在纹理中找瑕疵.基于高斯混合模型(GMM)分类器的纹理检查模型,适用于图像金字塔,可以分析纹理的多个频率范围. [要求]训练样本,必须完美无瑕疵. [步骤] 1.创建模型 create_texture_inspection_model 或 read_texture_inspection_model 2.加载训练样本 add_texture_inspection_model_image 查看样本get_texture_inspection_model_image 保存样本write_object

read_image (Image, 'C:/Users/HJ/Desktop/test_image/image.png') create_bar_code_model([], [], BarCodeHandle) *8表示最多能识别8个 set_bar_code_param(BarCodeHandle, 'element_size_min', 8) *扫描的类型不知道的话可以选auto find_bar_code(Image, SymbolRegions, BarCodeHandle, 'au

[<zw版·Halcon与delphi系列原创教程>zw_halcon人脸识别 经常有用户问,halcon人脸识别方面的问题. 可能是cv在人脸识别.车牌识别方面的投入太多了. 其实,人脸识别.车牌识别,只是图像处理,机器视觉一个很小的领域,对于halcon而言,非常简单. 人脸识别.车牌识别,ocr.汉字识别原理.算法都差不多,自己建库就可以了. halcon与cv不同,面对的是工业(超市)流水线,建库基本是全自动的,扫描一下,和二维码差不多,就自动生成了相关的模型库. 非常简单,halco

zw版·Halcon与delphi(兼谈opencv) QQ群 247994767(delphi与halcon) <Halcon与delphi>系列,早两年就想写,不过一方面,因为Halcon是售价高达数万欧元(不是人民币)的专业软件,知道的人不多,      另外一方面,个人琐事太多,一直没时间动笔,这次借国庆空闲,匆匆忙忙,开个头先.      标题本来准备用:<Halcon.opencv与delphi.python.vb.c++>      太杂,虽然现在流行长标题,还是简化

halcon代码: 1: read_image(Image,'D:/MyFile/halcon/车牌识别/图片.jpg') 2: decompose3(Image,ImageR,ImageG,ImageB) 3: trans_from_rgb(ImageR,ImageG,ImageB,ImageResult1, ImageResult2, ImageResult3, 'hsv') 4:  5: threshold (ImageResult3, Regions, 135, 255) 6: conn

1.在halcon中写入算子,实现函数过程 比如: read_image(Image,'D:/MyFile/halcon/数字识别/1.jpg') decompose3(Image, ImageR, ImageG, ImageB) threshold (ImageG, Regions, 0, 183) connection (Regions, Connection) select_shape (Connection, SelectedRegions, 'area', 'and', 1987.72

引言 机器视觉中缺陷检测分为一下几种: blob分析+特征 模板匹配(定位)+差分:halcon--缺陷检测常用方法总结(模板匹配(定位)+差分) - 唯有自己强大 - 博客园 (cnblogs.com) 光度立体:halcon--缺陷检测常用方法总结(光度立体) - 唯有自己强大 - 博客园 (cnblogs.com) 特征训练 测量拟合:halcon--缺陷检测常用方法总结(测量拟合) - 唯有自己强大 - 博客园 (cnblogs.com) 频域+空间域结合:halcon--缺陷检测常用方

转载来源:http://blog.csdn.net/fengbingchun/article/details/50087005 这篇文章主要是为了对深度学习(DeepLearning)有个初步了解,算是一个科普文吧,文章中去除了复杂的公式和图表,主要内容包括深度学习概念.国内外研究现状.深度学习模型结构.深度学习训练算法.深度学习的优点.深度学习已有的应用.深度学习存在的问题及未来研究方向.深度学习开源软件. 一.            深度学习概念 深度学习(Deep Learning, DL

Gabor变换 Gabor变换属于加窗傅立叶变换,Gabor函数可以在频域不同尺度.不同方向上提取相关的特征.另外Gabor函数与人眼的生物作用相仿,所以经常用作纹理识别上,并取得了较好的效果.Gabor变换是短时Fourier变换中当窗函数取为高斯函数时的一种特殊情况. 根据卷积定理,我们知道傅里叶变换可以通过卷积运算来计算得到. 卷积定理:二个二维连续函数在空间域中的卷积可求其相应的二个傅立叶变换乘积的反变换而得.反之,在频域中的卷积可用的在空间域中乘积的傅立叶变换而得.简单来说,空间域的卷

全球计算机视觉三大顶会之一 ECCV 2018(European Conference on Computer Vision)即将于 9 月 8 -14 日在德国慕尼黑拉开帷幕.届时,旷视首席科学家孙剑博士将带领团队远赴盛会,助力计算机视觉技术的交流与落地.本文介绍了旷视科技被 ECCV 2018 所接收的一篇论文,该论文提出了一种用于场景理解的统一感知解析网络——UPerNet. 论文名称:<Unified Perceptual Parsing for Scene Understanding>

纹理特征,材料分类(Material Classification),在MINC-2500.Flickr Material Database.KTH-TIPS-2b.4D-Light-Field-Material.GTOS上state-of-the-art(2017年). 思想主要来源是:传统图片分类方法都是提取人工设计的特征(SIFT等)然后使用BOW进行编码,再用SVM进行分类,后面BOW被VLAD.Fisher Vector编码替换并融合CNN特征可以达到sota的效果.然而这样的方法有缺

