、C#(emgu)、Python、Ruby、MATLAB等语言 C,C++,C#,Visual basic和Delphi等语言 应用场合 侧重计算机视觉领域,侧重研究领域 侧重机器视觉领域,侧重应用领域 费用 免费 收费 开放性及版本更新速度 开源(可看底层源码),版本和功能更新慢 商业软件(底层代码封装),版本和功能更新快 对使用者的门槛 偏科研,有难度,有深度,完全从底层开发,对使用者门槛高,开发效率低,开发慢 偏工程应用,使用封装好的功能函数,对使用者门
小白学视觉
2019-09-29
4.3K0
干活|快速了解如何编写CMakeLists.txt文件?
MESSAGE("Build type: " ${CMAKE_BUILD_TYPE})
小白学视觉
2019-09-23
2.1K0
从零开始一起学习SLAM | 掌握g2o边的代码套路
师兄:在《g2o: A general Framework for (Hyper) Graph Optimization》这篇文档里,我们找到那张经典的类结构图,里面关于边(edge)的部分是这样的,重点是下图中红色框内。
小白学视觉
2019-06-02
1.2K0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档