一、获取ROI区域 采用多点测光对获取的图像进行感兴趣区域提取，以降低系统测光的计算量。多点测光在图像中提取多个感兴趣区域以减少测光计算量，降低测光时间。通常，这些点平均地分布在整幅图像中。如图1（c）所示。图1 典型的测光模式二、调节曝光时间 利用图像直方图特征函数粗调曝光时间。 （1）求取图像的灰度直方图H； （2）灰度直方图归一化： norm（i）=H（i）/（n*m） 其中0<=i<=255,n
为何需要进行亚像素定位？数字图像通常是离散化成像素；每个像素对应一个整数坐标位置；整数坐标位置对于很多应用并不精确，比如跟踪、相机标定、图像配准、图像拼接以及三维重构；为达到有些应用的精确性，需要精确到浮点坐标位置；所以亚像素定位问题。亚像素定位就是计算特征所在图像中的真实位置，而真实位置有时候并不在像素所在整数坐标位置上，而是在像素的内部。点的灰度分布特征跟二维高斯模型很相似，中心处最亮，离中心距离越远会随之变暗。所以这里的图像特征，我们用高斯模型进行描述。利用高斯模型，我们可以构建点的最终模
上一篇博客简要介绍了一下常用的张正友标定法的流程，其中获取了摄像机的内参矩阵K，和畸变系数D。1.在普通相机cv模型中，畸变系数主要有下面几个：(k1; k2; p1; p2[; k3[; k4; k5; k6]] ，其中最常用的是前面四个，k1,k2为径向畸变系数，p1,p2为切向畸变系数。2.在fisheye模型中，畸变系数主要有下面几个（k1,k2,k3,k4）. 因为cv和fisheye的镜头畸变模型不一样，所以畸变系数也会有所不同，具体在畸变校正时的公式也不同，具体公式请参见
上一篇博客中讲到了goodFeatureToTrack（）这个API函数能够获取图像中的强角点。但是获取的角点坐标是整数，但是通常情况下，角点的真实位置并不一定在整数像素位置，因此为了获取更为精确的角点位置坐标，需要角点坐标达到亚像素（subPixel）精度。1. 求取亚像素精度的原理 找到一篇讲述原理非常清楚的文档https://xueyayang.github.io/pdf_posts/%E4%BA%9A%E5%83%8F%E7%B4%A0%E8%A7%92%E7%82%B9%E7%9A%
图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位。亚像素边缘技术概述 数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理
在这篇博客里，主要讲解两点：点定位(Point localization)以及边缘定位(Edge localization)，均是亚像素级定位精度。当然还有其他定位方法，这里仅针对亮点和边缘两种情形分别进行精确定位。1. 为何需要进行亚像素定位？>数字图像通常是被离散化成像素形式；>每个像素对应一个整数坐标位置；>整数坐标位置对于很多应用然而并不精确，比如跟踪、相机标定、图像配准、图像拼接以及三维重构；>为达到有些应用的精确性，需要精确到浮点坐标位置；所以会涉及到亚像素定
这一个应用不是图形学的应用，它是在校准上下激光的同轴度时的应用。非图形学的应用比较少，所以就不另起应用类型了吧。（图1 同轴度校准原理）图中 L 为上下两束光的水平距离，h为标准量块厚度，a 为标准量块倾斜角度，H实际测量值。如图 3.7 所示给出了上下两束激光的三种分布关系，a：上激光束在下激束右侧，b：上下两束激光同轴，c：上激光束在下激光束左侧。在标准量块此种倾斜方向下，当光束分布如 a 所示时，此时测量值H大于标准量块厚度h；当光束分布如c所示时，此时测量值H小于标准量块厚度 h。当光束
摘要：简要介绍x射线测厚仪的系统组成、测量流程及各种基本功能。重点介绍x射线测厚仪的测量原理及数学模型，并根据数学模型进行推导及假设，提出提高测量精度的合金曲线标定方法，并在实验中与国外x射线测厚仪合金曲线标定方法进行了比较，验证了其可行性。关键词：x射线；非接触测量；c型架；电离室O前言x射线测厚仪是带钢生产过程中关键监测设备，是厚度控制系统(AGC)的重要组成部分。冶金自动化研究设计院的TCH同位素测厚仪已投产多年，并得到了各个厂家的认可。但由于使用同位素作为射线源，管理成本比较高，限制比较
最近在实验室里遇到了一个问题，就是在有一张轮廓二值图的情况下，如何才能将轮廓进行细化，得到轮廓的骨架。效果如图：可以看到，右边图中的数字变瘦了，这就是细化算法的作用下面我们来讲一下，Thining-Algorithm的算法原理。一、八领域我们先来介绍一下，八领域这一个概念如图，八领域是指包围了中心P1像素的八个像素点。在很多图像处理算法中，八领域的这个概念都极为常见，应用十分广泛。二、算法原理首先，我们来看一下以下的几个类型点：可以看到，我们是通过八领域中的值，来确定这一点是内部点还是端点和孤立
在上一篇图像解析力算法—SFR（Spatial Frequency Response）源码分析(一）中介绍了SFR的几个重要函数，接下来我们看一下主流程和其他函数。4、sfrProc作用：计算SFR数值的主流程函数short sfrProc (double **freq, double **sfr,
int *len,
&