机器视觉学习 8 8

机器视觉学习笔记(8)——基于OpenCV的Bouguet立体校正 机器视觉学习笔记(8)——基于OpenCV的Bouguet立体校正标签: 机器视觉1.什么是立体校正在机器视觉学习笔记(7)——基于OpenCV的双目摄像机标定中,我们已经计算出描述两个{camera}坐标系关系的矩阵R和T,立体校正主要就是这两个参数在发挥作用。双目摄像机系统主要的任务就是测距,而视差求距离公式是在双目系统处于理想情况下推导的,所以就要将实际的双目系统校正为理想的双目系统。理想双目 阅读详情

诶嘿,一天打鱼七天晒网,去苏州旅游顺便比赛个把礼拜,天气太热,出门直冒汗,小时候做的语文阅读里的周庄没去,姑苏城外的寒山寺没去,苏州园林没去,下次再去罢。乘着公交在古城区穿行,在景点比肩接踵逛着,白墙黑瓦间加上一点想象,也算见到了诗情画意的年代的倩影。满街姑娘穿着汉服穿着旗袍,寻找着好的景框,变着花儿取名的商铺吆喝着,江南繁华依旧。

三、数字图像基础

3.1 图像和数字图像介绍及分类

3.2 补充像素和图像显示知识 

3.3 图像的数字化过程

3.4 图像像素之间的关系

3.1 图像和数字图像介绍及分类

区分了图像本质是光和感受光的方式

图像分类

模拟图像和数字图像

简小了数据存储空间,多了一步引用

3.2 补充像素和显示知识 

  每个像素点是一个小方块,每个小方块又有三种颜色RGB,红 绿 蓝,三种颜色不同亮度可以合成几乎所有颜色。人眼在像素点过小的情况下无法区分像素点与像素点进而认为画面是整块连续的。

  手机相机像素和,如2000万,指的是传感器上像素的数目和排列方式。显示器和视频的分辨率同样如此。

显示技术: 

①LCD技术 一个大背光,每个像素点由三个子像素点红绿蓝组成,单个子像素点如红,身后有两个垂直偏振片和液晶 这两部分可以控制单个子像素点如红的发光强度,原理是通过偏振片得到单一方向光波,通过液晶调整方向控制光能否通过偏振片,具体可看b站up硬件茶谈,这哥们科普太硬核了,发现宝藏了。

②LED技术 LED也就是发光二极管,红绿蓝三种颜色的发光二极管,通过控制光亮度可以合成彩色,在此基础上只要LED大小够小,人眼无法区分就行了,由此发现了有机材料实现这一点。

3.3 图像的数字化过程

补:模拟值

照相机将光学图像转换为模拟电信号的过程涉及多个关键步骤,主要通过传感器和模拟电路实现。以下是具体流程的分解:


1. 光学成像(光信号)

  • 镜头聚焦:外界光线通过镜头聚焦到图像传感器(如CMOS或CCD)表面,形成倒立的实像。

  • 光子捕获:传感器上的每个像素点(感光单元)根据光照强度吸收不同数量的光子。


2. 光电转换(光→电)

  • 光电二极管作用:每个像素包含一个光电二极管,光子撞击二极管后激发电子-空穴对,产生电荷。

    • 光照越强:激发的电荷越多。

    • 光照越弱:电荷越少。

  • 电荷积累:在曝光时间内,电荷在像素的电容中累积,形成与光强成正比的电压信号(模拟值)。


3. 模拟信号输出

  • 电荷读出:

    • CCD传感器:通过移位寄存器逐行转移电荷,最终输出连续的电压信号。

    • CMOS传感器:每个像素直接通过放大器转换为电压信号,并行读出(速度更快)。

  • 信号放大:微弱电荷信号经过模拟放大器(如源极跟随器)放大,但仍保持连续变化的模拟特性。


4. 模拟信号处理

  • 降噪与校正:

    • 相关双采样(CDS):消除传感器读出噪声。

    • 黑电平校正:调整暗电流产生的基准电压。

  • 模拟增益:通过可变增益放大器(VGA)调整信号强度(类似ISO感光度调节)。


5. 模数转换(ADC)

