Python 图像处理库 Pillow 入门（含代码）

培训资料分类

热门人气资料 / Download More

发布时间: 2018 - 01 - 06

图像处理与机器视觉第一章图像增强的研究和发展现状　　图像在采集过程中不可避免的会受到传感器灵敏度、噪声干扰以及模数转换时量化问题等各种因素的影响，而导致图像无法达到令人满意的视觉效果，为了实现人眼观察或者机器自动分析、识别的目的，对原始图像所做的改善行为，就被称作图像增强。图像增强包涵了非常广泛的内容，凡是改变原始图像的结构关系以取得更好的判断和应用效果的所有处理手段，都可以归结为图像增强处理，其目的就是为了改善图像的质量和视觉效果，或将图像转换成更适合于人眼观察或机器分析、识别的形式，以便从中获取更加有用的信息。　　常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。　　尽管各种图像增强技术已取得了长足的发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起图像模糊的去噪声方法（如空域的局部统计法）和新的频域滤波器增强技术（如小波变换，K－L变换等）最为引人瞩目。　　第二章图像增强的基本方法　　一般而言，图像增强是根据具体的应用场景和图像的模糊情况而采用特定的增强方法来突出图像中的某些信息，削弱或消除无关信息，以达到强调图像的整体或局部特征的目的。常用的图像增强方法有灰度变换、直方图修正、噪声清除、图像锐化、频域滤波、同态滤波及彩色增强等。图像增强的方法主要分为两类：空域增强法和频域增强法。空域增强法直接针对图像中的像素，对图像的灰度进行处理；频域增强法是基于图像的Fourier变换式对图像频谱进行改善，增强或抑制所希望的频谱。　　2.1灰度变换　　灰度变换增强的原理如下：设r和s分别代表原始图像和增强图像的灰度，T(•)为映...

Python 图像处理库 Pillow 入门（含代码）

发布时间: 2018 - 01 - 05

Python 图像处理库 Pillow 入门（含代码）Pillow是Python里的图像处理库（PIL：Python Image Library），提供了了广泛的文件格式支持，强大的图像处理能力，主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。 1）使用 Image 类PIL最重要的类是 Image class, 你可以通过多种方法创建这个类的实例；你可以从文件加载图像，或者处理其他图像, 或者从 scratch 创建。要从文件加载图像，可以使用open( )函数，在Image模块中： from PIL import Image im = Image.open("E:/photoshop/1.jpg")加载成功后，将返回一个Image对象，可以通过使用示例属性查看文件内容： print(im.format, im.size, im.mode)('JPEG', (600, 351), 'RGB')format 这个属性标识了图像来源。如果图像不是从文件读取它的值就是None。size属性是一个二元tuple，包含width和height（宽度和高度，单位都是px）。 mode 属性定义了图像bands的数量和名称，以及像素类型和深度。常见的modes 有 “L” (luminance) 表示灰度图像, “RGB” 表示真彩色图像, and “CMYK” 表示出版图像。如果文件打开错误，返回 IOError 错误。只要你有了 Image 类的实例，你就可以通过类的方法处理图像。比如，下列方法可以显示图像：im.show()2）读写图像PIL 模块支持大量图片格式。使用在 Image 模块的 open() 函数从磁盘读取文件。你不需要知道文件格式就能打开它，这个库能够根据文件内容自动确定文件格式。要保存文件，使用 Image 类的 save() 方法。保存文件的时候文件名变得重要了。除非你指定格式，否则这个库将会以文件名的扩展名作为格式保存。加载文件，并转化为png格式："Python Image Library Test"from PIL import Imageim...

当机器视觉遇到“人工智能-工业4.0”.....

