兰州最好的网站建设公司哪家好,做垂直导购网站还行吗,怎么在微信建立公众号,内蒙古网络公司有哪些首先#xff0c;我们存储了cg和dito感兴趣八个角图像的模板#xff0c;用来匹配位置。 cover指的是cg的四个角模板#xff0c;lcm是dito四个角匹配模板。
其次#xff0c;我们采集的8副图像#xff08;m_DlgCCDViewArr[2][4]#xff09;中一定包含匹配模板的特征。
好我们存储了cg和dito感兴趣八个角图像的模板用来匹配位置。 cover指的是cg的四个角模板lcm是dito四个角匹配模板。
其次我们采集的8副图像m_DlgCCDViewArr[2][4]中一定包含匹配模板的特征。
好我们分析代码如何找角坐标
第一m_DlgCCDViewArr[i][j].MatchImage()在图像中找模板
1调用ni匹配角度限制MatchPatternOptions options; RotationAngleRange rr[2]; PointFloat poinf; float angle; float angleRangeMin[2] { pMainDlg-m_MatchOption.anglelower,0 }; float angleRangeMax[2] { pMainDlg-m_MatchOption.angleupper,0 };
for (int i 0 ; i 2 ; i) { rr[i].lower angleRangeMin[i]; rr[i].upper angleRangeMax[i]; }
2ni匹配初始设置 options.mode IMAQ_MATCH_SHIFT_INVARIANT;//尺度不变 options.minContrast 5;// pMainDlg-m_MatchOption.minContrast;最小对比度 options.angleRangesrr;角度范围限制 options.numRanges 2; options.subpixelAccuracyFALSE;亚像素 options.numMatchesRequested 1; options.matchFactor pMainDlg-m_MatchOption.matchFactor; options.minMatchScore pMainDlg-m_MatchOption.minMatchScore; //800;
3调用ni图像库匹配ni喜欢用imaq开头 int numMatches 0; PatternMatch* matchInfoNULL; matchInfo imaqMatchPattern2(m_imgBase, m_imgTemplate, options,NULL,IMAQ_NO_RECT, numMatches);//OK
第二匹配到后找直线应该调用ni图像处理库的抓线卡尺
1 this-SearchGauge();
ni图像处理库还是很复杂我们捡重点说我觉得初学用visionpro比较好 FindStraightEdge2();
IVA_FindStraightEdge2(/*roi*/m_rcCurrAreaX,m_AdvEdgeOptionX,l1st,l1en,l1ang);
IVA_FindStraightEdge2(/*roi*/m_rcCurrAreaY,m_AdvEdgeOptionY,l2st,l2en,l2ang);
2 imaqGetIntersection(l1st,l1en,l2en, l2st,m_Intersection);找到两条线的十字交叉点其实模板的样子如下细节上不同 第三十字交叉点找到了要通过标定把像素坐标变换毫米坐标。
这IVA_FindStraightEdge2函数显然是ni的找直线卡尺了到此ni的匹配ni的找直线和ni的十字交叉点就解释清楚了。
想一想如果我们自己不用ni我们最先能实现的肯定是十字交叉点再就是找直线初学匹配肯定是搞不定的。
实际上在产品万千次生产重复中我们其实用不到匹配因为每次的产品细节上不可能差错显然以为找直线卡尺有弹性范围只用直线卡尺就能搞定问题。因为机器和产品稳定后轻易不可能动这个道理是显而易见的。 图像处理算法千千万当掉落到现实中我们可能只用那么一点点所以所有现实的制约是极有好处的在自动化中我们常常会利用这种制约条件机器视觉也不例外。所有的制约如果推翻我们需要重新制造我们不生产iphone4了我们要生产iphone4siphone5但实际仍然走的是这条路大多数是相似甚至相同不需要改变利用制约顺其自然一旦我们走上正轨很多时候都是在走重复的路反复的遵从理想而要去创造历史大多会失败因为理想是无条件的新路都是老路上长出来的好像有人这么说过
所以学习视觉先懂那么一点点日积月累。因为人的欲望会把自己压垮排的满满的实际是大多数情况就像看守机台大多数情况不会有问题没事去小憩一会一个人看几十台没一点问题人生就是这样如果你在偷的半日闲中如果领悟了无上的妙理诗句或者一点技术或者一点勇气其实这辈子就够用了。
其实人生就开挂了从零到一从前笨的自己好像变聪明了。
如果有人天天盯着你做事或者你不放过自己偷不了那半日闲小憩释然的心态去学习pay attion to 当下其实就是机器视觉roi0到1很难跨过去
但无论何时人生总会从0到1.
其实从机器视觉到人工智能实际就是iphone4到iphone14理解这个东西我花了近十年时间因为人工智能出现的很多新名词你都可以在机器视觉计算机视觉中找到原型。
原型prototype。在生产制造中你经常会看到。我曾经在富士康看到过这个单词但当时我不认识
从理想到原型机这就是我们的人生
下一节我们聊一聊图像封装类待续
