bigData1994pb的博客

【代码】C++局部阈值二值化（自适应阈值）手撕代码。

首先感谢杉木~，若侵权，请联系删除。论文里面提出利用区域生长法获取引脚的总数及各个引脚主体部分的形心坐标及面积。通过与实际引脚总数进行对比, 判断是否存在引脚缺失的缺陷, 并和实际引脚的间距、面积的设定值进行对比, 当测定值超过设定值一定范围时, 认为该芯片存在引脚位置偏移以及高度偏移等缺陷。与作者不同之处在于我使用提取轮廓，构建掩膜图像的方式获取引脚的主体部分，其余部分均按照论文思路判别缺陷。步骤：...

目录1.什么是机器视觉，什么是机器视觉系统2.机器视觉与计算机视觉的关系 3.数字图像处理（DIP）4.机器人视觉伺服系统组成 5.机器人视觉系统的硬件构成 6.机器视觉工作流程图 7.案例 机器视觉就是用机器代替人眼来做测量和判断；机器视觉系统就是通过光学的装置和非接触的传感器自动的接受和处理一个真实物体的图像，通过分析（各种运算）获得所需信息（目标的特征），进而控制现场设备的动作。数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。机器视觉系统组成：

一、弱监督学习下的工业光学检测（DAGM 2007）数据下载链接：https://hci.iwr.uni-heidelberg.de/node/3616数据集简介： 主要针对纹理背景上的杂项缺陷。 较弱监督的训练数据。 包含十个数据集，前六个为训练数据集，后四个为测试数据集。 每个数据集均包含以灰度8位PNG格式保存的1000个“无缺陷”图像和150个“有缺陷”图像。每个数据集由不同的纹理模型和缺陷模型生成。 “无缺陷”图像显示的背景纹理没有缺陷，...

由于我们一般画矩形都是通过整个图像进行遍历，如果我们选取的ROI区域很大，这样的做法时间复杂度和空间复杂度很大。基于此考虑在大的ROI区域在四个顶点选取四个小的矩形区域从而来确定大的ROI区域：测试文件：test.cpp#include<opencv2/opencv.hpp>#include<iostream>#include<fstream>#include<quickopencv.h>using namespace cv;...

用红色Mask出一个图片中RGB三个通道像素值都符合在某一个范围内图像区域，用蓝色mask出既符合三通道，像素值在一个范围内也符合亮度在一个区间内的局部区域,并输出符合区域所占整个区域的比例Mat QuickDemo::mask_localImage(Mat& image){ // 输入图像image是单通道的灰度图 float h = image.rows; float w = image.cols; int dims = image.channels(); // 将单通..

由于如果要在灰度图上进行标记效果不好，而且比较模糊。因此要想在图像得到一个比较好的标记，我们选择把灰度图转化为伪灰度图的三通道图像上进行标记。Mat QuickDemo::grayImage_mask_print(Mat& image){ // 输入图像image是单通道的灰度图 int h = image.rows; int w = image.cols; int dims = image.channels(); // 将单通道灰度图转换成为伪灰度图的三通道图像 Mat im

1.Tombstoning立碑 片式元件末端翘起。 2.Solder bridge桥联 3.Component damaged 元件损坏4.Misalignment偏位5.Component lead lifted元件引脚翘高6.Soder ball锡珠7.Non-Wetting，Dewetting虚焊，半润湿8.Cold soder冷焊9.Solder hole锡洞...