采用OpenCV实现的录相机程序

OpenCV是Intel资助的开源计算机视觉库。介绍了OpenCV的图像、视频处理功能及采用OpenCV计算机视觉库实现录相机程序的方法。     

基于OpenCV的教室节能控电系统设计及内部控制策略研究

通过调研发现,目前国内很多高校对教室节能控电缺乏有效手段,以传统的光线、红外、温度传感器构建的节电系统,存在控制逻辑单一、可靠性不足的缺点。基于OpenCV视觉检测技术,多传感器协同工作,再叠加有效的逻辑控制策略,能够有效解决传统方案的弊端,大大提高节能效率。实验结果表明:在同样的用电周期内,环境因素类似的情况下,经过改造,采样教室的用电效率相比改造前提高了12.21%,节能效果明显。     

基于OpenCV计算机视觉库的人脸检测的研究

安全领域中高科技图形图像设备的普及所产生的海量信息带来了系统利用率低、有效信息提取困难的问题,而视频图像识别分析技术则可以解决这个问题,因此渐渐被广泛应用于这类系统中。本文使用一个相对比较成熟的开源计算机视觉库OpenCV,通过对输入图片的分析来实现简单人脸识别技术,并就计算机视觉的一些基本特点进行分析。     

基于OpenCV的汽车轮毂自动识别分类系统

利用能对复杂目标进行识别的图像处理与视觉技术,在Visual Studio环境下基于OpenCV框架编程开发了汽车轮毂自动识别分类系统。系统对采集到的轮毂原始图像进行灰度化、图像去噪、毛刺处理、边缘提取等预处理后,提取了轮毂图像的外圆半径、轮毂辐数及轮辐形状等特征,根据所提取的特征对轮毂进行识别分类,实现了对轮毂的自动识别分类。     

基于OpenCV的双目立体匹配方法

双目立体匹配是三维重建、多视点视频编码、目标跟踪等研究领域的研究热点。首先介绍平行相机模型,分析归纳双目立体匹配原理、规律及一般步骤,然后对现有经典立体匹配算法进行分类,并对不同类型的算法进行剖析,最后基于OpenCV实现10种典型的双目立体匹配算法,在匹配误差和时间复杂度上进行比较,分析相关算法优缺点,总结立体匹配算法未来研究方向。     

基于OpenCV的晶圆编号识别算法研究

根据特定晶圆（Wafer）产品光学特性,基于OpenCV开源视觉库,设计一套晶圆字符编码识别系统。系统过程包括光源选型及照射方式选择、图像预处理、自适应阈值分割、形态学处理、图像矫正及ROI提取。通过优化评价标准的模板匹配完成字符识别。经过试验,该系统能够准确检测字符,具备一定应用价值。     

基于OpenCV的人脸检测系统实现

基于计算机视觉类库OpenCV 实现人脸检测系统,采用级联分类器的方法对人脸进行检测。系统对不同图像有较强的适应性,能够比较精确地判断出人脸位置,尤其对有遮挡物人脸的检测效果较好,具有一定应用价值。     

基于机器视觉的汽车角窗玻璃混线检测算法

针对汽车玻璃角窗生产线上轮廓、材质与厚度相近似的汽车玻璃容易产生混淆的问题,提出融合轮廓特征与颜色特征的汽车玻璃混线检测算法。通过改进的几何矩匹配算法实现汽车玻璃的轮廓检测;利用色彩特征实现汽车玻璃的材质与厚度的检测,结合轮廓特征与色彩特征实现了汽车玻璃的混线检测。实验证明,提出的混线检测算法有效提高了汽车玻璃混线检测的准确率,有利于提升汽车玻璃检测的自动化水平。     

基于OpenCV的指纹提取算法与实现

目前,OpenCV函数库的应用越来越广泛,将其运用到数字图像处理中解决一些图像处理问题,能够提高图像处理的有效性。而常用的大津算法容易造成图像细节丢失的问题,为了解决这些问题对大津算法进行了改进,使其能够在不均匀光照、图像模糊的情况下很好地对图像目标进行分割,结果准确,实现简单。使用OpenCV函数库实现一个指纹提取算法,该算法利用改进后的大津算法得到最佳阈值,用最佳阈值对图片进行分割处理。利用面向对象Vc++6.0编程工具进行仿真实验,结果表明,基于OpenCV函数库的指纹提取算法是有效的,提高了指纹提取的准确性,贴近真实图像。     

基于机器视觉的芯片引脚识别与中心定位算法研究

针对机器视觉的全自动智能点胶机系统,提出了一种新的中心定位算法。分别采用重心法和面积积分法对PCB板进行了芯片引脚识别与中心定位算法研究,再将两种算法平均后进行对比分析,实现了随机分布下的PCB板芯片引脚的准确定位。检测结果表明,该方法能够提高芯片引脚中心定位5%的准确率。     

一种改进的基于形状的图像检索方法

介绍了一种改进的基于形状的图像检索方法,利用Canny算子提取图像的边缘,7个不变矩和离心率作为图像的形状特征,实验表明提出的方法效果较好,有较高的检索准确率和速度。     

基于OpenCV的物体图像边缘缺陷识别研究

为了实现物体图像的边缘缺陷识别,拟合绘制出完整的物体轮廓,并应用于太赫兹安检仪的图像处理过程中,基于OpenCV视觉库与C++语言,对采集的原始图像首先进行二值化、空洞填充与形态学预处理操作,然后分别采取边缘识别法、角点检测法与轮廓坐标记录法,初步进行人体边缘轮廓的提取,最后采用迭代算法筛选出符合预先设定的阈值坐标,拟...     

