机器学习算法介绍整理

机器学习

有三种主要类型的机器学习：监督学习、非监督学习和强化学习

监督学习

一组标记数据。计识别每种标记的新样本。监督学习的两种主要类型是分类和回归。

在分类中，机器被训练成将一个组划分为特定的类。分类的一个简单例子是电子邮件帐户上的垃圾邮件过滤器。

在回归中，机器使用先前的(标记的)数据来预测未来。天气应用是回归的好例子。使用气象事件的历史数据(即平均气温、湿度和降水量)，你的手机天气应用程序可以查看当前天气，并在未来的时间内对天气进行预测。

无监督学习

数据是无标签的。由于大多数真实世界的数据都没有标签，这些算法特别有用。无监督学习分为聚类和降维。聚类用于根据属性和行为对象进行分组。这与分类不同，因为这些组不是你提供的。聚类的一个例子是将一个组划分成不同的子组(例如，基于年龄和婚姻状况)，然后应用到有针对性的营销方案中。降维通过找到共同点来减少数据集的变量。大多数大数据可视化使用降维来识别趋势和规则。

强化学习

使用机器的个人历史和经验来做出决定。强化学习的经典应用是玩游戏。与监督和非监督学习不同，强化学习不涉及提供“正确的”答案或输出。相反，它只关注性能。这反映了人类是如何根据积极和消极的结果学习的。很快就学会了不要重复这一动作。同样的道理，一台下棋的电脑可以学会不把它的国王移到对手的棋子可以进入的空间。然后，国际象棋的这一基本教训就可以被扩展和推断出来，直到机器能够打(并最终击败)人类顶级玩家为止。

回归算法

这可能是最流行的机器学习算法，线性回归算法是基于连续变量预测特定结果的监督学习算法。另一方面，Logistic回归专门用来预测离散值。这两种（以及所有其他回归算法）都以它们的速度而闻名，它们一直是最快速的机器学习算法之一。

k-最近邻算法（有监督算法，分类算法）也称为KNN。KNN用于分类，比较数据点的距离，并将每个点分配给它最接近的组。给一个新的数据时，离它最近的k 个点中，哪个类别多，这个数据就属于哪一类。K表示K个邻居，不表示距离，因为需要求所有邻居的距离，所以效率低下。

优点：可以用来填充缺失值，可以处理非线性问题

调优方法：K值的选择，k值太小，容易过拟合

应用：样本数少，特征个数较少，kNN更适合处理一些分类规则相对复杂的问题，在推荐系统大量使用

决策树算法将一组“弱”学习器集合在一起，形成一种强算法，这些学习器组织在树状结构中，相互分支。一种流行的决策树算法是随机森林算法。在该算法中，弱学习器是随机选择的，这往往可以获得一个强预测器。根据一些feature（特征）进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。

a. 只接受离散特征，属于分类决策树。

b. 条件熵的计算H(Label |某个特征) 这个条件熵反映了在知道该特征时，标签的混乱程度，可以帮助我们选择特征，选择下一步的决策树的节点。

c. Gini和entropy的效果没有大的差别，在scikit learn中默认用Gini是因为Gini指数不需要求对数，计算量少。

d. 把熵用到了集合上，把集合看成随机变量。

e. 决策树：贪心算法，无法从全局的观点来观察决策树，从而难以调优。

f. 叶子节点上的最小样本数，太少，缺乏统计意义。从叶子节点的情况，可以看出决策树的质量，发现有问题也束手无策。

优点：可解释性强，可视化。缺点：容易过拟合（通过剪枝避免过拟合），很难调优，准确率不高

g. 二分类，正负样本数目相差是否悬殊，投票机制

h. 决策树算法可以看成是把多个逻辑回归算法集成起来。

贝叶斯算法，基于Bayes理论，最流行的算法是朴素Bayes，它经常用于文本分析。例如，大多数垃圾邮件过滤器使用贝叶斯算法，它们使用用户输入的类标记数据来比较新数据并对其进行适当分类。

聚类算法的重点是发现元素之间的共性并对它们进行相应的分组，常用的聚类算法是k-means聚类算法（无监督算法，聚类算法，随机算法）。在k-means中，分析人员选择簇数(以变量k表示)，并根据物理距离将元素分组为适当的聚类。每个都与三个初始值计算距离，然后归类到离它最近的初始值所在类别。分好类后，计算每一类的平均值，作为新一轮的中心点。

a. 最常用的无监督算法

b. 计算距离方法：欧式距离，曼哈顿距离

c. 应用：去除孤立点，离群点（只针对度量算法）；可以离散化

d. 最常用归一化预处理方法

f. k-means设置超参数k时，只需要设置最大的k值。

g. k-means算法最终肯定会得到稳定的k个中心点，可以用EM(Expectation Maximum)算法解释

h. k-means算法k个随机初始值怎么选？多选几次，比较，找出最好的那个

i. 调优的方法：1. bi-kmeans 方法（依次“补刀”）

j. 调优的方法：2. 层次聚类（逐步聚拢法）k=5 找到5个中心点，把中心点喂给k-means。初始中心点不同，收敛的结果也可能不一致。

k. 聚类效果怎么判断？用SSE误差平方和指标判断，SSE越小越好，也就是肘部法则的拐点处。也可以用轮廓系数法判断，值越大，表示聚类效果越好，簇与簇之间距离越远越好，簇内越紧越好。

