登录社区云，与社区用户共同成长
邀请您加入社区
摘要： 本章介绍基于OpenCv的圆弧测量方法，包含角点查找和圆弧计算两个主要步骤。首先通过算法获取圆弧的两个角点，结合圆查找算法确定圆心；然后根据三点计算圆弧尺寸。文中提供了"VisionTool 探迹"免费工具下载链接和"VisionTool Halcon"付费工具信息。本章内容适合具备一定技术基础的读者，为视觉测量工作流的重要环节。
摘要： 本章介绍基于OpenCV的视觉工作流中轮廓查找与间距计算的方法。通过模板匹配定位目标轮廓，支持单目标/多目标测量。轮廓查找使用圆形ROI工具定位并调整参数，间距计算则根据分段参数自动测量点距。配套的免费工具"VisionTool 探迹"新增轮廓提取、边缘检测、分段距离计算等功能，优化了算法与模块划分。付费工具"VisionTool Halcon"提供
摘要： 本章介绍基于OpenCV的视觉工作流，重点讲解点线距离计算方法。通过圆卡尺工具定位圆心，直线卡尺工具识别直线，实现点线距离测量。相比章61，本方法支持独立点线捕捉，适用于复杂场景的单目标测量。配套免费工具"VisionTool 探迹"已更新至V1.0.2.0，新增轮廓提取、边缘检测等功能。另提供付费版"VisionTool Halcon"工具，适用于更专业的视觉处理需求。
摘要： 本章介绍基于OpenCV的视觉工作流中线-线距离计算模块，包含直线查找和距离计算两大功能。通过直线卡尺工具定位目标边线，调整参数后捕捉直线特征，再基于几何关系计算线间距离。该模块支持单目标测量模式，适用于流水线检测场景。配套的VisionTool工具已更新至V1.0.2.0版本，新增轮廓提取、边缘检测等功能，并优化了分段算法和流程连线。提供免费版和付费版（Halcon版）供不同需求用户选择
各位行业同仁、技术伙伴，大家好！做机器人视觉大概率都遇到过这些场景：机械臂静态抓取明明对准了，一动起来抓工件就偏出几毫米；机器狗低速避障运行稳定，跑快了就误判障碍物距离；人形机器人建图走着走着就漂移，地图越建越歪；做三维数据采集，边缘位置的点云总是扭曲变形，测出来的尺寸始终对不上。很多人第一反应是算法不行、传感器算力不够，却忽略了最底层的问题——。机器人视觉的精度从来不是单一参数决定的，从单颗相机
传统的 PS 修复画笔依赖人工操作，而基于深度学习的 Inpainting（图像修复） 技术则能实现自动化、智能化的背景补全。深度学习方法：使用生成对抗网络（GAN）或自编码器（Autoencoder），学习图像的全局上下文关系，生成符合物理规律的背景纹理。图像修复的目标是利用图像中已知的像素信息，推断并填补未知区域（即水印所在位置），使修复后的图像在视觉上连续自然。本文结合 《[图片工具]-去水
在日常开发中，图像处理是一个非常实用的技能。无论是给照片加水印、批量调整图片尺寸，还是做人脸识别、图像分类，Python 都有对应的工具库。对比维度PillowOpenCV定位通用图像处理计算机视觉优势简单易用、功能丰富高性能、算法丰富安装颜色顺序RGBBGR (注意!视频支持弱强GPU加速无有学习难度低中高本文将从 Pillow 开始，循序渐进地介绍图像处理的方方面面。OpenCV。
本文详细介绍了Python中使用OpenCV和libtiff进行TIF到PNG格式转换的高效方案与避坑指南。针对多页TIF、高位深图像等复杂场景，提供了实用的代码示例和关键陷阱解决方案，帮助开发者优化图像处理流程并提升转换效率。
本文详细探讨了在C++与C#间安全传递OpenCV图像数据的实战方案，重点解析了如何通过unsigned char*实现cv::Mat的高效跨语言交换。内容涵盖内存管理策略、数据对齐技巧及具体实现代码，帮助开发者解决混合语言开发中的图像处理难题，提升系统性能与稳定性。
