学习机器视觉 7 29

机器视觉 使用halcon的学习之路 halcon入门 阅读详情

本条开始都是看b站河南理工大学老师19年录制的课程啦,目的是为了初步了解机器视觉、为后续科研做准备。写日常,以编写教科书的方式,做一个回顾和输出知识。

一、相关学科关系和介绍

1.1 计算机视觉

1.1.1 计算机视觉应用

2. 机器视觉

3. 机器视觉与计算机视觉区别

4.数字图像处理

二、机器视觉概述

2.1 光源

2.1.1 选择LED灯的好处

2.1.2 打光对图像造成影响、进一步对图像处理和后续过程造成影响

2.2 镜头

2.2.3 相机的选择也很重要、具体省略、后续根据研究方向再深入学习

Atitit 机器视觉图像处理与机器学习概论2017版 attilax著 Atitit 机器视觉图像处理与机器学习概论2017版 attilax著   1. 前言 4 2. 绪论 4 2.1. 图像处理的内容 机器视觉的内容 4 2.2. 图像处理与机器视觉的场景与用途 4 3.  图像、 采样和频域处理 4 4. 基本图像处理运算 5 4.1. 梯度、边缘和角点  2 采样、插值和几何变换     5 5. 图像分析 5 5.1.  平滑处理  阅读详情

相关推荐

论文研究 | 基于机器视觉的钢材表面缺陷检测

钢材是发展现代工业技术的基本材料,随着工业制造能力的提升,钢材广泛应用于建筑行业、海洋工程、航天工程,对钢材也提出了更严苛的要求。然而由于生产工艺限制,钢材在生产过程中不可避免地存在深度各异的表面缺陷,如划痕、裂纹、凹面等。这些缺陷不仅会影响产品外观,同时会导致钢材耐磨性、韧性等性能下降,缩短钢材的使用寿命。因此,分析与掌握如何提高钢材表面质量是现代钢材生产厂家亟需解决的重要问题。

Bella_zhang0701的博客 3519

Halcon学习-机器视觉halcon编程基础加强课程

文章目录1.机器视觉简介2.Halcon应用环境和实用工具3.Hdevelop环境介绍4.图像、区域5.轮廓的操作 机器视觉halcon编程基础加强课程 http://www.ihalcon.com/ ihalcon精华帖 1.机器视觉简介 2.Halcon应用环境和实用工具 学习方法: 先看入门向导内容 浏览Halcon-案例,学习应用场景 了解更多-官方文档 实用工具: http://www.pdfdo.com/ microsoft edge:翻译整篇文档成中文比谷歌好用 3.Hdeve

HJZ11的博客 1826

机器视觉专业术语

25. FPGA SoC(Field-Programmable Gate Array System-on-Chip):系统级可编程门阵列,一种集成了处理器和FPGA的硬件平台,常用于嵌入式系统和物联网设备。6. SLAM(Simultaneous Localization And Mapping):同时定位与地图构建,一种用于机器人视觉导航和定位的技术。13. GPU(Graphics Processing Unit):图形处理器,一种用于加速计算的硬件加速器,常用于深度学习和图像处理。

m0_70314509的博客 1659

机器视觉——硬件选型

视觉精度 = 公差大小 / 10单边分辨率 = 视野的大小或产品尺寸(长或宽)/ 视觉精度(像素)/ 2(亚像素)选择的像素=单边分辨率(长)* 单边分辨率(宽)焦距(f)=工作距离(镜头到目标的距离 WD)* 芯片尺寸( CCD靶面型号的尺寸)/ 视场大小或者物体高度(FOV)光学放大倍数 = 芯片尺寸( CCD靶面型号的尺寸)/ 视场大小或者物体高度(FOV)系统放大倍率 = 芯片短边( CCD靶面型号的尺寸)/ 视野短边。