l. k-means算法最大弱点：只能处理球形的簇（理论）

深度学习是一类机器学习，基于生物神经网络的结构，目的是模仿人脑的思维过程，经常用于图像和语音识别。深度学习采用神经网络模型并对其进行更新。它们是大、且极其复杂的神经网络，使用少量的标记数据和更多的未标记数据。神经网络和深度学习有许多输入，它们经过几个隐藏层后才产生一个或多个输出。这些连接形成一个特定的循环，模仿人脑处理信息和建立逻辑连接的方式。

支持向量机要将两类分开，想要得到一个超平面，最优的超平面是到两类的margin 达到最大，margin 就是超平面与离它最近一点的距离

a. SVM算法是介于简单算法和神经网络之间的最好的算法。

b. 只通过几个支持向量就确定了超平面，说明它不在乎细枝末节，所以不容易过拟合，但不能确保一定不会过拟合。可以处理复杂的非线性问题。

c. 高斯核函数

d. 缺点：计算量大

机器人视觉算法 参考答案

1.什么是机器视觉 【概述】 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、 CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。 系统可再分为： 主端电脑(Host Computer) 影像撷取卡(Frame Grabber)与影像处理器影像摄影机 CCTV镜头显微镜头照明设备： Halogen光源 LED光源 高周波萤光灯源闪光灯源其他特殊光源影像显示器 LCD 机构及控制系统 PLC、PC-Base控制器 精密桌台伺服运动机台 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 2.镜头FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点 / 节点⑦畸变 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD；单色相机和彩色相机。 4.图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。 5.视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集

机器视觉检测的分析简答作业及答案要点学习资料

2012研究生机器视觉课程检测及课程设计内容 一、回答下列问题： 1、什么是机器视觉，它的目标是什么？能否画出机器视觉检测系统的结构方 块图，并说出它们的工作过程原理和与人类视觉的关系？ 机器视觉是机器（通常指计算机）对图像进行自动处理并报告“图像中有什么”的过程，也就是说它识别图像中的内容。图像中的内容往往是某些机器零件，而处理的目标不仅要能对机器零件定位，还要能对其进行检验。 原始数据特征向量类别标识 特征度量模式分类器 机器视觉系统的组成框图 2、在机器视觉检测技术中：什么是点视觉技术、一维视觉技术、二维视觉技 术、三维视觉技术、运动视觉技术、彩色视觉技术、非可见光视觉技术等？ 能否说出他们的应用领域病句、案例？能否描述它们的技术特点？ 答：点视觉：用一个独立变量表示的视觉称之为点视觉。如应用位移传感器测量物体的移动速度。 一维视觉：普通的CCD。 两维视觉：用两个独立变量表示的视觉称之为两维视觉。比如普通的CCD。 三维视觉：用三个独立变量表示的视觉称之为三维视觉。比如用两个相机拍摄（双目视觉）；或者使用一个相机和一个辅助光源。 彩色视觉：用颜色作为变量的视觉称之为彩色视觉。物体的颜色是由照 射光源的光谱成分、光线在物体上反射和吸收的情况决定的。比如，一 个蓝色物体在日光下观察呈现蓝色，是由于这个物体将日光中的蓝光 反射出来，而吸收了光谱中的其他部分的光谱，而同样的蓝色物体， 在红色的光源照射下，则呈现红紫色， 非可见光视觉技术：用非可见光作为光源的视觉技术。比如非可见光成像技术。

3、机器视觉检测技术中：光源的种类有哪些？不同光源的特点是什么？光照 方式有几种？不同光照方式的用途是什么？又和技术特点和要求？ 机器视觉检测技术中光源有以下几种：荧光灯，卤素灯+光纤导管，LED 光源，激光，紫外光等。几种光源的特点如下： 成本亮度稳定度使用寿命复杂设计温度影响种类名 称 荧光灯低差差一般低一般 卤素灯+光纤导管高好一般差一般差LED光源一般一般好好高低光照方式有以下几种： 背景光法（背光照射）是将被测物置于相机和光源之间。这种照明方式的优点是可将被测物的边缘轮廓清晰地勾勒出来。由于在图像中，被测物所遮挡的部分为黑色，而未遮挡的部分为白色，因此形成“黑白分明”的易于系统分析的图像。此方法被应用于90%的测量系统中。 前景光法（正面照射）是将灯源置于被测物和相机之前。又可分为明场照射和暗场照射。明场照射是为了获得物体的几乎全部信息，照射物体的光在视野范围之内几乎全部反射回去；暗场照射是为了获取物体表面的凹凸，照射物体的光在视野范围之外有部分光反射回去。 同轴光法是将灯源置于被测物和相机之间。 4、机器视觉检测系统中，光学系统的作用是什么？光学器件有哪几种，它们 各自的作用是什么？光学镜头有几种类型，它们各自有何用途？光学镜头有哪些技术参数，各自对测量有什么影响？ 答：机器视觉检测系统中，光学系统用来采集物体的轮廓、色彩等信息。 光学器件主要有：镜头、成像器件（CCD和CMOS)、光圈、快门等。 镜头的作用是对成像光线进行调焦等处理，使成像更清晰；成像器件的作用是将光学图像转换成模拟电信号；光圈的作用如同人得瞳孔， 控制入射光的入射量，实现曝光平衡；快门的作用是将想要获取的光学

