视觉编程案例

㈠ 机器视觉学什么语言

机器视觉用什么语言开发

目前可以开发机器视觉的相关计算机语言有C++，C#，JAVA，PYTHON等，甚至简单的PHP和JAVASCRIPT也可以开发相关的功能。

机器视觉需要用到图像处理库，有很多免费且开源的第三方图像库可以用，如十分着名的OpenCV，有C++，JAVA，PYTHON的版本，它包含了很多现成的函数，可以处理图像的形状，颜色，大小，图像文件保存，找相似图像，物体边缘（Cannyedge）算法。

机器视觉的另一个方向是神经网络深度学习算法。这里面有代表性的是谷歌的TensorFlow，具有很强大的机器视觉能力。

文字识别方面的代表有谷歌的Tesseract，这也是开源项目。

机器视觉用什么硬件

一个典型的机器视觉系统包括以下五大块：

1.照明

照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉光源照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。

2.工业镜头

FOV（FieldOfVision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意：①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点/节点⑦畸变

3.相机

按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。

4.图像采集卡

图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。

比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机，然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。

目前，千兆网口工业相机逐步成为主流，图像采集卡一般采用视觉专用的千兆网卡。

5.视觉处理器

视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。

更多精彩阅读：

机器视觉是什么意思_机器视觉应用案例

机器视觉的任务_机器视觉的基本工作过程是怎样的

机器视觉自学需要学什么_学机器视觉好找工作吗

㈡ 什么是视觉编程

我们处理的图像一般是灰度图像，也就是只有一个通道，一个像素点可分为0到255个明暗的程度。两幅图像找出有什么不同就必须根据这个来判别（前提是定位要比较准确），当然这是最基本的，现在我们可以把两幅图像分别抽象成个矩阵，每个值是0到255，再将两矩阵相应的值相减，比如两幅图像是一模一样，的出的结果理论上就都是0，就是一幅黑色的图像，如果不一样则会有亮点 描述的不怎么好 希望对你有帮助

㈢ OpenCV2计算机视觉编程手册的内容简介

《OpenCV2计算机视觉编程手册》以案例的形式介绍OpenCV 2.X的新特性和C++新接口，案例中包含具体的代码与详细的说明。本书很好地平衡了基础知识与进阶内容，要求读者具有基础的C++知识。本书既适合想要学习计算机视觉的C++初学者，也适合专业的软件开发人员。