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

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。

三维点云手眼标定（眼在手上和眼在手外），资源包括了三维点云眼在手上和眼在手外场景的标定Halcon代码。 可应用于三维点云建立线激光与机器人关系求解，应用场景可能会用于无序抓取和鞋点胶之前建立线激光与机器人坐标。 适用于刚接触三维，刚接触HALCON,对三维手眼标定不了解的视觉爱好者，可参考学习，应用于项目实战中。 里面也包含了欧拉角求解，对这块求解有疑惑的也可参考。 可参考我之前标定过程画的流程图标定。

毕业设计 这是我使用“深度学习”的学士学位毕业项目的仓库。

二.国内外研究现状 近年来，国外已开发了一些基于双目视觉的道路车道线检测系统。其中，具有代表性有以下两种。 （1）LOIS系统：利用一种可变形的模板技术将道路曲率以及车辆在车道中的位置的确定转化为多维参数空间的最优化问题； （2）GOLD系统：采用双目立体视觉技术，利用定位道路表面油漆上的具有结构特征的道路标识来检测车道线，