  • 量化:模拟信号通过ADC转换为数字值(如12位ADC将电压分为4096级)。

  • 最终输出:每个像素的亮度值变为数字信号(RAW数据),后续由图像处理器(ISP)处理成图像。

光学图像 → 镜头聚焦 → 传感器(光电转换) → 电荷累积 → 电压信号(模拟值) → 放大/处理 → ADC → 数字图像

图像数字化过程

采样→量化→编码

模拟图像→确定用多少个像素点来描述图像,采集模拟值,此时采样值依然是连续变化的→用2进制量化,将采样模拟值进行分级并归到对应级别中,此时得到离散的采样值,将得到的离散采样值转化为2进制数字→确定数据排列规则,生成相应格式文件

 

采样间隔影响图像质量

量化等级影响图像质量

非均匀采样和量化

3.3 图像像素之间的关系

后面这些比较好理解 过一过就行

《HALCON机器视觉与算法原理编程实践》第8章 图像的形态学处理-学习笔记 文章目录8.1 腐蚀与膨胀8.1.1 结构元素8.1.2 腐蚀8.1.3 膨胀8.2 开运算与闭运算8.2.1 开运算(先腐蚀,后膨胀)8.2.2 闭运算(先膨胀,后腐蚀)8.3 顶帽运算与底帽运算8.3.1 顶帽运算8.3.2 底帽运算8.3.3 顶帽运算与底帽运算的应用8.4 灰度图像的形态学运算 8.1 腐蚀与膨胀 在经阈值处理提取出目标区域的二值图像之后,区域边缘可能并不理想,这时可以使用腐蚀或膨胀操作对区域进行“收缩”或“扩张”。 8.1.1 结构元素 设有两幅图象B,X。若X是被处理的对象,而B 阅读详情

相关推荐

3种工业机器视觉颜色识别方案对比:传统HSV、Blob分析与深度学习YOLOv8

本文深入对比了工业机器视觉颜色识别的三大技术方案:传统HSV阈值法、Blob分析与深度学习YOLOv8。通过实际案例和性能指标分析,帮助读者根据精度、速度和成本需求选择最优方案,特别适合机器视觉工程师和自动化产线设计人员参考。

weixin_26782929的博客 241

机器视觉学习 10 8

简单来说,​灰度二值化的核心意义是将一幅包含丰富灰度信息的图像,转换成一张只包含纯黑和纯白两种颜色的图像,从而极大地简化图像,突出目标物体的轮廓和结构,为后续的分析和识别铺平道路。​​下面我们从几个层面来深入理解它的意义:一、什么是灰度二值化?​灰度图像​:每个像素点的亮度用0-255之间的一个数值表示。0代表纯黑,255代表纯白,中间是不同深浅的灰色。​二值图像​:每个像素点的值非0即255​(或非0即1)。也就是说,图像中只剩下两种颜色:黑色和白色。

programming_wang的博客 870

机器视觉软件开发入门(1)

机器视觉软件方面的教材很多,有关于算法层面的,有应用层面的。对于大多数用户来说学习应用就足够了,主要是解决问题啊我们也是从解决问题方面来入手,层层深入。但是许多学习者不知道该从哪里入手有些人误认为必须掌握某种编程语言才能学机器视觉软件开发,实际上不是这样因为目前的机器视觉软件有开发类和应用类,如果是开发类那么你真的要掌握某种编程语言然后要熟悉机器视觉的SDK库,什么是SDK呢,就是软件开发包。如果只是在应用层面做的话可以选择类识PLC一样编程的机器视觉软件我们称它为Builder软件,Builder软件是那