机器视觉算法开发软件----HALCON

机器视觉算法开发软件----HALCON HALCON是世界范围内广泛使用的机器视觉软件，用户可以利用其开放式结构快速开发图像处理和机器视觉软件。 HALCON提供交互式的编程环境HDevelop。可在Windows,Linux,Unix下使用，使用HDevelop可使用户快速有效的解决图像处理问题。HDevelop含有多个对话框工具，实时交互检查图像的性质，比如灰度直方图，区域特征直方图，放大缩小等，并能用颜色标识动态显示任意特征阈值分割的效果，快速准确的为程序找到合适的参数设置。HDevelop程序提供进程，语法检查，建议参数值设置，可在任意位置开始或结束，动态跟踪所有控制变量和图标变量，以便查看每一步的处理效果。当用户对于机器视觉编程代码完成后，HDevelop可将此部分代码直接转化为C++,C或VB源代码，以方便将其集成到应用系统中。 HALCON提供交互式的模板描述文件生成工具HmatchIt,。可交互式地为一个模型定义一个任意形状的感性趣区域，HmatchIt优化给出此创建模型的合适参数, 自动生成模板描述文件以供程序调用，快速为基于形状匹配和结构匹配的用户找到实现目标识别和匹配应用的合适的参数设置。 HALCON提供支持多CPU处理器的交互式并行编程环境Paralell Develop, 其继承了单处理器板HDevelop的所有特点，在多处理器计算机上会自动将数据比如图像分配给多个线程，每一个线程对应一个处理器，用户无需改动已有的HALCON程序，就立即获得显

著的速度提升。 HALCON中HDevelop Demo中包含680个应用案例，根据不同的工业领域，不同的用法和算法分类列出，用户可以根据自己的需求方便的找到相对应的类似案例，快速掌握其函数用法。 HALCON提供的函数使用说明文档，详细介绍每个函数的功能和参数用法，提供在不用开发语言（VC,VB,.NET等）下的开发手册，而且提供一些算法（例如3D）的原理性介绍，给用户的学习提供帮助。 特点：原型化的开发平台，自动语法检查； 动态察看控制和图标变量； 支持多种操作系统； 支持多CPU； 支持多种文件格式； 自动语言转化功能； 与硬件无关，可支持各种硬件； 应用领域：医学图像分析； 2D/3D测量； 立体视觉； 匹配定位； 光学字符识别； Blob分析；

机器视觉算法基础(DOC)

机器视觉 基于visual C++ 的数字图像处理

摘要 机器视觉就是用机器代替人眼来做测量和判断。它通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来获取信息。本文主要介绍的是数字图像处理中的一些简单应用，通过对图像进行滤波、增强、灰度变换、提取特征等处理来获取图像的信息，达到使图像更清晰或提取有用信息的目的。 关键字：机器视觉、灰度图处理、滤波、边缘提取、连通区域

目录 摘要 (2) 目录 (3) 1 概述 (4) 2技术路线 (4) 3实现方法 (5) 3.1灰度图转换 (5) 3.2 直方图均衡化 (6) 3.3均值滤波和中值滤波 (6) 3.4灰度变换 (7) 3.5拉普拉斯算子 (8) 4 轮廓提取 (9) 5 数米粒数目 (15) 6 存在的问题 ................................................................................................ 错误！未定义书签。 7 总结 ............................................................................................................ 错误！未定义书签。 8 致谢 ............................................................................................................ 错误！未定义书签。参考文献 . (17)