发布时间: 2017 - 12 - 25

当机器视觉遇到“人工智能-工业4.0”.....人们感知外界信息的80%是通过眼睛获得的，图像包含的信息量是最巨大的。机器视觉给机器人装上了“眼睛”，成为工业4.0的重点，互促发展是技术的必然，更是时代的选择。工业4.0是什么？在人类历史发展前期，生产力的增长几不可察，生活水平的提升也非常缓慢。而从200多年前开始，生产力发生了飞跃性变化，这一翻天覆地的变化得益于工业革命。如果将工业的发展历史分成4个时代，那么工业革命1.0使机器生产代替了手工劳动；工业革命2.0实现了流水线生产；工业革命3.0实现了自动化生产。工业生产方式则依次经历了机械化、流水线生产、自动化。2013年4月，在汉诺威工业博览会上，德国正式推出工业4.0的概念，旨在提升制造业的智能化水平。德国工业4.0是指利用物联信息系统(Cyber—PhysicalSystem简称CPS)将生产中的供应，制造，销售信息数据化、智慧化，最后达到快速、有效、个人化的产品供应。其实质是“互联网+制造”。在成产层面，“工业4.0”是生产设备间的互联、设备和产品的互联、虚拟与现实的互联，甚至是未来的万物互联。工业4.0理念的提出促进了智能工厂的实现，生产方式必将迎来巨大改变。工业4.0--机器视觉是核心目前视觉技术在工业生产中的应用大致可分为两类：质量控制和辅助生产。其中，质量控制主要是指对产品缺陷的检测，识别不良品，此类设备在国内外自动化生产线已有广泛使用。辅助生产则是利用视觉技术给机器人提供动作执行依据，国内市场尚待开发。工业机器人的发展，势必引起机器视觉新增长。我国正处于工业机器人的发展拐点，市场潜力巨大，据国际机器人联盟（IFR）估计，中国市场对工业机器人的发展占主导地位，2018年全球三分之一的工业机器人将会安装在中国，这势必会引发机器视觉的广泛应用。机器视觉是人类视觉的延伸，与多种技术的融合逐步加深，将成为实现自动化和智能化的重要手段。工业4.0与智能制造息息相关，而机器视觉是实现智能制造的重要抓手。联为智能教育与工业4.0德国推出“工业4.0”以来，作为老牌的机器视觉人才培养学校，联为智能教育不落人后，先后推出了机器视觉图像处理实战、运动控制卡等精品课程，不断的为国内大中型自动化企业输送大量的机器视觉工程师人才智能工厂实验系统所谓“智能工厂”是指通过引入大数据技术进行分析优化管理，在...

最新机器人视觉系统介绍，给机器人装上“眼睛”

发布时间: 2017 - 12 - 18

最新机器人视觉系统介绍，给机器人装上“眼睛”机器视觉概述使机器具有像人一样的视觉功能，从而实现各种检测、判断、识别、测量等功能。一个典型的机器视觉系统组成包括：图像采集单元（光源、镜头、相机、采集卡、机械平台），图像处理分析单元（工控主机、图像处理分析软件、图形交互界面），执行单元（电传单元、机械单元）机器视觉系统通过图像采集单元将待检测目标转换成图像信号，并传送给图像处理分析单元。图像处理分析单元的核心为图像处理分析软件，它包括图像增强与校正、图像分割、特征提取、图像识别与理解等方面。输出目标的质量判断、规格测量等分析结果。分析结果输出至图像界面，或通过电传单元（PLC等）传递给机械单元执行相应操作，如剔除、报警等，或通过机械臂执行分拣、抓举等动作。机器视觉优势机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：机器视觉的应用领域•识别标准一维码、二维码的解码光学字符识别（OCR）和确认（OCV）•检测色彩和瑕疵检测零件或部件的有无检测目标位置和方向检测•测量尺寸和容量检测预设标记的测量，如孔位到孔位的距离•机械手引导输出空间坐标引导机械手精确定位机器视觉系统的分类•智能相机•基于嵌入式•基于PC 机器视觉系统的组成•图像获取：光源、镜头、相机、采集卡、机械平台•图像处理与分析：工控主机、图像处理分析软件、图形交互界面。•判决执行：电传单元、机械单元•光源---种类LED：寿命长/可以有各种颜色/便于做成各种复杂形状/光均匀稳定/可以闪光；荧光灯：光场均匀/价格便宜/亮度较LED高；卤素灯：亮度特别高/通过光纤传输后可做成；氙灯：使用寿命约1000小时/亮度高，色温与日光接近。（大部分机器视觉照明采用LED） •光源---光路原理照相机并不能看见物体，而是看见从物体表面反射过来的光。镜面反射：平滑表面以对顶角反射光线漫射反射：粗糙表面会从各个方向漫射光线发散反射：多数表面既有纹理，又有平滑表面，会对光线进行发散反射 •光源---作用和要求在机器视觉中...