本文详细解析了Python图像拼接过程中遇到的DecompressionBombWarning警告及内存优化问题。通过分析PIL库的安全限制和内存泄漏现象，提供了调高MAX_IMAGE_PIXELS、分块处理、资源释放等解决方案，并对比不同开发环境的性能表现，最终实现内存占用从16GB降至4GB的优化效果。
刚接触 Python 图像处理（计算机视觉）时，面对满屏的英文字母难免会感到头大。今天，我们就用大白话来拆解图像处理中最经典、最不可或缺的第一行代码，并带你手写一段最稳健的图片读取程序！
本文详细介绍了ESP32-CAM通过WiFi传输JPEG图像时遇到的UDP分包问题，并提供了一套完整的Python解决方案。通过利用JPEG文件的标准化特征（如0xFFD8和0xFFD9标记），实现了数据包的智能重组，确保图像完整性。文章还对比了多种传输方案，并提供了与YOLO等AI模型集成的实践建议，帮助开发者高效解决图像传输中的技术难题。
本文详细介绍了如何使用Python实现霍夫圆检测（HoughCircle）技术，从硬币检测到细胞计数的完整项目流程。涵盖环境配置、图像预处理、算法参数调优及性能优化等关键步骤，帮助开发者快速掌握这一计算机视觉技术，应用于工业质检和生物医学领域。
本文详细介绍了如何使用C#脚本在VisionPro ToolBlock中调用CogFindCircleTool，实现圆形特征的精确测量与半径提取。通过实战代码演示，包括环境配置、核心检测逻辑、结果可视化及性能优化技巧，帮助工程师快速掌握工业视觉检测中的脚本编程方法，提升检测效率与准确性。
本文详细介绍了如何使用Python和OpenCV实现智能证件照背景替换，从环境准备到核心算法解析，再到完整代码实现。通过图像处理技术如阈值化、形态学操作和边缘检测，快速自动完成背景替换，适用于求职、考试等场景，大幅提升效率。
本文提供了一份详细的Python教程，教你如何使用OpenCV实现图像边缘检测，从基础的Sobel算子到高级的Canny算法。通过逐行代码解析和实战演示，帮助开发者掌握图像处理核心技术，适用于计算机视觉初学者和进阶开发者。
本文深入解析红外弱小目标检测算法的三大主流技术流派——滤波派、HVS派和低秩稀疏派，通过生活化比喻和Python代码示例揭示各方法的优缺点及典型应用场景。针对复杂背景下的微小目标检测难题，提供实战选型指南和级联策略优化方案，帮助开发者有效避坑并提升检测效率。
本文详细介绍了如何使用OpenCV的`cv2.findContours()`函数实现车牌识别与数字仪表盘读数。通过Python代码示例，展示了从图像预处理到轮廓检测的完整流程，包括车牌定位、指针角度计算等关键技术，适用于智能交通和工业检测场景。
本文详细介绍了Python+OpenCV实现的8种图像清晰度评价算法，包括Sobel、Laplacian等，并对比了它们在工业检测、生物显微镜等场景下的表现。通过聚焦评价算法（Focus Measure），开发者可以快速实现自动对焦系统的核心逻辑，提升图像处理效率。文章还提供了工程选型建议和性能优化技巧，帮助读者在实际项目中做出最佳选择。
本文详细介绍了如何使用Python和OpenCV开发一个高效的YUV420查看器，支持通道分离、缩放等实用功能。通过解析YUV420格式原理、提供核心算法代码和性能优化技巧，帮助视频编解码工程师和图像处理开发者快速构建自定义工具，提升工作效率。
本文详细介绍了如何使用Python和ROS Melodic处理乐视LeTMC-520相机的RGBD图像数据，包括数据订阅、图像处理、点云生成及与SLAM系统的集成。通过实战代码示例，帮助开发者掌握从RGBD图像采集到三维点云处理的全流程，为机器人视觉和三维重建项目提供技术基础。
本文详细介绍了如何使用Python和OpenCV实现自动白平衡(AWB)技术，通过灰度世界法校正照片偏色问题。文章包含完整的代码示例和优化策略，帮助开发者快速掌握图像处理中的白平衡技术，提升照片质量。
