一、引言在机器视觉的领域里，总会遇见一些获取适合成像比较难的项目，如：图像对比度不够、有反光干扰、有背景干扰等。这些项目通常需要消耗工程师大量的时间去反复评估项目或者调试设备。现在，CST推出最新多路时序触发光源，配合相应的图像处理算法可以完美地解决以上问题。二、多路时序触发光源工作原理多路时序触发光源控制器最多支持多达8路光源的开关及亮度控制。当接收到外部触发信号后，光源可以根据用户的设定依次点亮多个通道上的光源，同时输出对应的相机触发信号，使相机依次获取不同光源的打光效果。最后，通过软件分析
机器视觉常见的数学公式很多，下面的贴子会由浅到深依次跟贴下去，以方便大家查阅与记忆。（一） 6个必须有记住的三角函数公式：（二）直线方程相关（1） 直线斜率 经过两点P1(x1,y1), P2(x2,y2) (x1≠x2)的直线斜率的公式：（2）两点之间的距离 平面坐标空间坐标（3）两点式直线方程（4）直线的一般方程（5）两直线交点例题：（6）点到直线的距离 例题：（7）两条平行线间的距离 （三）圆的方程(1)圆的标准方程圆心位置与半径大小确定后，圆就唯一
相机标定原理学习2020-05-19 17:36:25
一.总体原理：摄像机标定(Camera calibration)简单来说是从世界坐标系换到图像坐标系的过程，也就是求最终的投影矩阵的过程。[1]基本的坐标系：世界坐标系；相机坐标系；成像平面坐标系；像素坐标系[2]一般来说，标定的过程分为两个部分：第一步是从世界坐标系转换为相机坐标系，这一步是三维点到三维点的转换，包括R，t（相机外参）等参数；第二部是从相机坐标系转为成像平面坐标系（像素坐标系），这一步是三维点到二维点的转换，包括K（相机内参）等参数；投影矩阵 ： P=K [
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%
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
亚像素理解2020-02-22 09:48:16
1 亚像素理解 在相机成像的过程中，获得的图像数据是将图像进行了离散化的处理，由于感光元件本身的能力限制，到成像面上每个像素只代表附近的颜色。例如两个感官原件上的像素之间有4.5um的间距，宏观上它们是连在一起的，微观上它们之间还有无数微小的东西存在，这些存在于两个实际物理像素之间的像素，就被称为“亚像素”。亚像素实际上应该是存在的，只是缺少更小的传感器将其检测出来而已，因此只能在软件上将其近似计算出来。 亚像素可以表示为如下图所示,每四个红色点围成的矩形
用一张棋盘格来进行图像的像素精度计算，其计算程序是：#include"opencv2/opencv.hpp"
using namespace cv;
int main()
{
Mat srcimg = imread("6.bmp");
Mat gray;
cvtColor(srcimg,gray,CV_RGB2GRAY);
Size board_sz&nb
像在任何以技术为中心的行业中一样，人们会对机器视觉和图像处理中的新技术通常会产生热情，并容易演变成炒作。炒作与实际应用效果之间的界线在于成功实施。在整个2019年，机器视觉行业中的一些新技术得到了实际的实施与应用。在机器视觉行业中备受关注的热门技术如：深度学习，高光谱/多光谱成像，偏振，嵌入式视觉，3D成像和计算成像等充满了期望。我们通过介绍这些技术的重要性并了解它们在视觉行业中的应用发展情况做一个简要的介绍和总结。深度学习深度学习或教学机器如何独立于人类交互（过去的训练阶段）来处理信息和对信息
机器视觉处理软件：用来完成输入图像数据的处理，通过一定的运算得出结果，这个输出的结果可能是PASS/FAIL信号、坐标位置、字符串等。 常见的机器视觉软件以C/C++图像库，ActiveX控件，图形式编程环境等形式出现，可以是专用功能的（比如仅仅用于LCD检测，BGA检测，模版对准等），也可以是通用目的的（包括定位、测量、条码/字符识别、斑点检测等）。 主流
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