盘点 | 机器人视觉工程师必须知道的工业相机相关问题

发布时间: 2017 - 12 - 11

盘点 | 机器人视觉工程师必须知道的工业相机相关问题1：工业相机的丢帧的问题是由什么原因引起的?经常会有一些机器视觉工程师认为USB接口的工业相机会造成丢帧现象。一般而言，工业相机丢帧与工业相机所采用的传输接口是没有关系的，无论是USB，还是1394、GigE、或者是CameraLink。设计不良的驱动程序或工业相机硬件才是造成丢帧的真正原因：设计不良的工业相机之所以会发生丢帧的现象，其实就是资料通道的堵塞，无法及时处理,所以新的图像进来时，前一张可能被迫丢弃，或是新的图像被迫丢弃。要解决这问题，需要设计者针对驱动程序与工业相机硬件资料传输的每个环节进行精密的设计。2：工业相机输入、输出接口有哪些?在机器视觉检测技术中，工业相机的输入、输出接口有Camera Link、IEEE 1394、USB2.0、Ethernet、USB3.0几种；3：知道被测物的长、宽、高以及要求的测量精度，如何来选择CCD 相机和工业镜头，选择以上器件需要注意什么?首先要选择合适的镜头。选择镜头应该遵循以下原则：1).与之相配的相机的芯片尺寸是多大；2).相机的接口类型是哪种的，C 接口，CS 接口还是其它接口；3).镜头的工作距离；4).镜头视场角；5).镜头光谱特性；6).镜头畸变率；7).镜头机械结构尺寸；选择CCD 相机时，应该综合考虑以下几个方面：1).感光芯片类型；CCD 还是CMOS2).视频特点；包括点频、行频。3).信号输出接口；4).相机的工作模式：连续，触发，控制，异步复位，长时间积分。5).视频参数调整及控制方法：Manual、RS232.同时，选择CCD 的时候应该注意，l inch = 16mm 而不是等于25.4mm.4：CCD 相机与CMOS 相机的区别在哪里？（1）成像过程CCD 与CMOS 图像传感器光电转换的原理相同，他们最主要的差别在于信号的读出过程不同；由于CCD仅有一个（或少数几个）输出节点统一读出，其信号输出的一致性非常好；而CMOS 芯片中，每个像素都有各自的信号放大器，各自进行电荷-电压的转换，其信号输出的一致性较差。但是CCD 为了读出整幅图像信号，要求输出放大器的信号带宽较宽，而在CMOS 芯片中，每个像元中的放大器的带宽要求较低，大大...

工业机器人视觉引导系统

发布时间: 2017 - 12 - 04

工业机器人视觉引导系统MVRobotVision机器人视觉引导系统是配合工业机器人工作的机器视觉系统，提供高效精准的视觉引导功能，适应多维运动工业机器人对视觉系统轻便、高速、高精度的要求，配合工业机器人实现高效智能化的产线改造，为自动化产线，传送带分拣，组装、自动码垛卸垛以及其他复杂加工等机器人应用提供智能视觉引导解决方案。2D视觉引导MVRobotVision机器人2D视觉引导系统主要应用于流水线传送跟踪、精确定位、姿态调整三个方面。3D视觉引导MVRobotVision机器人3D视觉引导系统主要应用于工件分拣、码垛与卸垛、输送机分拣定位三个方面。系统特点柔性化定位工装:节约在多品种情况下传统的机械定位工装设计成本，使工装定位环节实现真正的柔性化。智能形状识别引擎，智能视觉学习训练:系统内嵌智能形状识别引擎，能够识别常见的基本几何图形。对于复杂形状，系统可以进行模板学习训练，进而实现复杂形状的识别精准数据:降低环境光影响，快速准确获取扫描数据；先进高效的数据分析，实现高速精确定位识别，精度可达0.1mm

《机器视觉学习教程》机器视觉入门必读

发布时间: 2017 - 11 - 27

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、RGB2、HSL3、YUV4、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、内梯度与外梯度边缘检测1、canny边缘检测2、Sobel 边缘检测3、Prewitt边缘检测4、LOG边缘检测5、Hough 圆与直线检测6、阈值分割图像二值化1.全局阈值法2.局部阈值法3.OSTU二值化4.得到5.Ed...