*读取图片 read_image(Image,'D:/MyFile/halcon/数字识别/1.jpg define PHYS_FLASH2_1 0xBC000000 /* Image2 Bank #1 */ #elif defined (ON_BOARD_16M_FLASH_COMPONENT) #define PHYS_FLASH_1 0xBCC00000 /* Image1 Bank #1 */ #define PHYS_FLASH_2 0xBC000000 /* Image1 Bank

http://www.cnblogs.com/gongminmin/archive/2010/11/21/1883392.html 多年前NVIDIA就发布了3D Vision技术,能提供多种立体渲染的效果.随着2009年的电影阿凡达所带来的世界性3D狂潮,你是否也想在自己的程序中加入立体渲染呢? 3D Vision的原理 根据http://developer.nvidia.com/object/3d_stereo_dev.html,3D Vision的原理如下: 在驱动内部,所有3D场景都渲染

Local binary pattern (LBP),在机器视觉领域,是非常重要的一种特征.LBP可以有效地处理光照变化,在纹理分析,纹理识别方面被广泛应用. LBP 的算法非常简单,简单来说,就是对图像中的某一像素点的灰度值与其邻域的像素点的灰度值做比较,如下图所示: 如果邻域像素值比该点大,则赋为1,反之,则赋为0,这样从左上角开始,可以形成一个bit chain,然后将该 bit chain 转换为一个十进制的数,用表达式可以表达如下: LBPP,R(xc,yc)=∑P=0P−1s(iP−

之前介绍过机器视觉中常用到的一种特征:LBP http://blog.csdn.net/matrix_space/article/details/50481641 LBP可以有效地处理光照变化,在纹理分析,纹理识别方面被广泛应用. 但是LBP 只能处理单张的二维图像,对于视频或者图像序列,如何用LBP来提取特征,捕捉视频序列的运动信息呢.今天我们就介绍一种称为 LBP-TOP 的特征,是芬兰奥卢大学的 Guoying Zhao 等人提出来的,最早是用来处理动态纹理的识别,但是现在已经被广泛用在基

翻译 本地描述符的性能评估——http://tongtianta.site/paper/56756 摘要 - 在本文中,我们比较了为局部感兴趣区域计算的描述符的性能,例如,由Harris-Affine检测器[32]提取.在文献中已经提出了许多不同的描述符.目前还不清楚哪些描述符更合适以及它们的性能如何取决于兴趣区域检测器.描述符应该是独特的,同时对于观察条件的变化以及检测器的误差是稳健的.我们的评估使用关于精度的标准调用,并且针对不同的图像变换执行.我们比较形状上下文[3],可控滤波器[12],

此主要讨论图像处理与分析.虽然计算机视觉部分的有些内容比如特 征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以 及它们的出处,没有把它们纳入到图像处理与分析中来.同样,这里面也有一些 也可以划归到计算机视觉中去.这都不重要,只要知道有这么个方法,能为自己 所用,或者从中得到灵感,这就够了. 8. Edge Detection 边缘检测也是图像处理中的一个基本任务.传统的边缘检测方法有基于梯度 算子,尤其是 Sobel 算子,以及经典的 Canny 边缘检测.到现在,Cann

Gabor变化属于加窗傅里叶变换,Gabor函数可以在频域不同尺度.不同方向上提取相关的特征.Gabor函数与人眼的生物作用相仿,所以经常用于纹理识别上,并取得了较好的效果. 二维Gobor滤波函数: ​ 其中: xp = x*cos(theta)+y*sin(theta) yp=y*cos(theta)-x*sin(theta) function [ G,gabout ] = gaborfilter(I,Sx,Sy,f,theta) % gaborfilter定义,I为输入图像,Sx.Sy是变

翻译 局部不变特征探测器:一项调查 摘要 -在本次调查中,我们概述了不变兴趣点探测器,它们如何随着时间的推移而发展,它们如何工作,以及它们各自的优点和缺点.我们首先定义理想局部特征检测器的属性.接下来是对过去四十年中根据不同类别的特征提取方法组织的文献的概述.然后,我们对选择的方法进行更详细的分析,这些方法对研究领域产生了特别重大的影响.最后总结并展望未来的研究方向. 1引言 在本节中,我们将讨论局部(不变)特征的本质.这个词我们的意思是什么?使用局部特征有什么好处?我们可以用它们做什么?理想的

ylbtech-术语-Blob:Blob 计算机视觉中的Blob是指图像中的一块连通区域,Blob分析就是对前景/背景分离后的二值图像,进行连通域提取和标记.标记完成的每一个Blob都代表一个前景目标,然后就可以计算Blob的一些相关特征.其优点在于通过Blob提取,可以获得相关区域的信息,但是速度较慢,分析难度大. 1.返回顶部 1. 中文名:blob 外文名:blob 用    途:目标跟踪 领    域:计算机 含    义:图像中的一块连通区域 类    别:基于区域的跟踪 目录 1 背