自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(25)
  • 收藏
  • 关注

原创 Pytorch学习之Dataset类

import os这段代码是借鉴的b站UP主——小土堆的,大家可以关注学习一下。P6. Dataset类代码实战_哔哩哔哩_bilibili大致介绍一下这个类,里面三个函数,__init__、__getitem__、__len__。__init__可以理解成为整个类提供一个全局变量,方便其他函数使用这些变量;__getitem__可以理解为获取训练所需要的数据和标签;__len__理解为获取数据量的长度。这里只写了一个简单方便理解的,后续会在这几个函数里面,进行不断的变换,但最终目的差不多。

2025-10-12 20:30:50 318

原创 Halcon例程学习五:circles.hdev

halcon例程学习,然后进行圆拟合操作

2025-10-11 10:57:00 414

原创 图像处理:simd快速灰度化

一直想着找个机会学习记录一下使用simd指令集来进行图像处理,这样可以高效的利用cpu,实现图像处理的加速。

2025-09-19 08:36:53 896

原创 C++ opencv复现halcon算子 connection()和select_shape()

一般在使用halcon做blob分析的时候,threshold()、connection()、select_shape()这三个算子是结合起来使用的。通过threshold()算子进行二值化目标分割提取,通过connection()将各目标关联起来,然后利用select_shape()对各目标进行筛选。

2025-07-06 10:46:33 683

原创 Halcon学习之select_shape()算子参数介绍

不得不承认,halcon是真牛。

2025-06-21 16:49:51 1590

原创 Halcon例程学习四:pcb_inspection.hdev

这个例程主要是检测pcb电路板中的一些电路线缺陷。

2025-06-19 16:19:13 385

原创 Halcon例程学习三:board.hdev

本例程是为了检测电路板中是否有焊锡。

2025-06-17 11:21:36 483

原创 Halcon例程学习二:ball.hdev

threshold() //二值化计算,区分前景背景shape_trans () //改变前景的形状,代码中将其修改为矩形了reduce_domain() //缩小一个图像的定义域fill_up_shape() //根据特定形状特征来选择填充的孔opening_circle() //形态学开运算connection() //将连通域分离成单个区域select_shape() //根据特定形状特征进行筛选sort_region() //对区域根据特征进行排序。

2025-06-16 10:43:27 350

原创 Halcon例程学习一:apply_metrology_model

create_metrology_model (MetrologyHandle)//创建测量模型句柄结构set_metrology_object_param ()//设置测量目标的参数,包括检测数量、等等apply_metrology_model (Image, MetrologyHandle)//应用检测get_metrology_object_result ()//获取拟合的结果。

2025-06-13 17:21:46 456

原创 基于模板匹配的图像拼接+融合

在左图公共区域内选择一个roi作为模板匹配的模板图像,在右图的公共区域内寻找一个区域作为模板匹配的待匹配图像,然后进行匹配搜索操作,确定最终的位置即为拼接的位置。其实基于图像特征点配准拼接也是不错的,如SIFT、SURF等,但是这种方法也有局限性,对于特征点数量少,或者重复特征太多的情况,这种拼接方法可能会导致误匹配。当我们将两个图像按照模板匹配给出的拼接位置进行拼接后,可能会发现,在拼接缝位置处有较大的跳变,因此,这里需要一个图像融合操作来消除这个裂缝。1.图像的拼接的几种方法。3.拼接后的图像融合。

2025-06-13 09:47:56 345

原创 C++实现图像局部区域的亚像素极值定位与曲面拟合

对于计算亚像素位置,一般有两种方法;线性插值方法以及拟合的方法。这篇文章主要介绍拟合的方法。

2025-06-13 09:07:37 882

原创 opencv卡尺测量工具(圆拟合、直线拟合)

opencv 卡尺拟合圆,直线

2025-05-22 16:30:29 1605 1

原创 模板匹配闲谈之(动态阈值设置)

在图像处理中,是一种通过滑动窗口在目标图像中寻找与模板最相似区域的技术。而阈值设置直接影响匹配结果的筛选。当识别多目标时,可通过设置一个匹配相似度下限的阈值,并结合非极大值抑制来进行定位多个目标。(这部分代码实现会在后续文章中展现)