机器视觉算法笔记

1、相机的信噪比、SNR=1时（光强可探测到的最小光强，绝对灵敏度），动态增益为光强.sat/光强.min（dB/位），量子效率是波长的函数：η=η（λ）--CCD比CMOS灵敏，动态范围大。 2、数据结构：图像、区域和亚像素轮廓 图像：彩色摄像机采集的是每个像素对应的三个采样结果（RGB三通道图像）、图像通道可被看作一个二维数组，设计语言中的表示图像的数据结构；两种约定：离散函数（点对点）R→R n、连续函数：R2→R n。 区域：可以表示一幅图像中一个任意的像素子集，区域定义为离散平面的一个任意子集：R ∈Z2，将图像处理闲置在某一特定的感兴趣区域（一幅图像可被看作图像所有像素点的矩形感兴趣区域）。二值图像特征区域：用1表示在区域内的点，用0表示不在区域内的点；行程表示法：每次行程的最小量的数据表示行程的纵坐标、行程开始和行程结束对应横坐标值。行程编码较二值图像节省存储空间（行程编码保存在16位整数，须要24个字节，而采用二值图像描述区域，每个像素点占1个字节，则有35个字节）。行程编码保存的只是区域的边界。为描述多个区域，采用链表或数组来保存采用形成编码描述的多个区域，每个区域的信息是被独立保存和处理的。 亚像素轮廓：比像素分辨率更高的精度（亚像素阈值分割或亚像素边缘提取）。轮廓基本上可被描述成多表型，然后用排序来说明哪些控制点是彼此相连的，在计算机里，轮廓只是用浮点数表示的横和纵坐标所构成的数组来表示。 3、图像增强：硬件采集的图像质量不好，可应用软件进行增强。 灰度值变换：由于光源照明的影响，局部的图像会产生对比度与设定值不一致，需要局部的去增强对比度。为提高变换速度，灰度值变换通常通过查找表（LUT）来进行（将灰度输入值变换后输出保存到查找表中），最重要的灰度值变换是线性灰度值比例缩放：f(g)=ag+b（ag 表示对比度，b表示亮度）。为了自动获取图像灰度值变换参数a、b的值，通过图像感兴趣区域的最大与最小灰度值设置出a、b的值（灰度值归一化处理）。灰度直方图表示某一灰度值i出现的概率。对于存在很亮和很暗的区域，图像归一化时需要去除一小部分最暗、最亮的灰度值（用2个水平线截取区域），再进行图像归一化处理，将对比度提高（鲁棒的灰度归一化处理）。 辐射标定：传感器收集的能量与图像实际灰度值的关系是非线性时候（一般需要是线性的，提高某些处理算法的精确度），对非线性相应求其逆响应的过程就是辐射标定。取q=？对响应函数求逆运算得到线性响应，求q的过程既是标定。 图像平滑：抑制由于多种原因产生的图像噪声（随即灰度值）。干扰后灰度值=图像灰度值+噪声信号（将噪声看作是针对每个像素平均值为0且方差是б2的随机变量），降噪方法之一、时域平均法，采集多幅图像进行平均，标准偏差将为原来的1/根号n，求的平均值后，将任意一幅图像减去平均，即为该幅图像的噪声；方法之二、空间平均操作法，通过像素数(2n+1)*(2m+1)的一个窗口进行平均操作，会使边缘模糊（计算量非常大，进行(2n+1)*(2m+1)次操作）；方法之三、递归滤波器，在前一个计算出的值的基础上计算出新的值，较方法一速度快了30倍；满足所有准则（平滑程度准则t，以及XXs滤波）的高斯滤波器：高斯滤波器是可分的，所以可以非常高效率的被计算出来，能够更好地抑制高频部分。若更关注质量，则应采用高斯滤波器；若关注执行速度，首选使用均值滤波器。 傅里叶变换：将图像函数从空间域转变到频率域，可以再进行频率高低的滤波操作平滑。 4、插值算法：图像被放大不清晰时，通过插值增加放大的增多的像素

基于OpenMv的跌倒检测算法设计与实现

Computer Science and Application 计算机科学与应用, 2019, 9(11), 2020-2027 Published Online November 2019 in Hans. https://www.sodocs.net/doc/7e6240590.html,/journal/csa https://https://www.sodocs.net/doc/7e6240590.html,/10.12677/csa.2019.911227 Design and Implementation of Drop Detection Algorithm Based on OpenMv Zihong Yang, Wenjie Yang, Jia Liu* School of Information Engineering, Wuhan Business University, Wuhan Hubei Received: Oct. 22nd, 2019; accepted: Nov. 6th, 2019; published: Nov. 13th, 2019 Abstract Today, the number of elderly people in society is on the rise, but also accompanied by a growing number of elderly security problems, such as falls, sudden illness, dementia, and a series of a threat to the elderly life problems, and in this paper, the fall problem is proposed based on a OpenMv fall detection algorithm, mainly through OpenMv cameras to capture images for image arithmetic for the elderly fall state. The fall detection proposed in this paper is mainly realized through OpenMv’s built-in function library and the three-frame difference algorithm, and then the fluctuation range of the body center coordinates of the elderly is adjusted to determine whether the elderly has fallen. Keywords Elderly, Camera, Fall Detection, Three Frame Difference Algorithm 基于OpenMv的跌倒检测算法设计与实现 杨子弘，杨文杰，刘佳* 武汉商学院信息工程学院，湖北武汉 收稿日期：2019年10月22日；录用日期：2019年11月6日；发布日期：2019年11月13日 摘要 现如今，社会上老年人的数量正在持续增长，而伴随着的也是日益增多的老年人的安全问题，例如跌倒、突发疾病、失智等一系列对老年人生命产生威胁的问题，本文就其中的跌倒问题提出了一种基于OpenMv *通讯作者。