基于特征融合的复杂场景多目标跟踪算法研究

在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。     

基于OpenCV的“数字图像处理”课程阶梯式实践教学体系研究

“数字图像处理”课程通常以理论授课为主,辅以少量的实验学时。其本质要求是使学生通过课程学习,具备基于常用图像库编写代码解决实际工程中有关图像处理与分析的问题。但是,仅靠少量的实验学时,难以全面彻底地培养学生的实际动手能力。基于OpenCV,文章提出一种由浅入深、由点及面的阶梯式实践教学体系,具体分为“课堂―作业―实验―大作业”四个层次,为学生搭建“算法函数讲解―单个算法简单应用―多个算法融合应用—工程问题综合运用”的平滑学习曲线。通过批阅学生过程考核材料发现,大多数学生的任务完成质量超过预期。课程问卷结果显示大多数学生都很快适应并融入了该实践教学体系,并认为该体系有效地培养了自己编写图像算法以解决实际工程问题的能力。     

基于几何形状的AdaBoost人脸检测算法研究

介绍了AdaBoost人脸检测算法以及人脸符合的几何规则。考虑到使用AdaBoost人脸检测算法存在计算量比较大的问题,因此文中提出基于几何形状的AdaBoost人脸检测算法,改进了人脸检测分类器训练方法,降低了误检率,提高了人脸检测的计算速度。     

基于机器视觉的刹车盘表面缺陷检测技术研究

汽车刹车盘是汽车制动系统的关键部件之一,刹车盘在铸造过程中由于生产工艺、生产环境、人工操作等因素会导致刹车盘存在砂眼、气孔、缩孔、裂纹等多种表面缺陷,从而影响其使用寿命和驾乘安全。随着人工智能技术的发展,机器视觉技术因其鲁棒性强、效率高、致错率低等诸多优点,已被逐步应用于刹车盘表面缺陷检测工序中,刹车盘检测技术也逐步与整个生产过程各工序的设备连接和数据兼容,高集成化的工业控制模式正在实现。随着图像处理技术的进步,相机、工业机器人等硬件设施的不断完善,未来将会逐步实现刹车盘流水线自动检测和缺陷件自动筛选,这将有助于提升刹车盘的生产质量,最大程度地保证车辆及驾乘人员的安全。     

一种基于机器视觉的交通标识符自动识别方法

在交通标志实时识别时,由于参考图像与实测图像非同时获取,摄像机与被摄交通标志之间的位置难以保证完全相同,致使所获取的交通标志参考图像与实测图像之间可能产生几何失真。几何失真对交通标志图像的识别结果有较大影响,因此寻找一种具有旋转和比例不变性的图像识别方法势在必行。基于不变矩的交通标志识别算法,首先对交通标志图像进行归一化处理,然后求其Hu矩,最后利用相关性测度算法进行比较。结果表明,算法针对旋转或缩放后的交通标志图像具有100%的识别率。     

基于改进的OF-ASM人脸特征定位方法研究

为了改进OF-ASM对人脸特征定位的不足,提高其鲁棒性及计算速度,对OF-ASM人脸特征定位方法进行改进:使用不可约的笛卡尔的微分不变量取代OF-ASM的局部纹理描述符;使用多值神经元(MVN)取代KNN分类器;所有标记点使用二维轮廓进行取样构建强度模型.实验结果表明,改进的OF-ASM显著提高了特征定位精确度和计算速度,而且具有对平移、旋转的刚体变换不变性.     

废旧汽车挡风玻璃缺陷视觉检测系统研究

汽车挡风玻璃是汽车不可或缺的重要部件.本文通过对汽车挡风玻璃质量检测系统的研究,分析了废旧汽车挡风玻璃的视觉特征特点.针对其曲面特征,设计了能够根据曲面变化的废旧汽车挡风玻璃视觉检测系统.获得了玻璃爆边图像的主要视觉特征贝壳纹路,制定了贝壳纹路特征提取算法.编写了软件对玻璃爆边图像进行处理,并获得了玻璃爆边的贝壳纹路.     

基于机器视觉技术的印刷品图像定位与配准的研究

文章所研究的印刷品质量检测方法,是通过彩色相机获取合格印刷品图像作为模板,然后取生产流水线上获取的待测印品的图像,传输到计算机上与合格模板图像作差分对比分析,与模板的不符达到一定程度即视为不合格的次品。而能顺利准确地作差分对比的前提就是待测印刷品图像与模板图像在空间上对准,即相互匹配。匹配过程的速度与精确度将会对后期的检测结果有着重要的影响,所以一种快速、准确的匹配算法显得尤为重要。