摘要本文使用opencv实现Halcon中的一个瓶口缺陷检测实例（C++实现），Halcon中对应的例子为inspect_bottle_mouth.hdev，用于检测酒瓶瓶口是否出现破损等缺陷情形。 Halcon实例主要步骤包含五步，分别是：使用阈值处理和形态学粗定位品口位置；XLD轮廓拟合最近似的圆形区域作为瓶口的轮廓；极坐标变换，转换到水平或垂直方向进行处理；均值滤波图与原图做差分，
转载
2024-03-11 12:10:48
370阅读
最后来看看canny算子，这个是被成为最好的算子，因为过程多，有准测，后面会列出来，也是边缘检测的最后一个，所以这里作为结尾，来看看各个边缘检测的效果。边缘检测结果比较Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。Sobel算子检测
前几天在遇到一个问题：将一个图片读入到内存中，然后自己操作数组(自己声明)元素来实现图像的上下、左右翻转。下面是具体的要求：{/***************************************************************************************************
转载
2024-04-22 19:34:31
121阅读
边缘检测一般步骤canny算子步骤canny函数彩色canny#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{
Mat dst,
转载
2024-06-19 21:05:36
121阅读
分水岭是区域分割三个方法的最后一个，对于前景背景的分割有不错的效果。 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以
转载
2023-08-22 23:29:55
119阅读
HSV模型解释HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是：色调（H）饱和度（S）明度（V）色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青
转载
2024-06-20 06:27:52
95阅读
今天来一个缺陷检测的实例，如下是原图，第二个和第三个黑色部件有缺陷 思路: ①提取OK部件轮廓做model ②遍历部件轮廓，做差分，形态学处理 ③结果判断绘制 上代码(含注释）：import cv2
import numpy as
转载
2023-10-13 11:03:01
296阅读
# Python OpenCV 判断图像模糊教程
## 1. 整体流程
```mermaid
flowchart TD
A[读入图像] --> B[转灰度图]
B --> C[计算图像的Laplacian方差]
C --> D[判断图像是否模糊]
```
## 2. 每一步具体操作
### 步骤一：读入图像
```python
# 读入图像
import cv2
原创
2024-04-24 04:41:51
89阅读
模糊图像图像模糊是图像处理中最常用的也是比较简单的操作,使用该操作的原因之一就是为了给图像预处理时隆低嗓声.卷积就是叠加.卷积的重要的物理意义是：一个函数（如：单位响应）在另一个函数（如：输入信号）上的加权叠加。通俗的说： 在输入信号的每个位置，叠加一个单位响应，就得到了输出信号。 这正是单位响应是如此重要的原因。卷积的应用用一个模板和一幅图像进行卷积，对于图像上的一个点，让模板的原点和该点重合，
转载
2024-05-22 15:50:59
222阅读
OpenCV是Intel®开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。1. OpenCV与数字图像在使用OpenCV做视觉或数字图像预处理时，需要读入相机采集来的图像或视频信息。图像数据的获取主要有以下几个步骤：光学相机（CCD/CMOS）采集图像信号；图像采集卡将连续的图像信号转换成计算机能够识别和处理的数字信号，即采样
转载
2023-11-29 19:35:15
46阅读
内容来自OpenCV-Python Tutorials 自己翻译整理目标： 我们将结合特征点匹配和寻找单应性的方法，使用calib3d模块在复杂的图像当中寻找已知目标。基础：这里简单说一下什么事单应变换，如果有说的不对，还请各位看官斧正。一般来讲，二维的图像变换可以分成这几类等距变换：简单的说就是对一个图像使用旋转、平移等操作。对应的矩阵也是旋转平移的矩阵相似变换：把等距变换再加上一个尺度，支持
转载
2024-05-03 13:33:46