本文详细介绍了如何使用Python和OpenCV实现灰度世界算法（Gray World Algorithm）来解决图像偏色问题。通过计算RGB通道的平均值并应用增益调整，该算法能有效校正因光源色温不匹配导致的颜色失真。文章包含完整的代码实现、优化技巧及实际应用建议，特别适合需要图像白平衡（AWB）调优的开发者。
本文详细介绍如何利用Python和OpenCV创建透明背景的电子签名，解决传统白纸拍照签名流程繁琐和隐私泄露问题。通过本地化处理方案，用户可一键生成专业电子签名，适用于PDF、合同等多种场景。文章包含完整代码实现、效果优化技巧及工程化部署方案，帮助开发者快速掌握这一实用技能。
本文深入分析了Java使用webp-imageio进行WebP图片转换时，无损压缩导致图片体积暴增的原因。通过实测数据和源码解析，揭示了WebP格式的压缩机制、Java图像处理管道中的陷阱，并提供了优化方案和转换策略，帮助开发者避免常见错误，实现高效的图片格式转换。
本文介绍了一种创新的K210图像处理方案，通过ESP8266 Wi-Fi模块和C#上位机实现远程‘区域检测’与动态配置。该方案解决了传统开发中频繁烧录固件的问题，提升了调试效率，支持可视化区域绘制和实时参数同步，适用于智能安防、工业质检等多种场景。
直接运行就能用的手写笔迹识别小系统，用Python和OpenCV完成图像预处理、二值化、轮廓提取、特征提取和笔迹匹配。main.py是主程序入口，distinguish.py封装核心识别逻辑，支持秦晴、叶青、李国富、云烟等多人手写样本比对。包里自带12张标注清晰的测试图（PNG/JPG格式），覆盖不同书写风格和光照条件。所有代码开源无加密，依赖明确写在requirements.txt里，安装Ope
本文介绍了如何利用OpenCV的guidedFilter函数实现图像快速保边平滑，替代计算耗时的双边滤波。导向滤波（Guided Filter）通过局部线性模型设计，在保持边缘细节的同时，计算速度提升一个数量级。文章详细解析了算法原理、OpenCV配置、参数调优技巧及典型应用场景，帮助开发者在实时图像处理中实现性能飞跃。
本文通过Python和KMeans聚类算法，详细介绍了如何实现图像颜色量化，从而有效压缩图像。从环境准备到数据预处理，再到KMeans聚类和图像重构，5步完成图像压缩，适用于网页设计、内容创作等场景，显著提升存储效率。
本文详细介绍了如何利用Python的OpenCV库通过多进程技术优化图像处理流程，特别是在批量处理文档图片转换为扫描件效果时的性能提升。通过分块处理、内存优化和多进程并行计算，处理效率可提升数倍，适用于大规模图像处理任务。
本文介绍了一种基于Python的水下图像增强技术，通过颜色平衡与多尺度融合算法，有效解决水下照片偏蓝绿的问题。文章详细解析了核心原理，提供了完整的Python实现代码，并分享参数调优指南和性能优化技巧，帮助摄影爱好者和研究人员快速修复水下图像色彩失真问题。
本文深入探讨了数字增益在图像处理中的负面影响，通过C++代码示例和像素级分析，揭示了数字增益如何逐步降低图像质量。文章比较了模拟增益与数字增益的区别，并提供了工业相机（如海康MVS）中优化增益调节的实用策略，帮助开发者在图像采集和处理中做出更明智的选择。
本文详细介绍了如何使用OpenCV的cv::warpAffine()函数实现图像的平移、缩放和旋转等仿射变换操作，无需死记硬背矩阵公式。通过实战代码示例，帮助开发者快速掌握图像处理技术，提升电商图片处理等实际应用场景的效率。
本文详细介绍了如何使用C++和OpenCV的cv::warpAffine()函数实现证件照的自动排版与矫正，包括旋转、居中和缩放等操作。通过仿射变换技术，开发者可以高效处理图像角度歪斜、主体不居中和尺寸不规范等问题，提升证件照处理的自动化水平和精度。