JamesYu2022的博客 8864

机器视觉学习 8 9

跟着b站up上传的北京邮电大学 鲁鹏教授录制的课程学习了解三维建模感觉这个老师讲的好好,详略得当,思路清晰,都不用倍速。课程目的:了解从图像中如何恢复三维场景的结构,去了解所处的环境。课程目录。

programming_wang的博客 360

智能抓取系统OpenClaw Dreaming:机器视觉与强化学习的工业应用

智能抓取系统结合机器视觉与强化学习技术,通过动态学习替代传统静态编程,实现机械臂的自主适应能力。其核心技术包括点云处理、目标检测和抓取位姿生成,采用PPO算法优化决策过程。在工业自动化领域,这种系统能显著提升分拣效率和适应新SKU的速度,尤其适用于仓储物流和生产线场景。OpenClaw Dreaming项目展示了模块化硬件设计(如Robotiq夹爪和Intel RealSense相机)与先进软件架构(如ROS2和PyTorch)的完美结合,为解决杂乱物体抓取难题提供了工程实践范例。

weixin_30985047的博客 233

深度学习如何革新机器视觉:从特征提取到工业部署

机器视觉作为人工智能的重要分支,正经历从传统特征提取到深度学习的技术跃迁。传统方法依赖手工设计的特征(如SIFT、HOG)和规则引擎,面临环境敏感性和泛化能力差的挑战。而卷积神经网络(CNN)通过层次化特征学习,实现了从边缘检测到语义理解的自动化建模。这种技术突破在工业质检、医疗影像等领域展现出显著优势,特别是在处理光照变化、小样本学习等场景时。以ResNet、U-Net为代表的模型结合迁移学习、模型蒸馏等技术,不仅提升了检测准确率,还通过TensorRT优化和量化实现了边缘计算部署。随着视觉Transfo

weixin_30878501的博客 368

机器视觉学习 8 10

了解到前面讲的理想情况下的摄像机模型的内外参数求解过程,和畸变摄像机模型的内外参数求解过程。标定思路,用已知的两两对应的世界坐标系和像素平面坐标系的坐标,反列方程组求内、外参数。注意这里的m是在m的范式为1的约束下求得的,实际的最小二乘解是这里求得解的倍数。3D空间的这些就不多展现了,我目的主要是了解,知道各种变换的特点,异同点即可。六对点的方程组放在一起,构建系数矩阵和未知数矩阵,得到矩阵形式的线性方程组。补充了2D和3D空间中欧式变换,相似变换,仿射变换,透视变换的数学知识。

programming_wang的博客 204

基于机器视觉的钢材表面缺陷检测——基于YOLOv8的深度学习方法

摘要 本文提出了一种基于YOLOv8深度学习框架的钢材表面缺陷检测方法。针对传统人工检测效率低、主观性强的问题,采用NEU-DET公开数据集中的六类典型缺陷(裂纹、夹杂物等)进行实验。详细介绍了数据预处理、YOLOv8网络结构及训练策略,实现了97.2%的mAP@0.5检测精度和120 FPS的实时性能。实验结果表明,该方法在检测精度和速度上均满足工业需求,为钢材质量自动化检测提供了有效解决方案。文中还提供了完整的代码实现流程,便于实际应用推广。 关键词:钢材缺陷检测;YOLOv8;机器视觉;深度学习;工业

huanghm88的专栏 112

机器视觉学习 8 12

如果平行线交于无穷点,平行线交点的齐次坐标有个规律,即平行线方向加上一个0构成的齐次坐标就是这两条平行线交点的齐次坐标。每个平面都有一条无穷远线,由每个面的很多组平行线交的无穷远点的集组成(另外一种定义,两个平行面有无穷远的交线即无穷远线)接着这些无穷远线又构成了无穷远面,类比2D空间中的无穷远线的齐次表达给出3D空间中无穷远面的表示。我们通过这种方法得到的只是比例缩小或者放大的三维场景,并且无法确认三维场景的绝对位置。两组三维空间中的平行线之间夹角与影消点之间的关系。3D空间中的无穷远点的表示。

programming_wang的博客 278

华为海思2026届数字IC秋招笔试真题解析与实战技巧(2025最新版)