47阅读
【OpenCV（C++）】访问图像中的像素图像在内存之中的存储方式颜色空间缩减访问图像中像素的三种方法1.用指针访问像素2.用迭代器访问像素3.用动态地址计算配合at访问像素 图像在内存之中的存储方式图像矩阵大小取决于所用的颜色模型，即所用的通道数。对于多通道图像来说，矩阵的列会包含多个子列，其子列个数与通道数相等。例如，RGB颜色模型的矩阵如图： 在OpenCV中子列的通道顺序是反过来的——B
转载
2024-05-29 06:36:41
90阅读
目录前言一、频域变换1.傅里叶变换2.代码实现二、频域中图像处理1.理解数字图片的频谱2.频域图像处理步骤3.使用低通滤波器实现图像平滑4.使用高通滤波器实现图像锐化三、总结前言数字图像处理的方法有两大类：一种是空间域处理法，另一种是频域处理法。把图像信号从空间域变化到频域，可以从另外一个角度来分析图像信号的特性。一、频域变换1.傅里叶变换说到频域变化，就不得不提到傅里叶变化了，傅里叶变化是将时域
在Led生产线上，产品的质量控制主要是依靠人工目视来实现。但是由于人眼的主观性，很难对产品的质量进行精确、稳定地控制。为此，需要一种能快速有效检测显示缺陷的设备来替代主观评价的检测，客观评价各类缺陷。与人眼相比，机器视觉系统具有高速度、精确性、可重复性、长期工作的稳定性，将机器视觉技术应用在led的光学检测上可在很大程度上提高产品质量控制的精度及速度。 本文主要是介绍基于机器视觉来实现对数码管字
一、缺陷检测是视觉需求中难度最大一类需求，主要是其稳定性和精度的保证。首先常见缺陷：划痕、污点瑕疵、漏诊、破洞、毛丝等。常用的手法有六大金刚， 1.blob+特征 2.blob+差分+特征 3.光度立体 4.特征训练 5.测量拟合 6.频域+空间结合二、频域+空间结合法1、频域结合空间，其实频域就是用波动观点看世界，看问题角度变了，光经过镜头其实发生的是傅立叶变换，此思想在傅立叶光学上有所阐述，就
转载
2024-03-16 10:08:54
347阅读
1、介绍Introduction从OpenCV2.4开始，加入了新的类FaceRecognizer，我们可以使用它便捷地进行人脸识别实验。本实验采用的编程环境为：opencv3.0+VS2013。人脸识别的实验已经转移到face模块中，face模块在我这里的路径为：D:\Program Files\opencv3.0\opencv\sources\modules\opencv_contrib-ma
转载
2024-05-07 15:53:18
98阅读
Python3+OpenCV学习第一章 OpenCV入门第二章 图像处理基础第三章 图像的运算 第一章 OpenCV入门1.读取图像cv2.imread(filename, flags) flags的值： cv2.IMREAD_UNCHANGED -1 cv2.IMREAD_GRAYSCALE 0 cv2.IMREAD_COLOR 1 cv2.IMREAD_ANYDEPTH 2 cv2.ANYC
转载
2024-04-01 15:16:52
95阅读
说明这篇博客只用来记录目前我已经接触过的API，只涉及用法及效果，不涉及背后算法，具体算法我会在其他的博客中进行介绍。随着逐渐学习，我也会对这篇博客进行动态更新，有些内容缺少的就是我也还没弄懂的。并不会详细解释API，更适合有一定经验的人查阅。我也只是个初学者，很多内容都是跟着教程的框架进行学习，如果内容上有错误欢迎大家指正与补充。基础操作读入图片imread()函数Mat imread( con
转载
2024-07-02 05:22:34
281阅读
最近做了一个钢板焊接点寻找项目，记录一下，哈哈分为3张图，分成3个博客讲。分别寻找焊接点，因为没有视频，只能从图片中提取。还有一个问题要求助在第四个博客，我想出一个方法，看看大家有没有什么更好的办法，相互学习。第一张图，方法是调滤波迭代值，加houghlinesP（轮廓）。系统win10,64位，IDE：VS2015。代码如下：//调滤波迭代值，加houghlinesP（轮廓）
#include
转载
2024-03-31 08:52:38
201阅读
# Python OpenCV 判断图像模糊程度
## 引言
在图像处理领域，判断一张图像的模糊程度对于许多应用是至关重要的。例如，在摄影中，我们希望能够自动检测出模糊的图像并进行修复或者剔除；在计算机视觉中，我们希望能够排除模糊的图像以提高识别和分类的准确性。
本文将介绍如何使用 Python 和 OpenCV 库来判断一张图像的模糊程度。我们将讨论两种常见的方法：基于梯度和基于频谱。
原创
2023-09-02 05:41:14
1492阅读
