首页 > 代码库 > 机器视觉算法与应用[摘记]

机器视觉算法与应用[摘记]

1.双远心镜头的放大倍率与被测物的位置及像平面的位置无关。而在物方远心镜头中,对应一个固定的像平面,放大倍率是一个常数。
2.镜头的像差:球差(对称):非球面代替球面镜头;使用较大F,较小的通光光圈
慧差(非对称):使用较小F,较大的通光光圈
3.线扫描应用要求非常强的照明,镜头通常使用较小F值,限制景深
4.镜头选择不应该小于传感器尺寸,如1/2‘镜头不能使用2/3‘传感器
5.Image是二维数组
6.Region采用行程编码记录,仅存储区域内的点,多个可用行程编码链表或数组
7.亚像素数据可来源于亚像素阀值分割和亚像素边缘提取
8.Image Enhancement:灰度值线性变换f(g)=ag+b;一般采用查找表LUT的方式,灰度值归一化是自适应计算最佳的线性变换,但是对于有高亮和暗角的图像无明显效果;鲁棒性的归一化去除高亮和暗角的直方图像素,可产生明显的效果用于特征提取
9.傅里叶变换能够被用来在频率域内计算与任意线性滤波器的卷积,比如与均值滤波器或高斯滤波器配合
10.2D平面的缩放、平移、旋转、倾斜都可用仿射变换进行校正;3D空间变换需要使用投影变换,仿射是特殊的投影变换
11.极坐标变换通常被用于矫正图像中的圆形物体或被包含在圆环中的物体
12.全局定值阀值分割;直方图全局阀值分割;滤波直方图鲁棒性全局阀值分割;滤波灰度图局部阀值的动态阀值分割,平滑滤波器的尺寸决定了能被分割出来的物体的尺寸,凭经验,均值滤波器的宽度必须大于被识别物体的宽度。同样适用于中值和高斯滤波器,总的来说,如果均值或高斯滤波器的尺寸越大,那么滤波后的结果越能代表局部背景
13.检测缺陷时为保证公差内允许,建立多组图像的偏差模型参与计算
14.提取连通域,4连通和8连通,连通域行程编码使用深度优先搜索
15.亚像素精度的结果为轮廓边缘,不可能为区域,区域只能为像素精度
16.区域的面积,矩,归一化矩,椭圆的长R和短R;
17.计算任意方位的最小外接矩形和最小外接圆的方法是首先基于计算区域的凸包,凸性被定义为某区域的面积与该区域凸包的面积之间的比值,范围[0,1],测量区域的紧凑程度
18.区域特征、灰度特征、轮廓特征
19.对前景的一个膨胀处理等同于对背景的一个腐蚀处理
20.如果相机不进行几何标定,以亚像素准确度提取边缘是无意义的。除了在实际应用中使用极高质量镜头的情况外,由镜头畸变引发的误差大约在3像素
21.鲁棒性最小圆拟合先采用正常的最小平方拟合一个圆,然后用各轮廓点到此圆的距离来计算在后续迭代中将使用的各点所对应的权重。因为大的离群值可能会阻碍此算法最终收敛位正确的解,所以在极端的情况下可能需要RANSAC算法
22.圆弧所包含的角度越小,拟合得到参数的准确度越差
23.透明平面标定板易于操作,尺寸制作可以非常精确,非常方便背光照明
24.均值滤波器是创建图像金字塔的首选滤波器2X2
25.图像金字塔每加一层,图像点数和模板点数都减少4倍,即运算速度提升16倍。
高层匹配结果映射下一层的位置。

机器视觉算法与应用[摘记]