《机器视觉算法与应用(双语版)》是一本关于机器视觉算法与应用的中英文对照版教材。而且附带有halcon代码，讲解十分详细！

机器视觉实验大师用于机器视觉应用(CCD,影像)的前期分析和实验, 并可以用来进行视觉应用,CCD检测或定位等自动化系统的产品夹具或定位装置的调整.主要特点如下: 1. 支持所有directshow工业相机,不管国产还是国外的工业相机; 2. 支持刻度尺和动态十字鼠标志; 3. 支持CVQL脚本语言, 实验不需要任何编程知识,尤其适用高校教学; 4. 提供动态窗口,.可以放大任意位置感兴趣的细节; 5. 提供镜头清晰度曲线, 可以对比不同镜头的清晰度; 6. 支持数字PK-LKX232光源控制器,实现自动控制光源亮度. 运行环境: Windows XP, Windows 7, Windows 8

提出了一种基于改进特征金字塔的Mask R-CNN目标检测方法。实验结果表明，在目标边缘和包围盒两项检测中，相比于Mask R-CNN检测框架，所提方法在不同的交并比阈值下的平均准确率分别提高了约2.4%和3.8%。尤其对于中等尺寸目标的检测准确率有较大的提高，分别为7.7%和8.5%，具有较强的稳健性。

针对抛光曲面工件表面缺陷检测的问题,提出了一种基于反射云纹图像的缺陷检测方法。该方法利用云纹光经抛光曲面反射产生的差异,通过检测云纹图像的变化进行缺陷的检测与定位。分析了抛光曲面的光照模型,使用SHEN-Castan算法抑制云纹边缘阶梯效应,通过Gabor变换与最大熵分割进行缺陷提取,剔除伪缺陷后实现缺陷的检测与定位。实验结果与统计表明,设计的方法能检测出抛光曲面表面上具有形变特征的缺陷,对不同类型的表面缺陷均有92%以上的检出率。利用所提的检测方法,可以自主设置系统的检测分辨率,对不同类型的缺陷具有较高的适应性,极大地提高了系统的可拓展性、普适性与实用性,较好地解决了高反射抛光曲面工件表面形变缺陷检测的问题,具有较高的理论价值与经济价值。

1. 使用迁移学习+集成学习的思想来实现对于常见水果的好坏进行分类，使用Pytorch官方基于imageNet所训练好成熟框架体系，选择了机器学习界十分流行的四大网络架构densenet， googlenet，resnet，efficientnet使用迁移学习的办法，只修改其输出层的相关参数,进行冻结训练，在迭代训练过10次之后，对模型进行了解冻训练，使其可以修改整个网络结构参数，让我们的网络结构更加的贴合我们实际所使用的分类图像，同时四个网络训练框架训练完成之后，采用集成学习的思想，将四个框架模型进行了集成得到了最终的网络架构 2. 同时为了提升数据的泛化性，对实验数据进行了随机的裁剪，色调调节，归一化标准化，随机放射变化等一系列图像的预处理和图像增广 3. 使用了PyQt工具包进行了应用拓展,可以使用网上自由选择一张图片来进行水果的识别. 4.训练过程中使用了tesorboard对训练集和验证集的参数进行记录,保存已经训练好的模型参数,最后测试模型时绘制多分类的ROC曲线,与混淆矩阵 5.文件有相关的代码,预训练好的模型,相关的文档,还有ppt,数据集,和使用说明

基于python实现的机器视觉实验代码 灰度图像，二值图像，灰度直方图 幂次变换，对数变换，图像反转，图像求和--加性滤波器，位平面分割 拉普拉斯算子，平滑线性滤波器，梯度算子，统计中值滤波器

基于python实现的机器视觉空间域图像增强 拉普拉斯变换 图像平滑等等

机器视觉模板匹配相关原理

几个典型的点扩散函数：  大气湍流造成的传递函数 ② Gauss退化函数 Gauss退化函数是许多光学成像系统最常见的退化函数，它是光学系统衍射、像差等因素的综合结果，其表达式为: 其中，K是归一化常数，a是一个正常数， 表示模糊程度，C是 的支持域。由于Gauss函数的傅立叶变换仍是Gauss函数，并且没有过零点，因此Gauss退化函数的辨识不能利用频域过零点进行。

基于机器视觉的测控技术模板