数字图像处理与机器视觉 2015-2016期末试卷参考答案

数字图像处理与机器视觉 2015-2016期末试卷参考答案南昌大学研究生2015,2016年第2学期期末考试试卷 试卷编号: (开)卷课程名称: 数字图像处理与机器视觉适用班级: 2015级硕士研究生姓名: 学号: 专业: 学院: 机电工程学院考试日期: 题号一二三四五六七八九十总分累分人 签名题分 10 15 15 10 20 30 100 得分 考生注意事项:1、本试卷共4页，请查看试卷中是否有缺页或破损。如有请报告以便更换。 2、使用A4答题纸，注意装订线。 一、单项选择题(从下列各题四个备选答案中选出一个正确答案，并将其 代号填在题前的括号内。每小题1分，共10分) ( b )1.图像与灰度直方图间的对应关系是: a.一一对应 b.多对一 c.一对多 d.都不对 ( d )2. 下列算法中属于图象平滑处理的是: a.Hough变换法 b.状态法 c.高通滤波 d. 中值滤波 ( c )3.下列算法中属于图象锐化处理的是: a.局部平均法 b.最均匀平滑法 c.高通滤波 d. 中值滤波 ( d )4. 下列图象边缘增强算子中对噪声最敏感的是: a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( b )5. 下列算法中属于点处理的是: a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d )6.下列算子中利用边缘灰度变化的二阶导数特性检测边缘的是:

a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c )7.将灰度图像转换成二值图像的命令为: a.ind2gray b.ind2rgb c.im2bw d.ind2bw ( d )8.数字图像处理的研究内容不包括: a.图像数字化 b.图像增强 c.图像分割 d.数字图像存储 ( d )9.对一幅100?100像元的图象，若每像元用,bit表示其灰度值，经霍夫曼编码后图象的压缩比为2:1，则压缩图象的数据量为: a.2500bit b.20000bit c.5000bit d.40000bit ( b )10.图像灰度方差说明了图像哪一个属性: a.平均灰度 b.图像对比度 c.图像整体亮度 d.图像细节 第 1 页 二、填空题(每空1分，共15分) l. 图像处理中常用的两种邻域是 4-邻域和 8-邻域。 2.图象平滑既可在空间域中进行，也可在频率域中进行。 3.常用的灰度内插法有最近邻元法、双线性内插法和三次内插法。 4. 低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。 5.Prewitt边缘检测算子对应的模板是和。 -1 -1 -1 -1 0 1 0 0 0 -1 0 1 1 1 1 -1 0 1 (不分先后) 6.图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。 7.灰度直方图的纵坐标是该灰度出现的频率。 8.依据图象的保真度，图象编码可分为无失真(无损)编码和有失真(有损)编码两 种。

机器视觉基本介绍

机器视觉基本概念 2018.1.29 机器视觉系统 作用：利用机器代替人眼来做各种测量和判断。 它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。 机器视觉系统的特点：是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。可以在最快的生产线上对产品进行测量、引导、检测、和识别，并能保质保量的完成生产任务 视觉检测：指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。 照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。 照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 镜头 FOV（Field of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比） 镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点/节点⑦畸变

机器视觉在焊点检测中的应用

机器视觉在焊点检测中的应用 杨英豪柳青崔洁 （中国电子科技集团公司第四十五研究所，北京101601） 摘要：本文主要阐述了利用图像处理的一些算法来对半导体封装过程中的焊点进行检测，主要包括了图像预处理，自动阈值图像分割，图像膨胀，空洞填充，图像连通，区域开圆运算，形状检测，计算区域特征等算法。并通过大量实验确定了参数，得到一种确实可行的应用方法去完成焊点的检测。 关键词：半导体设备；机器视觉；焊点检测（PBI）； Application of Inspect ball bonding with Machine Vision Yang Yinghao Liu Qing Cui Jie Abstract: This article introduces inspecting ball bonding with some Machine Vision algorithm on process of encapsulating semiconductor device, which mainly contain Image Pretreatment, Image Segmentation with auto threshold, Image expanding, File up hole, Image connection, Generate circle region , Inspect circularity shape, Calculate Circle radius. Then we can get a good method to achieve Inspecting ball bonding through make a lot of experiments to decide the parameter. Keywords: semiconductor device; Machine Vision; Inspect ball bonding 1.引言 如今伴随数字产品已在人们生活中的大量使用，半导体设备制造业得到迅猛的发展，键合机就是半导体封装其中很重要的一个工序，而焊线后检测（PBI：Post Bond Inspect）又是键合机提高机器性能，拓展机器功能的一个重要课题。 目前流行的焊线质检方式是焊完线后人工质检，浪费人力，且不能实时完成质检。而本文就如何利用机器视觉自动实现精准，快速，稳定的焊线后检测进行了讨论和研究——本文主要检测的是焊球的位置和偏差，得到了一种性能优越的图像处理方法，经过实验验证，精度可以达98%以上。 2.半导体机器视觉系统构成 机器视觉系统的主要目的是给机器或自动生产线添加一套类似人眼的视觉系统。其原理是由计算机或图像处理器以及相关的设备来模拟人的视觉行为，完成得到人的视觉系统所得到的信息。 机器视觉系统构成： 1.图像获取：照明光源，光学镜头，工业相机，图像采集卡。 2.图像处理：图像处理软件。 图2-1 机器视觉系统

