opencv学习(7)----opencv学习总结

一：opencv与halcon简单的比较          

          最近又把opencv2.4版本进行大概的学习了一遍，了解opencv2.4提供的功能后，基本满足机器视觉的应用开发，但是个人感觉开发难度来说相对于halcon来说还是大了点。但是opencv提供了很多的帮助，国内研究相关的文章很多，所以方便学习。使用halcon进行机器视觉产品开发，资料少，但是适合快速开发。所以个人认为，刚刚入门搞机器视觉的朋友，可以先学习下opencv，了解更多基础知识后，更容易掌握其它更为灵活的图像处理库。

二：如何下手学习opencv

          很多网友都问我要如何进入机器视觉的开发领域，都觉得入门太难，其实机器视觉开发并非如此，如果是做工程项目，并不需要我们掌握多么深的理论，了解现有的算法即可，然后可以学习opencv里面的基本算子，学习opencv  可以根据开发文档的教程进行学习，通过实例学习opencv提供的算子的作用。体验完opencv带来的算子后，就可以研究各个算子直接的联系，最重要的是理解算子处理图像后产生的效果，几个算子叠加后的结果，后续就可以不断的尝试，经过一段时间的练习后，我相信大家一定会有很大的收获。

三：机器视觉项目的关键

          从个人做机器视觉项目的感受来说，我理解机器视觉项目其实就是一个软硬件协同工作的系统，因此做机器视觉项目并非会搞图像算法就行。关键需要掌握如下几点：

          1：确定检测对象,检测物的材质，形状等基本特征

          2：研究此检测对象的工作环境和需要检测的范围（以方便后续的相机 光源 镜头等选型）

          3：设计机器视觉系统结构。简要搭建系统，通过初期项目验证，大家可别小看这一步，这一步决定着项目成功的关键。

          4：研究检测对象需要达到的目标，例如如果是测量系统，那么就应该知道此对象正常工作情况和非正常情况，最好能了解到非正常工作情况引起的原因。如果是缺陷检测，那就更应该了解出现的缺陷是什么样子的，如果产生的。产生后的缺陷的特征与原检测对象的特征有和差别

四：opencv学习方向

           opencv如果要深入学习，可以通过提供的源代码 ，参考现有相关算子的理论知识，彻底了解算子工作原理，对以后进行图像算法研究工作者有很大的帮助，这就不仅仅是应用那么简单，其实目前作为机器视觉应用工程师来说，我个人感觉大可不必，分清自己的工作角色。做好应用也并非容易的事情，（当然了如果你想跟朋友在一起吹牛，说自己多厉害的时候，你这个时候说点算子高深的理论，再适当加入点专业的英语单词，呵呵 ）。作为应用我认为通过实际项目，然后采用opencv库进行开发，通过一两个项目，你就应该大致了解了机器视觉开发方向了。