大家好，我是M哥。最近遇到几个案例，都是客户问实际项目里，激光能不能聚焦到多少多少光斑大小，今天给大家最简单的方法，自己能够算一下。大家都知道激光是高斯光束，不能用初中物理来计算，因为用初中物理来计算的话，平行光聚焦点理论值是0了。所以最著名的公式： 这里你要知道代表激光的发散度的M2值，一般出厂参数是供应商提供的，比如最普通的20W光纤激光器有些标1.4，好一点的能做到1.1，就是这
一阶矩求取光斑质心： 第一步，计算图像中所有像素的灰度值之和 第二步，计算图像中每个像素与其对应的x坐标的乘积之和；每个像素与其对应的y坐标的乘积之和 第三步，分别计算质心坐标的x，y 二阶矩求取光斑质心： 第一步，和一阶矩求解过程一样，计算图像中所有像素的灰度值之和 第二步，计算图像中每个像素与其 ...
转载
2021-07-30 11:33:00
1368阅读
2评论
基金项目:西安工业大学校长基金(XAGDXJJ0601) 收稿日期:2011 年 3 月 基于 MATLAB的激光光斑图像处理算法 马时亮1 ,马群1 ,史国清2 1西安工业大学 ; 2西北机电工程研究所 摘要 :提出了一种基于 MATLAB 的激光光斑图像处理仿真算法。在 MATLAB 环境下 ,首先对采集到的光斑图像进行平滑滤波、亮度调节、阈值分割和边缘检测等图像处理 ,确定出光斑区域并得到
背景电子产品发展日新月异，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。其中，智能设备屏幕是影响用户体验的重要因素，因为用户在使用智能设备时，与智能设备进行人机交互的主要手段是通过智能设备的屏幕来实现的，所以屏幕好坏直接影响到用户体验。 然而，目前识别设备屏幕光斑是通过相关人员的人工观察确定。肉眼观察的方式受主观因素干扰较大，且人力成本较高、效率和准确率较低。 本文针对传统识别光斑的
opencv中最常用的特征检测和提取算法斑点：斑点有区别于角点和边缘，斑点主要描述的是一个区域。该区域相对其周围的像素在颜色或者灰度上有明显区别。虽然称之为点，但不是说明该区域很小。在纯色的背景中，里面单一的物体（比如雕塑）也可以称之为斑点。 BRIEF简介 BRIEF是2010年的一篇名为《BRIEF:Binary Ro
一、主要功能 检测斑片（脏污缺陷，既亮度值不同的区块的检测）。输入图片，选择FindCircleTool找到的圆，Region（进行检测的区域）链接至上一级找圆工具区域。输出，Count找到的斑点数量，以及Area斑点的判定面积。 二、设置 阈值模式：定义一个像素值作为图像分割点，大于此值的为物体像素，小于为背景像素&nbs
文章目录1.代码运行问题记录1.1.需要OpenCV4版本1.2.修改代码使用OpenCV4接口1.3.Pangolin的fmt依赖问题1.4.其他问题2.光流法详解2.1.光流法原理2.2.高斯牛顿优化实现单层光流2.3.双线性插值获得浮点坐标的灰度值（用于迭代）2.3.1.原理2.3.2.实际操作2.3.3.程序疑问2.4.多层光流原理3.直接法3.1.理论推导3.2.代码实现4.CPU的并
【有问不答】非白色光斑的检测（单个实例）分析图像开整其他 by 今天不飞了课代表已经成功掌握了光斑中心定位方法，但是新的麻烦来了，目标光斑检测不出来……我当然也不会，只能一起看看怎么解决分析图像课代表这次面对的图像是这样，要定位的是白色箭头指向的两个小亮斑。所有数据都是类似的大光斑旁边一个小光……好家伙，这个小的也太小了。简单观察，推测直接用灰度图二值化，很大可能小的会被吃掉。 在红色分量里，应
2.1 简介LBP指局部二值模式(Local Binary Pattern)，是一种用来描述图像局部特征的算子，具有灰度不变性和旋转不变性等显著优点。LBP常应用于人脸识别和目标检测中，在OpenCV中有使用LBP特征进行人脸识别的接口，也有用LBP特征训练目标检测分类器的方法，OpenCV实现了LBP特征的计算，但没有提供一个单独的计算LBP特征的接口。也就是说OpenCV中使用了LBP算法，但
一、待检测图像
二、斑点检测原理
二、实际检测方法总结 摘要纸盒表面可能存在脏污烟渣等，如果超过一定面积，需检测为不良品。一、待检测图像 检测如红框所示的异常点，异常原因传送带脏污，有烟渣覆盖在烟盒表面。 二、斑点检测原理。1.LOG算子。2.DOG算子 dog算子即高斯查分。3. 曲线响应 。。4. Dog进行Blob检测