Halcon教程之单相机标定

发布时间: 2017 - 11 - 25

Halcon教程之单相机标定在HALCON所有算子中，变量皆是如上格式，即：图像输入：图像输出：控制输入：控制输出。机器视觉-汪工：其中四个参数任意一个可以为空。控制输入可以是变量、常量、表达式；控制输出以及图像输入和输出必须是变量。 1.caltab_points：从标定板中读取marks中心坐标，该坐标值是标定板坐标系统里的坐标值，该坐标系统以标定板为参照，向右为X正，下为Y正，垂直标定板向下为Z正。该算子控制输出为标定板中心3D坐标。2.create_calib_data：创建Halcon标定数据模型。输出一个输出数据模型句柄。3.set_calib_data_cam_param：设定相机标定数据模型中设置相机参数的原始值和类型。设置索引，类型，以及相机的原始内参数等。4.set_calib_data_calib_object:在标定模型中设定标定对象。设定标定对象句柄索引，标定板坐标点储存地址。5.find_caltab：分割出图像中的标准标定板区域。输出为标准的标定区域，控制6.find_marks_and_pose：抽取标定点并计算相机的内参数。输出MARKS坐标数组，以及估算的相机外参数。即标定板在相机坐标系中的位姿，由3个平移量和3个旋转量构成。7.set_calib_data_observ_points( : : CalibDataID, CameraIdx, CalibObjIdx,CalibObjPoseIdx, Row, Column, Index, Pose : )收集算子6的标定数据，将标定数据储存在标定数据模型中。输入控制分别为标定数据模型句柄，相机索引，标定板索引，位姿索引，行列坐标，位姿。8.calibrate_cameras( : : CalibDataID : Error) 标定一台或多台相机，依据CalibDataID中的数据。控制输出平均误差。9.get_calib_data( : : CalibDataID, ItemType, ItemIdx, DataName : DataValue) 获得标定数据。依靠索引号和数据名称来返回输出的数据值。可查询与模型相关的数据，与相机相关的数据（包括相机的内外参数等），与标定对象相关的数据，与标定对象的姿态相关的数据。控制输出是要查询的标定数据。如：get_calib_da...

OpenCV二维码检测与定位

发布时间: 2017 - 11 - 20

Halcon学习教程之二：摄像头获取图像和相关参数

发布时间: 2017 - 11 - 16

Halcon学习教程之二：摄像头获取图像和相关参数1、close_all_framegrabbers ( : : : ) 关闭所有图像采集设备。2、close_framegrabber ( : : AcqHandle : ) 关闭Handle为AcqHandle的图像采集设备。3、open_framegrabber ( : : Name, HorizontalResolution,VerticalResolution, ImageWidth, ImageHeight, StartRow, StartColumn,Field, BitsPerChannel, ColorSpace, Generic, ExternalTrigger,CameraType, Device, Port, LineIn : AcqHandle ) 打开图像采集设备参数信息： Name：图像采集设备的名称 HorizontalResolution和VerticalResolution：分别指预期的图像采集接口的水平分辨率和垂直分辨率 ImageWidth和ImageHeight：指预期图像的宽度部分和高度部分。 StartRow和StartColumn：指显示预期图像的开始坐标 Field：预期图像是一半的图像或者是完整图像 BitsPerChannel：每像素比特数和图像通道 ColorSpace：输出的色彩格式的抓住图像{gray、raw、rgb、yuv、default} Generic：通用参数与设备细节部分的具体意义。 ExternalTrig...

halcon与C#混合编程之Halcon代码调用

发布时间: 2017 - 10 - 16

完成halcon与C#混合编程的环境配置后，进行界面布局设计构思每一个按钮所需要实现的功能，将Halcon导出的代码复制至相应的C#模块下即可。 halcon源程序：dev_open_window(0, 0, 512, 512, 'black', WindowHandle)read_image (Image, 'C:/Users/Administrator/Desktop/猫.jpg')dev_display(Image)get_image_size(Image, Width, Height)rgb3_to_gray(Image, Image, Image, ImageGray)dev_display(ImageGray)注意：写halcon程序时，如果过程中的图片需要显示出来，则需要在每个过程中都添加dev_display（**）第一步：导出C#程序，建立项目，并添加此类 //// File generated by HDevelop for HALCON/DOTNET (C#) Version 10.0//// This file is intended to be used with the HDevelopTemplate or// HDevelopTemplateWPF projects located under %HALCONEXAMPLES%\c#using System;using HalconDotNet;public partial class HDevelopExport{ public HTuple hv_ExpDefaultWinHandle; // Main procedure private void action() { // Local iconic variables HObject ho_Image, ho_ImageGray; // Local control variables HTuple hv_Width, hv_Height; ...

