由于C++语言的运行优势，多数算法模型在实际应用时需要部署到C++环境下运行，以提高算法速度和稳定性 本文主要讲述WIn10下在VS工程中通过Opencv部署yolov5模型，步骤包括： 1.python环境下通过export.py导出.onnx模型 2.C++环境下通过tensorrt进行模型导入和调用，过程中实现int8量化加速 适合刚开始部署模型的小白或者研究者，内附教程

透镜设计matlab代码

计算机视觉方向经典教材，英文原版，彩色

这是基于yolo的视觉识别项目，开发语言使用的是C#。资料全部是源代码，完全可以正确运行，适合自己DIY一些小项目使用。

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！

视觉系统的基本组成如图1所示。系统一般由3台相互独立的CCD成像单元、光源、图像采集卡、图像处理专用计算机和主控计算机系统等单元组成。为了适应不同元器件，提高视觉系统的精度和速度，把检测对中像机设计成为针对小型Chip元件的小视野高分辨力的照相机CCD1和针对大型IC的大视野低分辨力的照相机CCD2，CCD3为基准定位（MARK点搜寻）照相机。当吸嘴中心到达检测对中像机的视野中心位置时发出触发信号获取图像，在触发的同时对应光源闪亮。 　　图1 视觉系统硬件示意图 　　贴片机视觉系统定位示意图如图2所示。当一块新的待贴装PCB通过送板机构传送到指定位置圃定起来，安装在贴片头上的基准（MA

针对图像中相似冗余背景造成的显著目标识别的干扰问题，提出了一种基于超像素的冗余信息抑制的显著目标检测方法。首先,引入超像素的概念，利用超像素优化的空间特征分割图像，获取图像的相似区域；其次,为消除像素间的相关性，计算超像素的香农熵来表示图像的像素信息，并据此建立图像的信息图，最后,为了更有效地去除图像中的相似信息，利用自相似性抑制方法克服冗余信息，建立高效的图像显著图。最后的仿真结果表明, 所提算法与传统方法相比，不仅可以准确识别显著目标，而且可以更有效地抑制背景中的冗余信息。

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

Python语言；代码包括有原始图像确定ROI；对前方道路的透视变换；边缘检测（采用sobel采用 x 方向的索贝尔算子）;在RGB色彩空间中对黄白两种颜色进行过滤从而提取出车道线的像素；HLS阈值化处理；组合梯度和色彩过滤车道线像素；滑窗多项式拟合车道线；拟合曲线使用透视变换还原到原视角。

基于机器视觉的高精度同轴度图像检测系统讲解