一个不掉头发的资深小白 7454

机器视觉工业镜头选型指南

简介:在现代工业自动化中,机器视觉系统利用图像处理技术执行物体检测、识别和定位等任务,而工业镜头是系统的关键组件。正确选型镜头对获取高质量图像和提高系统性能至关重要。本资料提供了选型镜头所需掌握的关键知识点,包括镜头基本参数、光学性能、接口类型、工作距离与景深、防护等级与环境适应性、自动调焦与光圈控制、成本与性价比、品牌与售后服务、案例分析与实践以及光学设计与计算。掌握这些知识点可以帮助工程师和用户根据实际应用场景做出明智的选择,确保机器视觉系统的高效运行。

weixin_42511832的博客 1001

二十一、CANdelaStudio深入-SPRMIB的配置

本专栏将由浅入深的展开诊断实际开发与测试的数据库编辑,包含大量实际开发过程中的步骤、使用技巧与少量对Autosar标准的解读。希望能对大家有所帮助,与大家共同成长,早日成为一名车载诊断、通信全栈工程师。 本文介绍CANdelaStudio的肯定响应抑制位配置,欢迎各位朋友订阅、评论,可以提出宝贵意见,以持续输出更好的作品,同时会根据评论、私信不定期更新文章内容,以及专栏目录。订阅该专栏的朋友可私信小编免费答疑解惑(^U^)ノ~YO CANdelaStudio-从入门到深入目录 文章目录CANdelaStu

诊断协议那些事儿's blog 1870

机器视觉初步1:大纲

概要、大纲,2023年底完更。

KHASIX的博客 922

你分得清ChatGPT、Gemini、Grok、豆包、千问、DeepSeek、OpenClaw、CloudCode、vibeCodeing、sKill、MCP,飞书、微信这些到底是什么吗?

AI技术生态呈现层级化发展,从基础模型到应用平台形成完整技术栈。核心分为五层:模型层(GPT、Gemini等基础模型)→AI助手层(ChatGPT等应用产品)→工具层(ClaudeCode等开发工具)→协议层(MCP等接口标准)→应用层(微信、飞书等平台)。未来趋势将形成"模型公司-开发框架-应用生态"三层结构,AI正逐步演变为新型操作系统,通过标准化协议连接各类外部系统,实现能力调用与生态整合。技术发展呈现出从底层基础设施到上层应用场景的垂直整合特征。

hy行者勇哥的博客 402

机器视觉相关硬件

机器视觉相关硬件相机、镜头、图像采集卡、光源的选型

fallingleafgrief的博客 3537

2025年数学建模国赛高教社杯A题、B题、C题、D题、E题详细思路和代码 模型||插值与拟合

核心思想:构造一个精确通过所有已知离散数据点(xi, yi)的函数y = f(x),并以此函数来估算或预测未知点的值。基本假设:我们认为已知的数据点是100%精确、无误差的(或者误差可忽略不计),比如理论计算值、高精度仪器测量值等。我们的目标是“还原”或“重建”出点与点之间的真实函数关系。关键特征精确性:曲线或曲面必须穿过每一个样本点。局部性:插值结果严重依赖于局部数据点的分布和数值。用途:用于“补全”数据、填充缺失值、进行函数近似等。常见方法多项式插值:拉格朗日插值、牛顿插值。

2201_76125261的博客 803

示波器核心参数选型指南:带宽、采样率与嵌入式调试实战

示波器是电子工程师进行信号观测与故障诊断的基础仪器,其性能由带宽、采样率、通道数、存储深度、触发系统和探头特性共同决定。带宽定义高频响应边界,需遵循5倍法则以保障数字信号上升沿测量精度;采样率则依据奈奎斯特定理并结合工程冗余(通常≥2.5×带宽)实现可靠时域重建。二者协同影响信号完整性评估能力,尤其在UART、I²C、SPI等嵌入式总线调试中至关重要。高存储深度支持长时捕获与毛刺定位,智能触发与硬件协议解码进一步将波形分析升维至语义级。本文围绕真实嵌入式场景,解析参数间的耦合关系与典型误用陷阱。

weixin_42588877的博客 93

SNK施努卡 - 机器视觉检测应用 机器视觉检测在哪些行业应用

如今,大多数商用车辆都还在提供1级或2级的辅助驾驶,只有少数可以提供3级,而想要达到4级或5级,车辆使用的技术必须实现飞跃才可以,而非常复杂的机器视觉系统和AI计算正是让这一技术实现飞跃的一部分。利用德国相机制造商IDS研发的新型工业相机,生物医学解决方案公司DIERS开发了一种解决方案,可以对人体背部、脊柱和骨盆进行快速、高分辨率的光学测量,通过使用相机连续记录设备投射到患者背部的光线,可以生成脊柱曲率的准确表示,从而帮助骨科医生检测肌肉系统的不平衡或姿态缺陷。

