视觉方面的研究，但毕业后未能再此领域深耕，故预将研究阶段所做的工业视觉程序进行分享，作为兴趣爱好愿与有识之人一起交流。
有需要的请留言，以下介绍均有源码
0cHM6Ly9ibG9nLmNzZG4ubmV0L01CU0VwZWVr,size_16,color_FFFFFF,t_70)
一、摄像机标定
（1）标定基元的提取——Harris-Plessey角点检测
优点主要有：计算简单，自动化程度高，提取的点特征均匀而且合理；Harris算子对图像中的每个点都计算其最大值，然后在领域中选择最优点，因此可以定量地提取特征点；在有图像的旋转、灰度的变化、噪声影响和视点的变化，它也是最稳定的一种点特征提取算子，同时给出角点处曲率及角点方向等信息。
a.原始图像
b.检测的角点
（2）摄像机标定
1）基于针孔模型下的摄像机标定
a）Roger Tsai的两步法
b）张正友摄像机标定
2）基于隐式模型下的摄像机标定
a）基于图像恢复中几何校正思想多项式变换标定
二者对比试验
Tsai两步法可以得到较高的精度，以及摄像机内外参数，可以实现物体的定位，因此可以作为机器视觉摄像机标定的一般方法应用各个领域。二次多项式法标定精度相对差一点，不能得到摄像机内外参数，但是标定方法简单，如果物体相对于某一个参考坐标系的绝对定位显得并不特别重要，而重要的是物体特征点间相对位置的精度，则可以考虑多项式法。
二、图像预处理
（1）图像滤波
a 含噪原始图像
b 均值滤波
c 中值滤波
a 含噪原始图像
b 均值滤波
c 中值滤波
混合噪声滤波比较
（2）图像空间域对比增强
a 原始图像
b 灰度变换
c 直方图变换
图像增强对比
（3）运动模糊处理
模糊图像的恢复
三、运动目标的自动提取与定位
（1）目标的自动提取
a）高斯统计模型对背景进行初始化
点（173，236）灰度值变化曲
原始带目标图像帧
基于高斯统计模型的初始背景重构
b）运动区域目标分割
原始差分图像
迭代阈值分割
最大类间方差阈值分割
c）目标初提取后形态学处理
形态学处理结果
孔洞填充结果
（2）目标定位
a）形心定位
b）重心定位
含噪情况下形心定位目标
含噪情况下重心定位目标
（3）运动轨迹逼近
四、视觉检测系统方案设计与实验
单摆的摆动轨迹为一圆弧，通过几何知识可以知道，通过圆弧上任意三点就可计算出圆弧的半径，经计算得到圆弧半径为494.652mm，实际值为500mm，因此绝对误差为5.348mm，相对误差为1.0696%。
电机轴端某点轨迹是一个标准的圆，通过计算半径为27.37mm，实际值为28mm，因此绝对误差为0.63mm，相对误差为2.25%，从图6-10中可以看到，X方向与Y方向幅频曲线在13rad/s处幅值取得最大值，因此该幅值下的转速为124.204r/min，实际测量值为125r/min，因此绝对误差为0.796r/min，相对误差为0.6368%。
其它：
1、机场跑道识别
2、基于FFT的图像配准与融合
（随后更新）
