引言 机器视觉中缺陷检测分为一下几种: blob+特征(官方示例surface_scratch.hdev) blob+差分+特征(官方示例pcb_inspection.hdev) 光度立体 特征训练 测量拟合 频域+空间域结合:halcon--缺陷检测常用方法总结(频域空间域结合) - 唯有自己强大 - 博客园 (cnblogs.com) 深度学习 前一篇总结了频域与空间域的结合使用,本篇就光度立体的缺陷检测做一个总结. 光度立体 在工业领域,表面检测是一个非常广泛的应用领域.在halcon中,

官方文档翻译 名称: photometric_stereo -- 通过光度立体技术重建表面. 签名: photometric_stereo(Images : HeightField, Gradient, Albedo : Slants, Tilts, ResultType, ReconstructionMethod, GenParamName, GenParamValue : ) 描述: photometric_stereo可以用来从一个物体的两维纹理,例如它的打印照片,来区分出它的三维形状.这

库存ABC分类,简单的说就是抓大放小,是为了让我们抓住重点,用最大精力来管理最重要的物料,而对于不太重要的物料则可以用较少的精力进行管理.它和我们平常说的八二法则有异曲同工之妙. 既然要应用库存ABC方法,那么我们首先要决定,哪些物料是最重要的A类,哪些物料是一般重要的B类,哪些物料是最不重要的C类. 最简单的办法自然就是在物料主表中直接把ABC填上去,然后在日常业务中,我们随时都可以看到这是哪一类物料,从而决定了我们对其采取的管理方式(最重要的一个不能差,最不重要的,差一点半点可以容忍).为了

DBSCAN算法是一种很典型的密度聚类法,它与K-means等只能对凸样本集进行聚类的算法不同,它也可以处理非凸集. 关于DBSCAN算法的原理,笔者觉得下面这篇写的甚是清楚练达,推荐大家阅读: https://www.cnblogs.com/pinard/p/6208966.html DBSCAN的主要优点有: 1) 可以对任意形状的稠密数据集进行聚类,相对的,K-Means之类的聚类算法一般只适用于凸数据集. 2) 可以在聚类的同时发现异常点,对数据集中的异常点不敏感. 3) 聚类结果没有偏

参考原理博客地址https://blog.csdn.net/u013713294/article/details/53407087 一.基本原理 在信息论中,熵是对不确定性的一种度量.信息量越大,不确定性就越小,熵也就越小:信息量越小,不确定性越大,熵也越大. 根据熵的特性,可以通过计算熵值来判断一个事件的随机性及无序程度,也可以用熵值来判断某个指标的离散程度,指标的离散程度越大,该指标对综合评价的影响(权重)越大,其熵值越小. 二.熵值法步骤 1. 选取n个国家,m个指标,则为第i个国家的第j

冒泡排序原理 冒泡排序对一个数组里的数字进行排序,把数组里两个相邻的数比较大小,将值小的数放在前面,把大的数往后面放,当然这种排序是升序,即从小到大.举例说明$array = [64, 56, 31, 68, 6];数组中有五个元素,按照原理说法,再详细说一下做几轮比较和比较的细节.第一轮[64, 56, 31, 68, 6]: 第一次比较是拿64和56比较,也就是$array[0] 和 $array [1] 比较,因为64比56大,那么56放在前面,64放在后面,结果为 [56, 64, 31

寻思自己写了的,但是这个大佬写的太好了,感谢Y忍冬草_ http://blog.csdn.net/y363703390 https://blog.csdn.net/y363703390/article/details/81806378 1.算子 通过阈值实现图像的分水岭算法分割watersheds_threshold(Image : Basins : Threshold : ) 2.原理 第1步:通过分水岭算法watersheds()获取图像的盆地. 第2步:根据第一步分水岭算法分离结果,若盆地

直接插入排序法就像我们打扑克牌时整理牌面一样,先让我们脑补一下我们打牌的过程. 首先摸了一张6, 接着摸到一张4,比6小,插到6的前面: 又摸到一张7,比6大,插到6的后面: 又摸到一张5,比6小,比4大,插到4和6中间: .... 以上的过程,其实就是典型的直接插入排序,每次将一个新数据插入到有序队列中的合适位置里. 步骤: 1.首先将数组第1个数看成是一个有序序列. 2.将数组的第2个数按照关键字大小插入到这个有序序列中,插入后得到了一包含两个数的有序序列. 3.接下来再重复上面的步骤将第3

[原] E.J.Hoffman; J.C.Loessi; R.C.Moore The Johns Hopkins University Applied Physics Laboratory *[译]* EXP 2017-12-29 注意 由于原文使用了"m皇后"进行描述,所以本文从现在开始也使用"m皇后"进行描述. 我这里就不调整为大多数人习惯的"n皇后"了,避免某些数学公式参数混淆. *[写在前面]* 这是现在网上流传的一套关于M皇后问题的构造

w $wdays = ceil(($wmaxutime-$wminutime)/(24*3600)); $wdays = ceil(($wmaxutime-$wminutime)/243600); 二者区别.