本文深度解析华为海思2026届数字IC秋招笔试真题,涵盖高频考点如后端设计、低功耗设计、SystemVerilog语法等核心内容。提供时序违例修复、时钟树综合等实战技巧,帮助考生高效备考。特别关注UPF低功耗设计规范等最新考点,助力考生在秋招笔试中脱颖而出。

lg888的博客 1092

开关变换器分析:大信号模型与小信号模型

是电力电子系统建模中的两类基本方法,分别用于描述系统在不同工作条件下的动态行为。它们的核心区别在于是否对变量进行线性化近似,以及适用的分析场景。

创新改变世界! 1914

Vm机器视觉26-8-26学习

/MessageBox.Show("个数:" + in0.Length + " - ( X:"+in0[0].PointX+",Y:"+in0[0].PointY+")");//把XY的坐标保存字符串。代码不知道怎么获取X和Y的坐标,发现这个可以点击,然后在代码输入即可。模板正常匹配是1,匹配失败会返回0,返回0就执行输出图像。//给脚本变量赋值 - 勾选可以屏幕显示。作业 脚本输出标点的XY,并发送给虚拟服务/客户端。//循环输入的点的个数。//初始化一个字符串。接收信息,条件分支执行。

我是樱振宇,是一个什么都不会的小萌新! 187

MODIS 遥感数据批量下载(使用Cygwin)

MODIS 遥感数据批量下载(使用Cygwin)包含Cygwin的下载教程

weixin_45913084的博客 917

机器视觉学习-YOLO V8 第一篇 安装

把这个包解压,并进入这个解压后的文件夹,例如:我是放在D盘里面。可以安装Miniconda,小且够用,选择自己需要的版本。针对YOLO V8的环境布置,整理了一下布置流程和方案。5.激活并进入虚拟环境,环境会切换base为y8。回车,跳出下图问句,输入y,回车,安装完成。4. list一下,确认安装好了。1.安装Anaconda。

d15751007587的博客 655

关于小样本学习综述论文的总结

对小样本学习综述的个人总结

qq_46176086的博客 5457

EtherCAT主站SOEM -- 1 -- SOEM之ethercattype.h文件分析

“ethercattype.h” 文件用于支持 EtherCAT 网络通信,提供了各种类型定义和宏,以便开发者更轻松地开发 EtherCAT 相关应用程序。这些定义包括数据类型、命令类型、状态类型和错误类型,以支持 EtherCAT 通信。根据具体应用需求,还可以调整一些超时和帧长度设置。这些定义用于处理函数调用的结果,如 EC_NOFRAME(没有帧返回)、EC_ERROR(一般错误)、EC_TIMEOUT(请求超时)等。这些定义用于处理 EtherCAT 命令,例如 EC_CMD_APRD(自动递增读取

常驻客栈的博客--嵌入式EtherCAT 2717

Vm机器视觉 26-8-28 学习笔记

只做图像像素坐标和世界物理坐标的平面映射,和被检测物体本身长什么样子完全无关。第一个是需要抓取位置的图片像素XY坐标。就根据图片像素坐标xy,计算出。完全匹配:必须全部是才匹配。下次打开直接显示的是界面。部分匹配:包含内容就匹配。第二个是机械臂的物理坐标。第三个是相机的物理坐标。

我是樱振宇,是一个什么都不会的小萌新! 210

爬取B站评论+AI情感分析:Python批量抓数据+BERT正负向分类(全流程)

B站作为年轻群体聚集的内容平台,评论区蕴含海量用户真实态度(如好评、吐槽、中立观点),是情感分析的优质数据源!本文分享完整流程:批量爬取B站视频评论→数据清洗去噪→BERT模型情感分类→可视化分析,基于预训练BERT模型实现高精度正负向判断,新手也能快速复刻情感分析系统! 前置配置(关键!获取B站API访问权限) B站评论通过官方API接口返回,无需复杂解析,只需配置用户Cookie即可正常请求: 2. 完整代码(直接复制运行) 三、使用步骤(5步搞定,新手友好) 步骤1:配置关键参数 打开,在类中修改

