群里有人谈到Adaptive Vision Studio。网上搜索到一点介绍，发在这里供大家参考一下。这个是号称是来自欧洲的视觉技术，其实是小国波兰的产品。Adaptive Vision Studio 4.12是为机器视觉工程师设计的基于数据流的软件。使用它不需要编程技能，但它仍然非常强大，即使使用基于低级编程库的解决方案也可以略胜一筹。世界上一些最有趣的视觉系统已经证明了这一点。更重要的是，其架构高度灵活，确保用户可以轻松地使产品适应他们的工作方式和任何项目的特定需求。为何选择Adaptive
在缺陷检测时，频域（FFT）和空间域经常转换，以利用两者的特点。例如下面的代码，就是先把空间域转频域，做完频域空间的算法后（convol_fft 卷积计算），再把频域转回空间域。rft_generic (img, ImageFFT, 'to_freq', 'none', 'complex', Width)
convol_fft(ImageFFT, ImageGauss,&nbs
时域、频域、空间域2020-11-20 10:55:47
下面这几个概念比较模糊，摘抄一份增强一下理解：一、什么是时域 时域是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。二、什么是频域 频域（频率域）——自变量是频率,即横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。三、什么是空间域 空间域又称图像空间(image spa
工业相机镜头接口常用的有C接口、CS接口、F接口、M42接口、M72接口等。接口类型的不同和工业镜头性能及质量并无直接关系。C接口和CS接口是工业相机与镜头联接最常见的国际标准接口，为1英寸－32UN英制螺纹连接口，C型接口和CS型接口的螺纹连接是一样的，区别在于C型接口的后截距为17.5mm，CS型接口的后截距为12.5mm。所以CS型接口的工业相机可以和C口及CS口的镜头连接使用，只是使用C口镜头时需要加一个5mm的接圈；C型接口的工业相机不能用CS口的镜头。F接口、M42、M72常用于大分
如下图，要选择中图中的白色线。因为粘连的原因，第二根线用阈值不好搞 。勇哥花点工夫研究了一下。直觉告诉我应该是有办法的，结果整了四十分钟。结果如下：read_image (Qq20201118202348, 'C:/Users/Administrator/Desktop/QQ图片20201118202348.png')
var_threshold(Qq20201118202348, Region, 2,2, 0.1,&nbs
这个是在快手上看到的一个视频。原图是马赛克的。然后图片放大十倍，勇哥当时想一定是勾选了“两次立方”进行了插补所以线条好了没有了马赛克。然后解说是，由边缘线条感觉太差，进行“高斯模糊”到边缘顺畅为止然后就是曲线，效果出来了。确实很神奇。对于勇哥搞机器视觉找产品的边缘有一定启发。但是，勇哥实际一试，完全不是那么回事。我从上面的原图（其实是视频屏幕截图）做起，依次效果是这样的：这是放大十倍，勾选了“两次立方”的效果。大跌眼镜呀，还是有马赛克然后是高斯模糊最后是曲线结果完全没视频讲的那种效果。由于第一步
某人问怎么分割出下图蓝色那部分。附带要求是：要转灰度再干虽然是奇怪的要求，但是随便，高兴就好。因为蓝色部分未来可能是其它的颜色，都要求能适应。这图直接转灰度是不好处理的，如下：不过……这个问题让勇哥想起很久以前写的一篇贴子，有关hsv颜色空间处理图片的小例子https://www.skcircle.com/?id=324 这里可以用得上。read_image (Image20201116160718, 'C:/Users/Administrator.PC8-201910
由于一个让勇哥现在还后怕的操作：git push -u orign master -f结果线上的代码莫妙其妙的变成两个月以前的代码！ （也可能是其它什么神操作，已经记不起了）我反复揉了揉眼睛……没错，就是两个月以前的。心咯噔一凉！两个月白干了！该如何救场呢？在网上查了一下，可以试试的指令是reset和revert首先执行git reflog，它可以查看commit的历史，前提当然是你没问题的那一版是在本地commit过了。然后使用reset指令回到你想回到的版本。然后再打开工程，发现代码已经成功
勇哥的网站上，通过百度统计，偶尔会看到下图所示的东东。这些链接都是博彩、非法业务之类的牛皮藓广告。看上去像是利用了百度的某类服务漏洞引出来的流量。勇哥网站的受众一般是广东、江苏、浙江。这些广告则集中在其它省，下图中集中出现在安徽省。有时候出现在河南省。给人感觉是经济不行的省，搞歪门邪道的人就越多。网络上灰色产业真是活跃啊。
勇哥引言：OpenCV是计算机视觉库，Tensorflow是深度学习框架。
OpenCV包含了大量的图像处理和计算机视觉的算法，但是在机器学习方面明显不足，ML模块只有SVM，MLP，
kNN等有限的几种算法。dnn模块也是调用别的框架。
Tensorflow是专为深度学习而生，可以方便的实现各种深度学习算法。
二者不属于同一领域，做视觉用OpenCV，做深度学习用Tensorflow。或者二者结合做图像识别等等。 强大OpenCV从自OpenCV