subplot是MATLAB中的函数。使用方法：subplot（m,n,p）或者subplot（m n  p）。subplot是将多个图画到一个平面上的工具。其中，m表示是图排成m行，n表示图排成n列，也就是整个figure中有n个图是排成一行的，一共m行，如果m=2就是表示2行图。p表示图所在的位置，p=1表示从左到右从上到下的第一个位置。1、简单的例子把绘图窗口分成两

Python搭建机器学习环境本文在Python已经搭建好opencv开发环境的情况下，搭建机器学习环境。Python搭opencv开发环境参考之前文章：http://blog.csdn.net/liyuqian199695/article/details/535613181、所需安装包科学计算包：numpy-1.9.1-win32-superpack-python2.7

鸟瞰图（立体视觉）1、鸟瞰图，具体算法流程为（参考学习opencv一书）：（1）读取摄像机的内参数和畸变参数模型。（2）查找地平面上的已知物体（如棋盘），获得最少4个亚像素精度上的点。（3）将找到的点输入到函数getPerspectiveTransform()中，计算地平面视图的单应矩阵H。（4）使用函数warpPerspective（）,设置标志INTER_LINEA

1.Release生成设置。

工业视觉检测1、表面质量的检测主要是划痕、脏污、亮斑、缺角和凸起等。计算方法：图像分块图像匹配图像矫正：仿射变换、透视变换像素比对缺陷类型分类2、视觉定位（双目、多目定位）检测对象：机械零部件等计算方法：特征点提取图像（旋转）匹配变换矩阵的拟合3、工业视觉主要组成部分相机、光源的配置视觉检测工位的机械设计图像处理算法人

LeNet-5共有7层，不包含输入，每层都包含可训练参数；每个层有多个Feature Map，每个FeatureMap通过一种卷积滤波器提取输入的一种特征，然后每个FeatureMap有多个神经元。各层参数详解：1、INPUT层-输入层首先是数据 INPUT 层，输入图像的尺寸统一归一化为32*32。注意：本层不算LeNet-5的网络结构，传统上，不将输入层视为网络层次结构之一。2、C1层-卷积层

HALCON安装位置的查找1、HALCON安装位置的查找，可以通过“系统--->高级系统设置---->环境变量”来进行查看。

基本全局阈值处理1、全局阈值处理（1）计算步骤通常，在图像处理中首选的方法是使用一种能基于图像数据自动地选择阈值的算法，为了自动选阈值，下列迭代过程采用的就是这样的方法：(1) 针对全局阈值选择初始估计值T。(2) 用T 分割图像。这会产生两组像素：G1 由所有灰度值大于T 的像素组成，G2 由所有灰度值小于等于T的像素组成。(3) 分别计算G1、G2 区域内的平均灰度

HALCON常用算子（HALCON13）Chapter 9--Developdev_clear_window ( : : : )功能：清除活动图形窗口的内容dev_close_window ( : : : )功能：关闭活动图形窗口。dev_display

Halcon学习笔记（三）---数据类型halcon只能在单独行进行注释，不能在语句后面进行注释。1、tuple赋值符号“：=”tuple算子：（1）变量定义与加减乘除运算代码如下：**hal-con中的几种变量*1.tuplea:=1b:=[2,3]*将a和b合并起来c:=[a,b]*求c中有多少个元素num:=|c|*