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1069

基于.NET框架的深度学习机器视觉识别方案

以上介绍了基于.NET框架的深度学习机器视觉识别方案的核心要点。关于如何通过SDK连接相机、获取坐标后的业务处理流程,以及采用TCP/UDP或Modbus等通信方式的具体实现问题,在此就不再赘述。

qq_57856715的博客 1448

Python 爬虫实战:爬虫代码打包为可执行文件

本文详细介绍了使用PyInstaller工具将Python爬虫打包为可执行文件的全过程。以豆瓣电影Top250爬虫为例,首先对比了主流打包工具,推荐选择跨平台的PyInstaller。通过编写完整的爬虫代码(包含异常处理和数据保存功能),演示了从环境准备、代码测试到打包配置的具体步骤。重点讲解了单文件打包、自定义图标等高级功能,并针对常见的"找不到模块"、文件体积过大等问题提供了解决方案。文章还说明了跨平台打包的注意事项,帮助开发者实现爬虫程序的无环境依赖部署,大幅提升程序的易用性和部署

2503_91057718的博客 2217

【系统架构设计师-2023年真题】综合知识-答案及详解

要实现多任务间的协同工作,操作系统必须提供任务间的通信手段。嵌入式操作系统一般都会提供多任务间通信的方法,其中()是任务间最直接、最明显的通信方法,也是访问共享的数据结构,即不同的任务都可以访问同一地址空间。()作为一种更高级的通信方式,能够在同一处理器的各个任务间传递任意长度(理论上只受物理内存和机器字长限制)的信息。(1)A. 共享内存 B. Socket C. 消息传递 D. 信号量(2)A. 共享内存 B. Socket C. 消息传递 D. 信号量【答案】A、C关于星型拓扑结构,下列说法正确的是(

数据知道的博客 1万+

YOLOv8-1资源文件介绍

YOLOv8-1资源文件介绍 去发现同类优质开源项目:https://gitcode.com/ 文件简介 yolov8-1.zip 是一款面向对机器视觉感兴趣的开发者和小伙伴们的资源包。此资源旨在帮助用户在复杂的果园环境中实现对苹果的检测。它包含了YOLOv8数据集以及用于目标检测的代码,是研究机器视觉和深度学习的宝贵资料。 资源内容 YOLOv8数据集:为机器学习模型训练提供标准数据,以便模型...

gitblog_06738的博客 341

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

机器视觉/线阵相机笔记

主流算法:OpenCV、Halcon(收费)、VisionPro(收费),OpenCV,VIsionMaster。

蒋劲豪的博客 63

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

YOLOv8-1资源文件介绍:面向机器视觉开发的苹果检测工具

YOLOv8-1资源文件介绍:面向机器视觉开发的苹果检测工具 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在机器视觉与深度学习领域,目标检测技术一直是一个热门话题。今天,我们将为大家推荐一个开源资源包——YOLOv8-1资源文件。这个资源包是专为对机器视觉感兴趣的开发者和小白用户设计的,旨在帮助用户在果园等复杂环境中对苹果进行有效检测。YOLOv8-1资源文件提供了...

gitblog_06744的博客 330

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

监控识别佩戴安全帽 人员聚集 YOLOv8

监控识别佩戴安全帽人员聚集依据边缘计算+机器视觉深度学习技术,监控识别佩戴安全帽人员聚集利用现场已有的监控摄像头实时监测管控范围之内人员是不是戴安全帽。监控识别佩戴安全帽人员聚集检测出进入施工现场的人员未戴安全帽时,需及时记录和储存,并把语音广播相互连接发出声响提示,降低施工现场安全事件的发生。

燧机科技的博客 605

智能科学与技术机器视觉毕业设计:从选题到部署的全流程技术指南

做完一个完整的机器视觉毕业设计项目,最大的收获可能不是那个最终的mAP数值,而是走通“数据准备->模型选型->训练调优->导出部署->性能测试”这个完整闭环的能力。在这个过程中,你会深刻体会到在有限算力下平衡精度与速度的艺术:也许你需要为Jetson Nano选择更小的模型,或者将输入分辨率从640降到480;也许你需要用INT8量化来换取更高的FPS,同时接受小幅度的精度损失。我强烈建议你,不要只满足于跑通我提供的示例代码。尝试去复现并修改其中的核心模块。

2600_94960222的博客 116
上一篇: 学习机器视觉 7 29
下一篇: 机器视觉学习 8 9
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