dev_close_window () * 设置颜色 dev_set_color ('green') * 读取图像 read_image (Image, 'images3/1') * 获得图像尺寸 get_image_size (Image, Width, Height) * 开启窗口 dev_open_window (0, 0, Width, Height, 'black', WindowHandle) * 均值滤波为了将光条处理的更加平滑 mean_image (Image, Image,

学习OpenCV双目测距原理及常见问题解答 转自博客:https://blog.csdn.net/angle_cal/article/details/50800775 一. 整体思路和问题转化.  图1. 双摄像头模型俯视图 图1解释了双摄像头测距的原理,书中Z的公式如下:  在OpenCV中,f的量纲是像素点,T的量纲由定标棋盘格的实际尺寸和用户输入值确定,一般总是设成毫米,当然为了精度提高也可以设置为0.1毫米量级,d=xl-xr的量纲也是像素点.因此分子分母约去,z的量纲与T相同  图2,

持更 应用范围 (罗列自官方帮助文档,以后有空了按照需求展开叙述) 1. 安全系统 2. 表面检测 3. 定位 4. 二维测量比较 5. 二维码识别 6. 二维位置定位 7. 二维物体识别 8. 光学字符识别 9. 机器人视觉 10. 交通监视和驾驶辅助系统 11. 三维测量比较 12. 三维物体定位 13. 三维物体识别 14. 特征检测 15. 完整性检测 16. 颜色检测 17. 一维码识别 18. 印刷检测 方法 Blob分析 对前景/背景分离后的二值图像,进行连通域提取和标记.核心思想

1)Color Filter Array---CFA 图像传感器都采用一定的模式来采集图像数据,常用的有 BGR 模式和 CFA 模式.BGR 模式是一种可直接进行显示和压缩等处理的图像数据模式,它 由 R( 红).G( 绿) .B( 蓝) 三原色值来共同确定 1 个像素点,例如富士数码相机采用的 SUPER CCD 图像传感器就采用这种模式,其优点是图像传感器产 生的图像数据无需插值就可直接进行显示等后续处理,图像效果最好,但是成本高,常用于专业相机中. 为了减少成本,缩小体积,市场上的数码相

原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/11555100.html 前言:最近项目用到halcon的3d模板匹配,三维重建,相机标定,所以最近都在研究这些,现在分享一下对激光三角测量示例的个人理解. 1.Reconstruct_Connection_Rod_Calib.hdev 先看一下这个halcon示例做了些什么: 通过一道激光照射过一个零件,留下了一个个片截图,后面用于测量其深度信息. 而示例就是用光片模型的重建,对所有的con

首先扯个淡@@@@@@@@@ 算法是程序的核心,一个程序的好坏关键是这个程序算法的优劣. 冒泡排序法 原理:在要排序的一组数中,对当前还未排好的序列,从前往后对相邻的两个数依次进行比较和调整,让较大的数往下沉,较小的往上冒(就像冒泡似的).即,每当两相邻的数比较后发现它们的排序与排序要求相反时,就将它们互换. 给定的数组:$arr(1,43,54,62,21,66,32,78,36,76,39);开始撸代码::::: <?php $arr=array(1,43,54,62,21,66,32,78

超声波传感器 超声波是一种超出人类听觉极限的声波即其振动频率高于20 kHz的机械波.超声波传感器在工作的时候就是将电压和超声波之间的互相转换,当超声波传感器发射超声波时,发射超声波的探头将电压转化的超声波发射出去,当接收超声波时,超声波接收探头将超声波转化的电压回送到单片机控制芯片.超声波具有振动频率高.波长短.绕射现象小而且方向性好还能够为反射线定向传播等优点,而且超声波传感器的能量消耗缓慢有利于测距.在中.长距离测量时,超声波传感器的精度和方向性.都要大大优于红外线传感器,但价格也稍贵.

关于冒泡排序的原理请看本博客这篇文章冒泡排序法原理讲解及PHP代码示例 //代码 package main import ( "fmt" ) func main() { //定义一个数组 arr := [], , , , } fmt.Println(arr) //[64 56 31 68 6] ; i < len(arr) - ; i ++ { //最外层表示一共循环的次数 ; j < (len(arr) - - i); j++ { //内层表示逐层比较的次数递减 ] {

RIP路由协议及工作原理 RIP(Routing information Protocol,路由信息协议)是应用较早.使用较普遍的内部网关协议(Interior Gateway Protocol,IGP),适用于小型同类网络的一个自治系统(AS)内的路由信息的传递.RIP协议是基于距离矢量算法(Distance Vector Algorithms,DVA)的.它使用“跳数”,即metric来衡量到达目标地址的路由距离.文档见RFC1058.RFC1723.它是一个用于路由器和主机间交换路由信息的

逆序数的概念:对于n个不同的元素,先规定各元素之间有一个标准次序(例如n个 不同的自然数,可规定从小到大为标准次序),于是在这n个元素的任一排列中,当某两个元素的先后次序与标准次序不同时,就说有1个逆序.一个排列中所有逆序总数叫做这个排列的逆序数. 解决思路: HDU-1394 1.线段树:通过保存区间内数的出现次数,每次插入一个数前把比它小(大)的区间内的总数累加. //求逆序数 线段树法 //原理,因为输入是依次输入的,所以每次输入一个数,只要查找比这个数小数的个数并累加就行了. //顺序查