摘 要:简要介绍了机器视觉构成分类的基本原理 ,并通过实例分析和讨论了机器视觉系统在现代包装工业中的应用。关键词:机器视觉系统;包装;质量检测
上传时间： 2014-12-31
上传用户：born2007
车牌定位－－－VC++源代码程序 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2013-11-26
上传用户：懒龙1988
B.Aazhang写的一篇论文，第一次提出了神经网络如何在应用多用户检测中。
上传时间： 2015-07-17
上传用户：ljmwh2000
1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2014-01-08
上传用户：songrui
机器视觉的程序，运动检测，本人觉得还可以
上传时间： 2016-01-08
上传用户：米卡
这个项目涉及了人工智能、机器视觉和神经网络等领域，实现一个车牌自动识别系统(ANPR)。它包括了一系列的数学算法原理，以保证数字车牌的检测与提取、字母分割、归一化和识别。
上传时间： 2013-12-10
上传用户：cjf0304
5V USB扁口接口TP4055锂离子电池充电接口板ALTIUM设计硬件原理图+PCB文件，2层B板手设计，大小为33*18mm,，可以做为你的学习设计参考。TP4055 是一款完整的单节锂离子电池充电器，带电池正负极反接保护，采用恒定 电流/恒定电压线性控制。其 SOT 封装与较少的外部元件数目使得 TP4055 成为便携式应 用的理想选择。TP4055 可以适合 USB 电源和适配器电源工作。 由于采用了内部 PMOSFET 架构，加上防倒充电路，所以不需要外部检测电阻器和 隔离二极管。热反馈可对充电电流进行自动调节，以便在大功率操作或高环境温度条件 下对芯片温度加以限制。充满电压固定于 4.2V，而充电电流可通过一个电阻器进行外部 设置。当电池达到 4.2V 之后，充电电流降至设定值 1/10，TP4055 将自动终止充电。 当输入电压（交流适配器或 USB 电源）被拿掉时，TP4055 自动进入一个低电流状 态，电池漏电流在 2uA 以下。TP4055 的其他特点包括充电电流监控器、欠压闭锁、自 动再充电和一个用于指示充电结束和输入电压接入的状态引脚。
上传时间： 2021-11-22
上传用户：trh505
1机器视觉基础知识1.1机器视觉概述1.2相机（camera）1.3镜头（lens）14图像采集卡（frame grabber）15光源（ⅲ urination）1.6祝觉开发软件（vision SDK）1.7智能相机（smart camera）2典型案例31定位&引导（Locate&Guide）32几何尺寸测量（Gauging33缺陷检测（Flaw Inspection）34光学字符检测识别（CV/OCR）
标签： 机器视觉
上传时间： 2022-04-02
上传用户：
边缘（edge）是指图像局部强度变化最显著的部分.边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，是图像分割、纹理特征和形状特征等图像分析的重要基础.图像分析和理解的第一步常常是边缘检测（edge detection）.由于边缘检测十分重要，因此成为机器视觉研究领域最活跃的课题之一.本章主要讨论边缘检测和定位的基本概念，并使用几种常用的边缘检测器来说明边缘检测的基本问题图像中的边缘通常与图像强度或图像强度的一阶导数的不连续性有关.图像强度的不连续可分为：（）阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异（2）线条不连续，即图像强度突然从一个值变化到另一个值，保持一个较小的行程后又返回到原来的值.在实际中，阶跃和线条边缘图像是很少见的，由于大多数传感元件具有低频特性，使得阶跃边缘变成斜坡型边缘，线条边缘变成屋顶形边缘，其中的强度变化不是瞬间的，而是跨越一定的距离，这些边缘如图6.1所示对一个边缘来说，有可能同时具有阶跃和线条边缘特性.例如在一个表面上，由一个平面变化到法线方向不同的另一个平面就会产生阶跃边缘：如果这一表面具有镜面反射特性且两平面形成的棱角比较圆滑，则当棱角圆滑表面的法线经过镜面反射角时，由于镜面反射分量，在棱角圆滑表面上会产生明亮光条，这样的边缘看起来象在阶跃边缘上叠加了一个线条边缘.由于边缘可能与场景中物体的重要特征对应，所以它是很重要的图像特征。比如，个物体的轮廓通常产生阶跃边缘，因为物体的图像强度不同于背景的图像强度在讨论边缘算子之前，首先给出一些术语的定义：边缘点：图像中具有坐标[门且处在强度显著变化的位置上的点边缘段：对应于边缘点坐标[，门及其方位，边缘的方位可能是梯度角边缘检测器：从图像中抽取边缘（边缘点和边缘段）集合的算法
上传时间： 2022-04-22
上传用户：bluedrops
相关介绍简介：本系统是鄙公司历时6年研发的一款类似松下，欧姆龙，基恩士的一款基于计算机的智能机器视觉系统，可以有效缩短一个视觉项目的开发周期，降低了电气工程师的应用门槛，只需要掌握一些图像处理算法的应用，便可解决一个视觉项目，无需计算机软件知识，只需要简单设定一些参数便可，此系统集成了大量的机器视觉行业图像算法，每种算法有100组，和16层图像缓存区，和本团队多年的实际项目处理经验，还有丰富的外围通讯接口，轻松实现数据交换，支持多款国内外相机硬件，，CCD检测设备的全部系统方案，简单可靠，易于维护
标签： CCD视觉检测系统
上传时间： 2022-06-03
上传用户：