halcon知识点

1. 无论读入什么图像，读入图像显示效果明显和原始图像不一致，哪怕是从相机读入的图像，也是明显颜色差异。什么原因引起 初步诊断是，显示的时候调用的颜色查找表存在异常不是default ，而是其它选项。此时可以通过查阅相关参数，调用set_system解决，也可以在编辑-》参数选择-》颜色查找表进行更改。 2. 裁剪图像；从图像上截取某段图像进行保存。如何实现该操作 首先应该知道，region不具有单独构成图像的要素，他没有灰度值。有用过opencv 的应该知道ROI（感兴趣区域），设置好它后，对图像的大部分操作就转为图像的一个矩形区域内进行。类似的，halcon有domain 概念。首先设置好一个矩形区，然后使用reduce_domain（是一个矩形区域）后，再使用crop_domain 就裁剪出图像。 3. 读入bmp，或tiff 图像显示该图不是bmp文件或不能读。原因是什么 这个常有新手询问，画图，图像管理器都能打开，又或者是相机采集完直接存到硬盘。Halcon 读取图像在windows下面到最后是调用windows库函数实现读图功能。咱不清楚到底是怎么调用的。对于图像格式，在读图函数F1说明很细。基本bmp 如果文件头不是bw还是bm(百度百科bmp格式查找，编写此处时无网络，后续可能忘记)，就读不进来。其他规格欢迎补充。解决办法，如果是相机采集，就在内存直接转换(参见halcon到里面的halcon和bitmap互转)；如果是采完的图片，大部分通过画图工具转换为24位bmp格式，即可解决。

4.读入avi文件报错。 Halcon 通过directshow或另一个格式解析视频，正常来说应该可以读入市面大部分视频，实际测试发现只能读入最标准的avi文件格式。如果需要临时处理，需要下格式工厂等工具转化为最标准的avi文件格式(论坛叶诺有发帖说明)。 5. Region 或xld 筛选。 Halcon提供了丰富的region 和xld筛选方法。Region可以使用select_shape_xld，选择出符合要求的区域，如果不能满足还可以通过类似region feature 这样关键字组合成的算子获取区域特征，然后通过tuple 排序或相加减，再通过tuple_find 确定是对应哪个区域的特征。同样的halcon也提供了select_contours_xld 进行轮廓筛选。 6. Halcon分几类对象，每个类的功用是 Halcon总分俩大类，tuple和图标对象obj 。Tuple涵盖了对所有基础数据类型的封装，可以理解为她是halcon定义的数组类。Obj 是alcon定义图标类基类。衍生出了许多类型，其中Region ，Xld，Image 其中最主要的类型。 7. F1说明，参数部分-array 是什么意思 该符号说明，该参数接受一组输入，对tuple就是一组tuple，对obj 就是通过concat_obj或其它操作产生的一组obj元组。 8. 俩个相对方形物体的距离计算。

机器视觉工业镜头计算方法

机器视觉工业镜头计算方法（一） 2012年8月1日艾菲特光电 一、机器视觉中工业镜头的计算方式 1、WD 物距工作距离（Work Distance，WD）。 2、FOV 视场视野（Field of View，FOV） 3、DOV 景深（Depth of Field）。 4、Ho:视野的高度 5、Hi:摄像机有效成像面的高度(Hi来代表传感器像面的大小) 6、PMAG:镜头的放大倍数 7、f:镜头的焦距 8、LE:镜头像平面的扩充距离 二、相机和镜头选择技巧 1、相机的主要参数: 感光面积SS（Sensor Size） 2、镜头的主要参数: 焦距FL（Focal Length） 最小物距Dmin（minimum Focal Distance） 3、其他参数: 视野FOV（Field of View） 像素pixel FOVmin=SS（Dmin/FL） 如：SS=6.4mm，Dmin=8in，FL=12mm pixel=640*480 则：FOVmin=6.4（8/12）=4.23mm 4.23/640=0.007mm 如果精度要求为0.01mm，1pixels=0.007mm<0.01mm 结论：可以达到设想的精度 三、工业相机传感器尺寸大小：（单位：mm） (3.2mm×2.4mm)；1/3″：(4.8mm×3.6mm)；1/2″：(6.4mm×4.8mm)； (8.8mm×6.6mm)；1″：(12.8mm×9.6mm)；

四、CCD相机元件的尺寸 型号高度比长度（mm）宽度（mm）对角线（mm）1/6" 4:3 1.73 2.3 2.878 1/4" 4:3 2.4 3.2 4 1/3" 4:3 3.6 4.8 6 1/2" 4:3 4.8 6.4 8 1/1.8" 4:3 5.3 7.2 8.9 2/3" 4:3 6.6 8.8 11 1" 4:3 9.6 12.8 16 4/3" 4:3 13.5 18 22.5 五、线阵传感器尺寸（单位：mm）

机器视觉系统设计五大难点【详解】

机器视觉系统设计五大难点 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、数控系统、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的

软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS 其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号 1、照明 照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。但是，这些光源的一个最大缺点是光能不能保持稳定。以日光灯为例，在使用的第一个100小时内，光能将下降15%，随着使用时间的增加，光能将不断下降。因此，如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。 另一个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，一般采用加防护屏的方法，减少环境光的影响。