2025-05-18 13:24:48 992

原创 OpenCV图像傅里叶变换详解:从原理到代码实现

OpenCV图像傅里叶变换详解:从原理到代码实现

2025-05-16 15:54:03 1314

原创 基于边缘轮廓的模板匹配:可克服非线性光照影响

基于边缘轮廓信息的模板匹配

2025-04-30 17:18:25 814

原创 模板匹配加速之金字塔分层搜索

图像金字塔是一种多分辨率图像表示方法,它通过一系列逐渐缩小或放大的图像来表示原始图像的不同尺度。高斯金字塔(Gaussian Pyramid):通过不断下采样(降采样)生成更小的图像。拉普拉斯金字塔(Laplacian Pyramid):通过高斯金字塔和差分操作生成一组残差图像。在模板匹配中,我们主要使用高斯金字塔来实现多尺度匹配。金字塔灰度模板匹配通过多尺度搜索策略,在保持较高准确率的同时显著提升匹配速度,尤其适用于:高分辨率图像处理实时检测系统移动端设备等资源受限场景。

2025-03-21 09:16:05 1434

原创 亚像素精度模板匹配:深入理解与OpenCV实现

C++ 结合opencv实现亚像素精度的模板匹配

2025-03-18 16:41:36 1388

转载 c++实现双边滤波

是一种非线性滤波,能够达到去噪保边的效果。相比,双边滤波多了一种,也就是还考虑了所以双边滤波是结合图像的空间邻近度和像素值相似度的一种折衷处理。先看看对比效果:wsize=23*23, sigma(space)=10,sigma(color)=35在同样的掩膜尺寸、sigma(space)的情况下,双边滤波能去除噪声污染并能保持边缘。图像增强、图像去雾、图像去噪、图像恢复、美颜等等。

2023-04-07 10:47:49 859

原创 BLP原理及其代码

LBP特征提取原理及代码实现 - 无趣的鱼 - 博客园 (cnblogs.com)

2022-08-08 19:20:25 456

转载 U-Net模型

在网络结构中,卷积基本上都是成对使用的,所以就定义了一个DoubleConv类网络结构图:1.1DoubleConv 模块代码实现)in_channels : 指的是输入特征层的channelsout_channels: 指的是经过DoubleConv层后输出特征层的channelsmid_channels: 指第一个卷积层输出的channels。......

2022-08-04 10:00:29 5576

原创 对平面柱体图利用墨卡托进行柱体展开

利用墨卡托投影进行柱体展开

2022-06-27 16:35:45 440

原创 自适应中值滤波代码

自适应中值滤波

2022-06-27 09:22:27 428

原创 bounding box 回归

【目标检测】基础知识:IoU、NMS、Bounding box regression - 知乎 (zhihu.com)

2021-12-15 20:15:23 2549

原创 Hough变换

先上代码,c++1.hough检测线//LineFinder.h#include"opencv2/imgproc/imgproc.hpp"#include"opencv2/highgui/highgui.hpp"#include "opencv2/core/core.hpp"#include<iostream>//#include <math.h>//#include <cmath>using namespace std;using namespa

2021-12-04 17:34:11 3003

原创 2021-11-06

sift码一下https://www.cnblogs.com/fcfc940503/p/11638006.html

2021-11-06 15:38:14 104

计算机视觉 多角度多目标的灰度NCC模板匹配 亚像素精度 C++ opencv实现,速度快 源码以及测试demo

本资源提供了一套基于计算机视觉技术的解决方案,专门用于实现多角度、多目标的灰度归一化互相关(NCC)模板匹配,并支持亚像素精度。该方案采用C++语言编写,利用了OpenCV库的强大功能进行图像处理和分析,确保了算法在执行速度上的优越表现。 主要特点: 多角度多目标匹配:能够高效地识别和定位图像中从不同角度出现的多个目标,极大地提升了应用的灵活性和准确性。 灰度NCC模板匹配:通过使用归一化互相关算法对灰度图像进行模板匹配,即使在光照变化或部分遮挡的情况下也能保持较高的匹配准确率。 亚像素精度:实现了亚像素级别的精确匹配,适用于需要高精度定位的应用场景。 C++与OpenCV:整个项目基于C++语言开发,并深度集成了OpenCV库,充分发挥了两者在性能优化和图像处理方面的优势。 高效执行速度:经过精心设计和优化,保证了算法在处理大规模数据时依然能快速响应,满足实时性要求。 完整源码及测试Demo:包含完整的源代码以及详细的测试示例(demo),方便用户快速上手并根据自己的需求进行二次开发。 此资源非常适合从事计算机视觉领域的研究人员、工程师以及学生,无论是用于学术研究还是工业项目的原型

2025-03-18

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除