数字图像处理与机器视觉++Visual+C++与Matlab实现 该书的代码，书籍的原版PDF在本人空间的资源中可以找到。 该书对于初学数字图像处理、机器视觉的朋友，帮助颇大，原书的pdf很难找，对应代码，注重实践！加油！

OpenCvSharp 是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，有详细的使用样例供参考。该库采用LGPL发行，对商业应用友好。使用OpenCvSharp，可用C#，VB.NET等语言实现多种流行的图像处理(image processing)与计算机视觉(computer vision)算法

基于机器视觉的高精度同轴度图像检测系统讲解

在相机位姿估计的实际应用中，参考点的坐标数据不可避免地包含了测量误差，其量值大小通常不会完全一致，如果不区别测量误差直接进行相机位姿估计，将可能导致估计结果与真值相差甚远。为此，在广泛应用的正交迭代算法基础上，提出了相机位姿估计的加权正交迭代算法，该方法以加权共线误差为目标函数，根据像面重投影误差确定权重系数取值，优化相机位姿估计结果，具有精度高、稳健性好等优点，且满足全局收敛条件。数值仿真实验与风洞迎角实验的结果表明，本文算法更加有效，能够抑制不同程度测量误差对相机位姿估计结果的影响，所得结果明显优于正交迭代算法，具有较强的工程实用价值。

机器视觉Halcon投影变换 *关闭当前显示窗口，清空屏幕 dev_close_window () *读取测试图像 read_image (Image_display, 'data/display.jpg') *将图像转化为灰度图像 rgb1_to_gray (Image_display, GrayImage) *获取图像的尺寸 get_image_size(Image_display,imageWidth, imageHeight) *新建显示窗口，适应图像尺寸 dev_open_window (0, 0, imageWidth, imageHeight, 'black', WindowHandle1) dev_display (GrayImage) *初始化角点坐标 XCoordCorners := [] YCoordCorners := [] *阈值处理，提取较暗的区域 threshold(GrayImage,DarkRegion,0, 80)

前言 本科期间学习过C语言，拿到了计算机二级证书，此外主要自学MATLAB和Python进行深度学习相关的编程。一直以为C++和C#与C语言大同小异，没有重视，在学校的项目需要用C++进行编程，并且甲方点名界面要用Qt做，觉得MFC太难看。也罢，近乎于从0开始，趁着新肺，在家自学C++与Qt，借此记录，欢迎大家交流。 一、开发环境 1、Windows 10 64位； 2、Qt 5.8.0（MINGW编译器，利用Qt Creator而不是宇宙最强IDE——vs）； 3、OpenCV 3.2.0 二、环境配置 参考的是：拜小白教你Qt5.8.0+OpenCV3.2.0配置教程(详细版) 虽然作者讲

适用于深度学习，机器学习的目标检测。风能是现代社会最重要的可再生能源之一,风能的主要利用形式是风力发电,风机叶片是捕获风能并将其转化为电能的主要部件,由于大多数的风电机组工作环境复杂恶劣,且长期承受交变负荷作用,使得在役风机叶片容易出现故障,从而降低风机发电效率、造成安全生产隐患,因此对风机叶片表面故障进行检测和识别显得尤为重要。2003年中国风电进入开始快速发展阶段，2018年中国风电容量赶超美国，成为全球第一，然而，我国早期投建的风机已逐步进入中老年。风机叶片在运行过程中，受台风，雷电，冰雪，盐雾等恶劣天气影响，加上长期使用工程中受到的交变载荷的作用，容易出现裂纹，砂眼，分层，脱粘等损伤，所以需要长期的巡检，探测外表缺陷，损害，并进行长期的运营保养。为解决风机运维成本高，检测效率低，缺陷识别难等

C# OPENCV

OpenCV 3编程入门_毛星云编著_电子工业出版 包含pdf版电子书和程序源代码，更多情况可以参考浅墨_毛星云的csdn博客

为了提高视觉测量系统的自动化水平和测量精度，提出了一种结合模板匹配和梯度峰值的对角标志自动提取方法。使用旋转不变模板匹配方法得到原始图像与标准模板的相关系数矩阵，通过两次阈值筛选获取标志点候选位置。根据两条直线相交于标志中心处以及中心处灰度梯度存在多个峰值的特性，剔除非合作标志点，得到对角标志点初始坐标。通过生成对角标志理想相关模板，利用相关系数拟合极值法进行亚像素定位。实验结果表明，该方法可以正确提取复杂环境下对角标志或棋盘格图像中的角点，而且需要人工调节的参数少、稳健性强、定位精度高且通用性好，可应用于工程实践中环境光源变化较大的测量场合。