《机器视觉》机器视觉入门必读

作为机器视觉的研究者与项目开发者，最近有人问我如果想要涉水这个领域，该如何下水，总是担心自己被“淹死”在这个领域，又担心自己不试试水不甘心。回顾了一下一年来自己差点被“淹死”的经历，总结了一下计算机视觉入门应该掌握的图像处理方面的知识点。顺便给大家一个鼓励，小编意外涉水这个领域，在这之前，小编极讨厌编程，打心底里认为“图像处理”纯属“陶冶情操”的玩意儿，一个不幸的经历，小编深陷其中不能自拔，在痛苦中挣扎，挣扎过后，硬着头皮算是有了一小点点进步。所以如果你感觉痛苦，或许就对了，那就在痛苦中前进吧。在此送大家一句话“专业的人做专业的事”，为什么呢？一定要明白自己想做什么，是研究算法，还是乐意编程实现算法，还是只是想做应用。这三个意图是不同的，要知道自己想要什么。比如：如果是做应用的，就不要过度在于算法的深层原理，你会用就好了。否则你会一篇混乱把自己搞的一团糟，先把算法用起来能为我们做事情，然后心有余力再去研究为什么。下面做了一个小小的梳理，跟大家分享一下，以助快速脱离痛苦。 数学基础知识 1、矩阵的四则运算及其物理意义 2、逻辑运算 3、旋转矩阵与旋转向量 4、SVD分解 5、卷积的定义及运算 图像格式的基础 1、图像的存储方式及图像格式 2、图像的读取与现实 3、图像存储 4、图像像素与图像 图像像素运算 1、四则运算 2、逻辑运算 3、像素提取 4、通道分离与混合 5、像素的意义与对比度 图像几何运算 1、图像放缩 2、图像旋转 3、仿射变换

4、透视变换 5、翻转变换 6、图像错切 图像直方图 1、像素的均值与方差 2、直方图统计 3、像素内方差 4、插值算法 色彩空间 1、RGB 2、HSL 3、YUV 4、图像灰度化（多种方法） 5、色彩空间转换 6、图像饱和度 7、主色彩分析 图像滤波 1、均值滤波 2、中值滤波 3、高斯滤波 4、双边滤波 5、椒盐噪声 6、高斯噪声 7、低通滤波 8、高通滤波 9、图像锐化 图像形态学处理 1、腐蚀 2、膨胀 3、开闭操作 4、形态学梯度 5、顶帽 6、黑帽 7、分水岭 8、内梯度与外梯度

如何搭建机器视觉系统

60 应用天地 2004/10 今日电子如何搭建机器视觉系统 如何搭建机器视觉系统西安市春秋视讯技术有限责任公司供稿 机器视觉系统的构成 一般机器视觉系统主要包括信息探测、采集系统、图像处理、显示及智能决策等模块，涉及计算机图形学、数字图像处理、视频信息处理、模式识别、人工智能理论、智能信息处理、ＶＬＳＩ技术等技术，可广泛应用于工业产品自动检测、航天、航空、遥感、卫星侦察、天文观测、通讯、交通、电子、金融、医疗等图像采集、处理和决策的诸多领域。图１是机器视觉系统的结构图。嵌入式图像采集处理系统 ＮｅｔＳｉｇｈｔ　ＩＩ是功能完善的嵌入式图像采集处理系统，能快速、简便地构成生产线上的机器视觉系统，解决了由ＰＣ／图像采集卡或智能摄像机构成的机器视觉系统在实际生产环境中所遇到的各种问题，提高了产品生产质量。ＮｅｔＳｉｇｈｔ　ＩＩ系统如图２所示。 ＮｅｔＳｉｇｈｔ　ＩＩ嵌入了高性能处理器、多个摄像机接口、灵活的通信设备接口 和多种用户界面。只需将摄像机与ＮｅｔＳｉｇｈｔ　ＩＩ连接，安装相应软件，就可以对生产线的产品进行检测，节省了大量的安装、调试时间。 智能摄像机（Ｓｍａｒｔ　Ｃａｍｅｒａ）不能对物体进行多角度检测，若将这些摄像机之间进行相互配合，则系统的复杂性和可靠性就成了问题。而高性价比的ＮｅｔＳｉｇｈｔ　ＩＩ系统可同时观察和处理４个摄像机的图像，还可以根据具体应用要求来选择相应的摄像机。ＮｅｔＳｉｇｈｔ　ＩＩ支持大多数标准、高分辨率（兆级像素）模拟摄像机，经过适配器可与非标准摄像机连接。 ＮｅｔＳｉｇｈｔ　ＩＩ的机器视觉检测软件Ｓｈｅｒｌｏｃｋ是一个功能强大的自动化检测工具，目前国际上有数以千计的检测设备采用Ｓｈｅｒｌｏｃｋ软件。Ｓｈｅｒｌｏｃｋ软件易于使用、配置完善，可以快速构成样板、参考标准等，支持用户自定义算法和用户界面，但目前还不支持彩色相机输入。 ● 　主要特性和技术参数 ＮｅｔＳｉｇｈｔ　ＩＩ系统可以在线自动快速检测不规则器件，同时处理多个视频图像，支持多种摄像机，功能强大的嵌入式处理器确保快速检测，为用户提供理想的机器视觉系统解决方案。 数据采集部分包括３个单色或１个ＲＧＢ的模拟摄像机、１５脚Ｄ－Ｓｕｂ连接器，支持标准的６４０×４８０、１０２４×１０２４或更高分辨率的格式，可同时采集３个单色同步摄像机或１个彩色摄像机图像。存储器为２５６ＭＢ的程序存储器和２０ＧＢ的数据存储器。数字输入部分支持７种通用的代码，可进行控制切换，支持３０Ｖ的ＴＴＬ电路。数字输出部分包括７种用做检测和控制的接口，可进行光选通。 ● 　外部接口 操作接口包括标准ＶＧＡ显示器、标准的ＰＳ／２鼠标和键盘或ＵＳＢ鼠标和键盘、连接附加ＵＳＢ兼容设备的ＵＳＢ接口；网络接口为１０／１００Ｂａｓｅ－Ｔ以太网接口；相机（视频）接口包括３个同步相机 输入（支持标准或者双速模拟相机的顺序 图１　机器视觉系统结构图 图２　ＮｅｔＳｉｇｈｔ　ＩＩ系统

