项目描述请参见：https://handsome-man.blog.csdn.net/article/details/116572729

项目请参见：https://handsome-man.blog.csdn.net/article/details/116572729

项目请参见：https://handsome-man.blog.csdn.net/article/details/116572729

项目请参见：https://handsome-man.blog.csdn.net/article/details/116427984

车型分类是智能交通系统的重要组成部分，为实现车型自动分类，本文主要针对轿车、货车和客车的分类，设计了以车辆外形尺寸为特征的基于机器视觉的自动分类算法。该算法首先对车辆图像进行灰度化、背景差分、平滑、分割等预处理 ；然后提取顶长比、前后比等特征参量进行自动分类。该方法比较简单、易于实现，经实验验证，分级正确率可达86.25%，具有一定的应用价值。

缺陷检测（1）blob分析，Halcon代码和图片

采用机器视觉技术,针对新疆无核白葡萄干的颜色特征进行分级研究,提取HIS颜色图像,采用中值滤波法滤波,采用最大类间方差法分割图像,采用形态学开运算去除二值图像中的伪目标区域,获得最佳二值图像。同时,分析色调灰度直方图和颜色矩均值直方图,确定采用H、S、I分量颜色的一阶矩、二阶矩、三阶矩作为特征值建立BP神经网络的色泽分级模型,分级准确率最高为96.42%。

labview2013版本视觉开发包可打开该例程，可以求取计算指定图像区域中指定灰度范围的像素面积。

ni vision入门手册，通俗易懂，但是是英文版，请选择性下载 有图像分割、二值化处理、颗粒分析、尺寸测量、模版匹配。。。。

首先研究了1D方波信号边缘处的相位分布特点，发现不同频率分量在边缘处的相位不一定收敛于同一个角度值，而是会随着占空比的变化而变化。因此，基于局部能量的相位一致性模型实际上是不同频率分量利用幅度加权后的平均结果。由于在多数自然图像中，图像频率分量的幅度会随着频率的增加而呈反比下降，基于局部能量的相位一致性模型主要由低频分量决定，这样在一定程度上降低了对边缘空间定位的精度。为了提高边缘检测的空间分辨力，提出了两种新的相位一致性模型。利用二维Log Gabor 滤波器提取图像的局部相位信息，分析了利用这三种相位一致性模型进行边缘检测的结果。实验表明，利用两种新的相位一致性模型可以检测到更加细致的图像边缘信息，具有更高的边缘空间定位能力。