本文深入解析海康工业相机MVS中‘模拟增益’和‘数字增益’的核心区别与应用技巧，提供从原理到C++代码实现的完整指南。通过对比两种增益在噪声表现、信号处理阶段的差异，帮助工程师优化工业视觉检测中的图像质量，避免常见误区。文章包含实用参数调整顺序、噪声测试代码及海康MVS软件中的具体设置方法。
本文详细介绍了使用Python处理MIPI RAW10图像的关键步骤，包括理解MIPI RAW10与Plain RAW10的区别、搭建Python环境、实现格式转换以及处理MSB与LSB对齐问题。通过实战代码演示，帮助工程师解决ISP调试中常见的RAW图像无法打开的问题，提升图像处理效率。
本文详细介绍了如何使用Python解析和可视化遥感与医学领域的TIFF文件，涵盖多波段存储、动态范围压缩等专业技巧。通过实战代码演示，帮助读者正确处理高动态范围TIFF数据，并实现出版级图像可视化，提升科研图像处理效率。
本文介绍了一种基于PyTorch的高效本地化处理方案，将专业TIFF图像转换为PNG/JPG格式，解决了高位深TIFF在普通设备上显示异常的问题。通过详细的代码示例和权重文件，帮助用户无需依赖付费工具即可实现高质量图像转换，适用于科研数据分析和医学影像处理等领域。
图像处理是计算机视觉与自动化控制的基础技术，其核心原理在于将视觉信息转化为机器可执行的数字指令。通过图像二值化、像素扫描与坐标映射等算法，可以将复杂的图形信息简化为一系列坐标点，从而实现从数字图像到物理运动的精确控制。这一技术为自动化绘图、数控雕刻等应用场景提供了关键支持。本文聚焦于低成本DIY绘图机器人项目，详细介绍了如何使用Python和树莓派，将黑白图像转换为驱动步进电机的坐标序列，涵盖了从
本文全面解析了5种经典图像滤波算法在人像修图、去噪和边缘保留等实战场景中的应用，包括双边滤波、中值滤波、高斯滤波等。通过详细的Python/OpenCV代码示例和参数调优建议，帮助开发者快速掌握图像处理技术，提升照片修复、工业检测等场景的处理效果。
本文探讨了OpenCV中瑞利与伽马噪声在真实图像退化模拟中的优势，对比传统高斯噪声的局限性。通过Python代码示例，展示了如何在不同应用场景（如医学超声、低光照摄影）中准确模拟噪声特性，提升去噪算法效果。文章特别强调噪声模型选择对图像处理质量的关键影响。
提供一套可直接编译运行的车牌识别C++工程，界面用Qt开发，支持Windows/Linux跨平台部署；核心功能包括车牌区域定位、图像灰度化与二值化、边缘检测、车牌倾斜校正、字符分割及模板匹配识别；包内含完整源代码目录（含ui文件、main函数、图像处理模块、识别逻辑模块）、4份编号说明文档（1/2/3/4）、调试环境配置详细步骤（含Qt版本建议、OpenCV动态库链接方法、CMakeLists.t
本章介绍了基于OpenCV的视觉检测工作流，重点讲解长短脚引脚检测的实现方法。通过ROI工具设定检测区域，结合模板匹配技术实现工件任意摆放时的引脚尺寸测量，超出设定值则判定为不合格。文章配套提供了免费自研工具"VisionTool 探迹"和付费版"VisionTool Halcon"的获取方式，适用于流水线全检场景。该技术方案需要一定视觉检测基础，完整内容可参考相关系列文章。
本文详细介绍了如何使用OpenCV对图片中的形状进行量化分析，包括紧致度、圆度和偏心率三大核心指标的计算与解读。通过Python代码实战演示，帮助读者掌握形状特征分析技术，适用于工业质检、生物细胞分析等领域，提升图像处理效率。
本文详细介绍了如何使用Python和OTSU算法对泛黄老照片进行‘去黄’和文字增强处理。通过颜色校正、自适应OTSU阈值处理和形态学后处理，显著提升旧文档的可读性。附完整代码，帮助开发者快速实现图像增强技术。
图像处理
——图像处理
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
亚马逊云科技技术品牌专区
DAMO开发者矩阵