qq_27572409的博客 448

ResNet改进(45):结合通道混洗(ShuffleNet)的混合架构

本文提出了一种创新的卷积神经网络(CNN)架构CustomResNet,它将ResNet34与通道混洗(ChannelShuffle)技术相结合。该模型通过ShuffleBlock模块替换原始ResNet层,包含三个核心组件:1) ChannelShuffle模块实现通道分组混洗;2) ShuffleBlock模块整合点卷积、分组卷积和残差连接;3) CustomResNet主模型保持ResNet整体架构但替换核心层为ShuffleBlock。这种设计既保留了ResNet的残差学习能力,又通过通道混洗增强特

2401_82355416的博客 212

机器视觉行业公司分析报告 2025

全球机器视觉市场分析2025-2030

JamesYu2022的博客 1467

硬件学习手册【总目录】

欢迎大家来到《硬件学习手册》,专栏主要包括 《硬件经验手册》《电子元器件器件手册》《PCB手册》《CPU手册》《元器件选型手册》五个分册。在开始专栏的更新前,博主先列出专栏的大纲,以供大家参考。大家直接点击大纲中的蓝色标题即可轻松传送。

fydar的博客 5862

AI大模型入门到实战系列(二十一)命名实体识别(NER)

命名实体识别(NER)是自然语言处理中的关键任务,旨在从文本中识别并分类预定义类别的实体(如人名、地点、组织等)。其核心步骤包括文本预处理、实体边界检测和类型分类。主流技术方法经历了从基于规则、统计机器学习到深度学习的演进,当前主要采用预训练语言模型(如BERT)和序列标注技术(如BiLSTM-CRF)。关键技术挑战包括实体边界模糊、嵌套实体和领域适应等问题。NER广泛应用于信息抽取、搜索引擎优化和知识图谱构建等领域,常用精确率、召回率和F1值作为评估指标。实际应用中通常采用BIO标注体系,并通过标签对齐处

echo的博客 1627

【血管检测】机器视觉手掌和手背图像提取血管特征【含Matlab源码 8993期】

机器视觉手掌和手背图像提取血管特征 完整代码,包运行;可提供运行操作视频!适合小白!

Matlab912100926的博客 1023

C#联合Halcon机器视觉框架源码—升级版

相较于之前的NxtVision,本软件代码架构更加合理,且新增。对源码有需求的,订阅本专栏后,私信我领取。、原来的vb脚本改为。

Z's Palace 1417

【尺寸测量】机器视觉小球尺寸测量【含Matlab源码 7994期】

机器视觉小球尺寸测量 完整代码,包运行;可提供运行操作视频!适合小白!

Matlab912100926的博客 975

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

机器视觉的外国博客与网址

Utkarsh Sinha 的 AiShack博客,这个网站有很多解决现实问题的OpenCV实用例程。例如QR二维码识别,一些基本算法的快速实现等等。是学习OpenCV的好教材。: http://www.aishack.in/topics/tutorials/Sebastian Montabone 的博客,有不少关于OpenCV和图像处理的好帖子。http://www.samontab.com/机

qq_22657193的博客 5399

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

【谷物计数】机器视觉谷物计数【含Matlab源码 7463期】

机器视觉谷物计数 完整的代码,方可运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 657

【EI会议征稿】东北大学主办第三届机器视觉、图像处理与影像技术国际会议(MVIPIT 2025)

(4)作者可通过 iThenticate、CrossRef 查重,重复率(含文献)1. 论文模板:https://www.mvipit.org/author/Shape-from-X;(3)文章正文需要满足 10 页(不含参考文献),超过 11 页(含参。图像分割和图像分类;图像处理技术与方法;图像视频系统与应用;人脸识别与手势识别;早期视觉和生物学启发的视觉;图像特征提取(纹理、形状和颜色);器视觉在质量检测与医学诊断领域的应用;纹理图像的表示与分类;滤波和多分辨率处理;图像插值、超分辨率和马赛克;

shiyuan806的博客 1266
下一篇: 机器视觉学习 8 8
漂泊到未知海岸
博客等级 码龄3年 12粉丝 11原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值