MVS V3.3.1是为支持海康机器视觉相机产品而开发的软件应用程序，适用于所有海康机器视觉面阵以及线阵相机产品。 MVS包含了客户端，IP配置工具，固件升级工具，导入/导出属性工具、日志查看工具、网卡配置工具，驱动管理工具，系统信息工具，诊断工具，带宽管理工具，SDK和Demo。

机器视觉的经典教材，第4版原版；是近期比较新的版本。

提出将高斯平滑后的数据项和非局部中值滤波相结合的光流算法，以实现降噪并提高光流估计的稳健性和精度。该方法的数据项使用稳健的L1范数，通过高斯滤波对数据项平滑处理，抑制噪声干扰，并借助原始-对偶算法改善变分光流的求解效率；为进一步提高光流场的估计精度，引入了非局部中值滤波的全局优化策略；为提高算法对较大位移量估计的适应性，运用了由粗到精的金字塔方法。采用Middlebury光流数据库图像和真实场景图像对改进的TV-L1光流估计算法进行了实验验证。结果表明，提出的改进变分光流算法具有较强的稳健性，其光流估计精度优于传统的TV-L1模型算法。

针对工业生产中带式输送机容易发生跑偏现象的工程背景,利用机器视觉技术设计了一种自动纠偏装置,在线监测输送带传输情况,并及时地将偏差信号反馈给执行元件。在很大程度上提高了纠偏精度并提高了工作效率,并详述了其软硬件机构。

机器视觉基础 | image-k-means | 基于 k-均值聚类算法图像分割

为改善传统立体匹配视差图中目标边缘的毛刺现象，以及弱纹理和视差不连续区域的“阶梯效应”等，提出了一种结合局部二进制表示和超像素分割的立体匹配方法。首先融合二进制表示的窗口内像素的空间和颜色特征进行代价计算，并以此求得初始视差;然后将简单线性迭代聚类方法分割的结果作为像素的空间和颜色标记，为超像素内的目标边缘和其他像素点选择恰当的稳定点进行视差传播，以达到视差优化时边缘保持和空间平滑的目的。在Middlebury数据集上分别进行代价计算与优化方法的对比实验，结果表明，采用该算法获取的目标边缘的视差更为平滑，在左右视图中的遮挡区和不重叠区域获得的视差也比较准确，有效地降低了非遮挡区、全图、不连续区域的误匹配率。

机器视觉模块说明文档 很难找哦，word版本，labview图像处理

这份资料解释了大部分常用的halcon算子的含义，希望对于初学者应该有帮助。

大华相机驱动器，安装后带有SDK开发包

大华相机在C#中，多相机调用SDK，最多支持四台相机同时调用，可增加参数设置和分配（需要自己二次开发）