发布了 232 篇内容
共 53.6字, 被阅读 19489次
获得了 305 次赞同
获得了 235次喜欢, 获得了 70 次收藏
参与了 241 次互动
互动包含发布评论、点赞评论、参与投票等

LabVIEW 图像模式匹配(基础篇—11)
图像模式匹配是指通过分析模板图像和目标图像中灰度、边缘、外形结构以及对应关系等特征的相似性和一致性,从目标图像中寻找与模板图像相同或相似区域的过程。图像模式匹配是机器视觉系统最重要的功能之一,基于它可以实现目标对准、测量、检测以及分类等应用

LabVIEW 纹理分析(基础篇—9)
通过纹理分析,可对物体表面尺寸和形状的变化进行检测,如划痕 (Scratch)、裂纹(Crack)和污渍(Stain)等。

LabVIEW 轮廓分析与比较(基础篇—8)
基于提取的目标轮廓,不仅可实现图像分割,还能实现尺寸测量、缺陷检测以及目标的轮廓分析、匹配和轮廓分类等机器视觉应用。

LabVIEW 图像灰度测量(基础篇—7)
像素灰度是图像最为典型的特征之一,基于图像像素灰度能衍生更多的图像特征,包括图像的直方图、线灰度分布曲线、图像线灰度均值、ROl 边界灰度曲线、灰度定量描述以及图像结构相似度等。

LabVIEW 图像分割算法(基础篇—6)
图像分割是简化机器视觉算法的有效手段之一。

LabVIEW 图像增强算法(基础篇—5)
在采集或传递图像的过程中常会受到各种噪声的影响,这会导致其中包含的重要信息很难被读取和识别。例如,不均匀的光照会使图像灰度过于集中;摄像头的数模转换电路所产生的噪声会使图像质量降低;图像显示设备的局限性会造成图像显示颜色减少等。

LabVIEW 图像灰度分析与变换(基础篇—4)
图像灰度分析是图像分析中最基本的内容,它使用各种图像灰度分析工具,提取图像或 ROI 区域内的灰度特征信息。基于对图像灰度的分析测量,可以实现最基本的机器视觉检测系统,如目标存在性检测系统等。

LabVIEW 机器视觉系统图像畸变、校准和矫正(基础篇—3)
搭建机器视觉系统应尽可能确保生成的图像足以使算法快速准确地从中提取所需信息。为了实现这一目标,常需要在设备选型和系统搭建过程中考虑设备的技术指标、被测目标的尺寸、设备安装的空间限制、相机安装方式、图像采集设备的性能以及图像采集软件等关键问题

低成本、低功耗、小体积 433MHz 数字量无线控制器
本篇博文将分享一种有意思的解决方案:基于 433MHz 通信频率制作的无线开关模组,该方案包括:发射器和接收器两部分,传输数字量信号,具有操作简单、扩展性高、穿透性强、待机功耗低等优势。

LabVIEW 灰度图像操作与运算(基础篇—2)
完成机器视觉系统的搭建、校准并且确认其可以采集检测目标的图像后,就可以集中精力开发各种图像分析、处理以及模式识别算法。

LabVIEW 读写各类格式图像的方法(基础篇—1)
图像数据被采集至内存缓冲区后,机器视觉软件即可对其施加各种图像预处理、图像分析、图像处理和机器视觉算法。

彩色图像色彩空间原理(理论篇—6)
自然界的各种色彩、人类所感知的色彩以及各种图像设备和计算机软件所使用的颜色可通过色彩空间(Color Space)来描述。
最新评论
DIY 一款 4 路 USB 转 TTL 串口调试模块
一张图看懂嵌入式系统组成
Python Qt GUI 设计:UI 界面可视化组件、属性概述(基础篇—4)
Python Qt GUI 设计:UI 界面可视化组件、属性概述(基础篇—4)
如何高效便捷的画出炫酷神经网络图