1. 什么是斑点 斑点通常是指与周围有着颜色和灰度差别的区域。在实际地图中，往往存在着大量这样的斑点，如一颗树是一个斑点，一块草地是一个斑点，一栋房子也可以是一个斑点。由于斑点代表的是一个区域，相比单纯的角点，它的稳定性要好，抗噪声能力要强，所以它在图像配准上扮演了很重要的角色。 同时有时图像中的斑点也是我们关心的区域，比如在医学与生物领域，我们需要从一些X光照片或细胞显微照片中提取一些具有特殊意
最近在做计算机视觉项目时需要获取视频的光流图，于是便在github找了一些现成的项目工程，这些项目工程都是使用C++ OpenCV，所以需要在电脑上安装OpenCV，折腾了很久，也踩了很多坑，这里把安装过程及工程运行过程记录下来，方便以后查阅。Linux gcc环境这个是最基本的，编译需要有gcc编译环境，没有的输入一行命令即可解决。sudo apt install build-essential
裁剪操作img=img[100:200,:,:]通道置零img[:,:,2]=0侵蚀 扩张frame = cv2.erode(frame, kernel=np.ones((5, 5))) # 侵蚀运算
frame = cv2.dilate(frame,kernel=np.ones((15,15)))# 扩张运算
thresh, frame = cv2.threshold(frame, 60, 25
基本思路斑马线检测通过opencv图像处理来进行灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀后对图像进行轮廓检测，通过判断车辆和行人的位置，以及他们之间的距离信息，当车速到超过一定阈值时并且与行人距离较近时，则会被判定车辆为未礼让行人。结果示例实验流程先通过视频截取一张图片来进行测试，如果结果满意之后再嵌套到视频中，从而达到想要的效果。1.预处理（灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀）
1. 安装spectral模块 spectral模块的安装需要有numpy、pillow、wxpython、matplotlib、ipython等这几个包的铺垫，而且安装spectral模块时看的教程最好不要pip Install，要在安装完上述几个包之后在官网上下载，从Python Package Index（PyPI）或GitHub上的SPy Project Page下载，如果pip安装成功了
opencv学习笔记（1）本系列文章由 @苏安6629 出品，转载请注明出处。 TermCriteria类和calcOpticalFlowPyrLK的使用在SLAM中，因为可能存在运动的目标，所以采用传统的特征点提取方法可能会因为运动的目标而造成比较大的误差，所以如果采用光流法进行特征点的提取则可以很好的解决这个问题。TermCriteria模板类TermCriteria模板类取代了旧版本open
目录一、概述二、光强分布三、光束直径四、光束相机五、M²因子测量六、束腰以及大小七、发散角八、正态分布/高斯分布其他概念一、概述激光的直径和光强度分布可通过光束轮廓分析仪测量，但为了判定光束质量，还需要加上M²测量扩展套件，两者组合能沿传播方向扫描光束并采集多个光斑直径而算出M²数值。光斑是光束在平面上的投影。二、光强分布激光谐振腔中的光强分布通过横模表征，而理想的激光器发射TEM00基模高斯光束
首先我们先来看一下详细的逻辑思路：灰度化对比度增强梯度极大值查找皮肤排除孤立点消除高斯模糊阈值处理区域表求和得到最终结果D根据结果D与梯度最大值查找的结果对图像A里的斑点进行泊松放出处理，得到自动祛斑的最终效果概括来说就是一下三个主要步骤：- 1.sobel算子————》找到斑点的可能区域 sobel算子的主要目的是为了检测边缘。图像边缘一般指图像的灰度变化率最大的位置。 先看看关键性代码：src
又到了人见人爱的bundle adjustment部分，ba作为一种普适性的精配准方法，可以用于两帧之间的位姿校准，也可用于多帧之间的联合优化（例如基于滑动窗口法的优化）。在这个节点，作者采取了类似于滑动窗口的方法（代码中设为5帧的处理队列），实现方式是isam（因子图）的形式。这里只涉及了三个话题，接收了来自StackDepthPoint的深度图，以及ba优化前后的里程计信息，然而，在ba优化之
在实际应用中，我们的图像常常会被噪声腐蚀，这些噪声或是镜头上的灰尘或水滴，或是旧照片的划痕，或者是图像遭到人为的涂画（比如马赛克）或者图像的部分本身已经损坏。如果我们想让这些受到破坏的额图片尽可能恢复到原样，Opencv能帮我们做到吗？OpenCV真的有这个妙手回春的功能！别以为图像修补的工作只能用PS或者美图秀秀那些软件去做，其实由程序员自己写代码去做更加高效！图像修复技术的原理是什么呢？简而言