机器视觉实验报告

实验报告 课程名称：机器视觉与图像处理班级：自动F1202 姓名： 学号： 实验时间：2015.2.23

实验一 一．实验名称 Matlab软件的使用 二．实验内容 1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等； 2.了解帮助文档help中演示内容demo有哪些； 3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。 三．实验原理： 通过matlab工具箱来进行图像处理 四．实验步骤 1.双击桌面上的matlab图标，打开matlab软件 2.了解菜单栏、工具栏、状态栏、命令窗口等 如下图1-1所示

图 1-1 3.了解帮助文档help中演示内容demo有哪些； 步骤如下图1-2 图1-2 打开help内容demo后，里面的工具箱如图所示。

图1-3 4.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4 ，图1-5所示

图 1-4 图 1-5 五.实验总结和分析 通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。

实验二 一．实验名称 图像的增强技术 二．实验内容 1.了解图像增强技术/方法的原理； 2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三．实验原理： 通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。 四.实验步骤及结果 1.双击MATLAB图标打开MATLAB软件； 2.单击help/Demos打开帮助中的演示； 3.找到Image Processing工具箱中的图像增强，如图2-1所示 图2-1

机器视觉

机器视觉（1）——从业人员细分 摘自中国机器视觉网论坛 到底如何学习机器视觉？为了说明这个问题，我觉得应该先要简单地说明另一个问题：国内外机器视觉发展的不同。我本人认为，只有先搞清了两边的不一样，才便于说清如何下手学习。国外机器视觉发展到今天，已经从“一包到底”式的工作程序，发展到了细致分工的阶段了。由于篇幅问题。就不细讲这一行当如何从“一包到底”发展到细致分工过程。 一句话，国外机器视觉发展到今天，已经可以清清楚楚分为三个部分： 1，底层开发部分。 2，二次开发部分。 3，最终使用部分。于是在国外，从事这一行业的人现在也就可以简单而清楚地分成三种人： 1，底层开发的人(从事底层开发工作的人)。 2，二次开发的人(从事二次开工作的人)。 3，使用及操作机器视觉系统的人(从事最终使用工作的人)。 第一类人。就是我们常说的，开发通用视觉系统(如：DVT，西门子，欧姆龙，EVISION，COGNEX等等)的开发人员，也就是DVT，COGNEX这些公司开发部的技术职工。第二类。就是大家所说的OEM用户。是专门用第一类人所开发出的系统，给第三类人搞二次开发，开发各种专为第三类人所用的系统。第三类人，就是用户(end user)。这类人是真正将机器视觉系统应用到各个领域中的人，他们不仅在各自的行业中使用种种已经开发成型的机器视觉系统。而且负责对各类系统进行测试及评估。 举个实际例子，这里有不少朋友问过这类问题：如何检测某一工件；检测光盘表面的系统该如何配置CCD相机、镜头及灯源等。问这些问题的朋友应该算是第三类人。他们公司要他们寻找一个系统可以用来检测本公司的产品。但由于第一类人所开发的，只是通用的系统以及视觉系统开发工具的软件包。并没有哪家公司专门开发一套系统来检测光盘或是某种特定的工件。所以，这些朋友就应该来找我，因为我是第二类人。 我的工作就是，专门用DVT，EVISION，COGNEX等的视觉卡，以及视觉系统开发工具软件包为他们专门开发一套他们所需要的光盘检测系统或是工件检测系统。但是，我在这里所看到奇怪的现象却是，这些第三类的朋友一直问的，都是第二类人所问的问题。如：问应该用哪家公司的开发软件；用什么样的CCD；如何标定等等。我真的不知道如何回答你：你明明是第三类人，要找第二类人帮忙。现在却以第二类人的身份甚至是以第一类人的身份问问题。绕了老大一圈，其实要说的问题就是一个----我所发现的问题：这里80%以上朋友把自己的身分混淆了，越俎代庖。 或许有的朋友会这样说：我虽然是第三类人，但我对机器视觉有兴趣，想自己学习啊！。这就是我想讨论的：到底如何学习机器视觉？我个人认为，应该先确定