机器视觉源码分享

蓝咒 提交于 2020-02-11 01:24:36

视觉方面的研究,但毕业后未能再此领域深耕,故预将研究阶段所做的工业视觉程序进行分享,作为兴趣爱好愿与有识之人一起交流。
0cHM6Ly9ibG9nLmNzZG4ubmV0L01CU0VwZWVr,size_16,color_FFFFFF,t_70)

一、摄像机标定

在这里插入图片描述
(1)标定基元的提取——Harris-Plessey角点检测

优点主要有:计算简单,自动化程度高,提取的点特征均匀而且合理;Harris算子对图像中的每个点都计算其最大值,然后在领域中选择最优点,因此可以定量地提取特征点;在有图像的旋转、灰度的变化、噪声影响和视点的变化,它也是最稳定的一种点特征提取算子,同时给出角点处曲率及角点方向等信息。
在这里插入图片描述
a.原始图像
在这里插入图片描述
b.检测的角点

(2)摄像机标定
在这里插入图片描述

1)基于针孔模型下的摄像机标定

a)Roger Tsai的两步法

b)张正友摄像机标定

2)基于隐式模型下的摄像机标定

a)基于图像恢复中几何校正思想多项式变换标定

二者对比试验
在这里插入图片描述
在这里插入图片描述
Tsai两步法可以得到较高的精度,以及摄像机内外参数,可以实现物体的定位,因此可以作为机器视觉摄像机标定的一般方法应用各个领域。二次多项式法标定精度相对差一点,不能得到摄像机内外参数,但是标定方法简单,如果物体相对于某一个参考坐标系的绝对定位显得并不特别重要,而重要的是物体特征点间相对位置的精度,则可以考虑多项式法。

二、图像预处理
(1)图像滤波
在这里插入图片描述
a 含噪原始图像
在这里插入图片描述
b 均值滤波
在这里插入图片描述
c 中值滤波
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200210205045160.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01CU0VwZWVr,size_16,color_FFFFFF,t_70椒盐噪声滤波比较

在这里插入图片描述
a 含噪原始图像
在这里插入图片描述
b 均值滤波
在这里插入图片描述
c 中值滤波

混合噪声滤波比较

(2)图像空间域对比增强

a 原始图像
b 灰度变换
c 直方图变换

图像增强对比

(3)运动模糊处理
在这里插入图片描述
在这里插入图片描述

模糊图像的恢复

三、运动目标的自动提取与定位

(1)目标的自动提取

在这里插入图片描述

a)高斯统计模型对背景进行初始化

在这里插入图片描述点(173,236)灰度值变化曲
在这里插入图片描述

原始带目标图像帧
在这里插入图片描述
基于高斯统计模型的初始背景重构

b)运动区域目标分割

在这里插入图片描述
原始差分图像
在这里插入图片描述
迭代阈值分割
在这里插入图片描述
最大类间方差阈值分割

c)目标初提取后形态学处理

在这里插入图片描述
形态学处理结果
在这里插入图片描述
孔洞填充结果
(2)目标定位在这里插入图片描述
a)形心定位在这里插入图片描述
b)重心定位
在这里插入图片描述
含噪情况下形心定位目标
在这里插入图片描述
含噪情况下重心定位目标
在这里插入图片描述
(3)运动轨迹逼近

在这里插入图片描述
在这里插入图片描述

四、视觉检测系统方案设计与实验

在这里插入图片描述

在这里插入图片描述

单摆的摆动轨迹为一圆弧,通过几何知识可以知道,通过圆弧上任意三点就可计算出圆弧的半径,经计算得到圆弧半径为494.652mm,实际值为500mm,因此绝对误差为5.348mm,相对误差为1.0696%。

在这里插入图片描述

电机轴端某点轨迹是一个标准的圆,通过计算半径为27.37mm,实际值为28mm,因此绝对误差为0.63mm,相对误差为2.25%,从图6-10中可以看到,X方向与Y方向幅频曲线在13rad/s处幅值取得最大值,因此该幅值下的转速为124.204r/min,实际测量值为125r/min,因此绝对误差为0.796r/min,相对误差为0.6368%。

其它:

1、机场跑道识别
在这里插入图片描述
在这里插入图片描述
![

在这里插入图片描述

](https://img-blog.csdnimg.cn/20200210210728167.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01CU0VwZWVr,size_16,color_FFFFFF,t_70)

2、基于FFT的图像配准与融合

(随后更新)

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!