联为科普：机器视觉工业镜头专业术语详解（图）

发布时间: 2017 - 08 - 26

科普：机器视觉工业镜头专业术语详解（图）机器视觉系统中，镜头相当于人的眼睛，其主要作用是将目标的光学图像聚焦在图像传感器（相机）的光敏面阵上。视觉系统处理的所有图像信息均通过镜头得到，镜头的质量直接影响到视觉系统的整体性能。下面对机器视觉工业镜头的相关专业术语做以详解。一、远心光学系统：　　指主光线平行于镜头光学轴的光学系统。而光从物体朝向镜头发出，与光学轴保持平行，甚至在轴外同样如此，则称为物体侧远心光学系统。光从镜头朝向影像，与与光学轴保持平行，甚至在轴外同样如此，则称为影像侧远心光学系统。二、远心镜头：　　远心镜头指主光线与镜头光源平行的镜头。有物体侧的远心，成像侧的远心，两侧的远心行头等方式。通常的镜头主光线与镜头光轴有角度，因此工件上下移动时，像的大小有变化。两方远心境头主物方，像方均为主光线与光轴平行光圈可变，可以得到高的景深，比物方远心境头更能得到稳定的像最适合于测量用图像处理光学系统，但是大型化成本高物方远心境头只是物方主光线与镜头主轴平行工件上下变化，图像的大小基本不会变化使用同轴落射照明时的必要条件，小型化亦可对应像方远心境头只是像方主光线与镜头光轴平行相机侧即使有安装个体差，也可以吸收摄影倍率的变化用于色偏移补偿，摄像机本应都采用这种镜头三、远心光学系统的特色：优点：更小的尺寸。减少镜头数量，可降低成本。缺点：上下移动物体表面时，会改变物体尺寸或位置。优点：上下移动物体表面时，不会改变物体尺寸或位置。使用同轴照明时。可使用更小的尺寸。缺点：未使用同轴照明时，大于标准镜头的尺寸。优点：与MML相似，但镜头凸缘后端的尺寸出现极大差异时，会改善精确度。缺点：与MML相似，但成本比MML更高。四、远心：　　Telecentricity是指物体的倍率误差。倍率误差越小，Telecentricity越高。Telecentricity有各种不同的用途，在镜头使用前，把握Telecentricity很重要。远心镜头的主光线与镜头的光轴平行，Telecentricity不好，远心镜头的使用效果就不好；Telecentricity可以用下图进行简单的确认。...

机器视觉：给智能制造一双慧眼

发布时间: 2017 - 07 - 03

机器视觉：给智能制造一双慧眼机器视觉的原理和用途首先我先对机器视觉做一个简要的介绍。我们知道人类感知世界的一个很重要的信息来源是靠视觉，而机器视觉是通过计算机来模拟人类的视觉功能让计算机获得相关的细节信息并且加以理解。它的原理是计算机或者是相关图片处理器从客观的图像中提取信息进行处理，加以理解并且最终用于检测还有控制等领域，它涉及的领域包括人工智能、计算机科学、图像处理还有模式识别等很多领域。由于有了图像处理还有计算机等等自动化设备的帮忙，机器视觉其实是远远超过人类的极限的，所以它的优势也十分明显，包括高效率、高精度、高自动化，以及能够很好适应比较差的环境。所以在一些不适合人工作业的危险的工作环境，或者是我们人类视觉很难满足要求的场合，机器视觉是可以用来代替人工视觉的。在这种检测、测量、识别和定位等功能上，机器视觉更是能够更好的胜任。除了以上这些，它还能够提高生产效率以及自动化的程度，实现信息集成，所以在工业领域应用很广泛，是智能制造很重要的基础。机器视觉在工业领域的应用分类我们在这里重点讲一下机器视觉在工业领域的应用是怎么样进行分类的。它依照工作环境可以分为，一种是在大规模或者是说测试要求能力高的生产线上，比如说分装、印刷、分拣或者是在野外这样的不适合人员工作的环境中用来代替传统的人工测量或者测试。这样能够达到人工无法达到的可靠性，或者是自动化程度。另外一种是必须要用到高性能或者精密仪器组件的专业设备。其实最早带动整个机器视觉行业的是半导体制造设备，比如说上游晶圆加工的分类切割，这样的设备都非常依赖高精度的测量和对运动的部件进行引导和定位。除了在工业领域机器视觉的应用比较成熟之外，在一些非工业领域机器视觉的优势同样是很明显的，具备非常大的发展运用空间。因为机器视觉它成本低、运用广泛、准确度高的特点，它在交通行业，一些车牌识别、流量控制、违章识别都可以得到广泛的运用，比如说另外一些细分新行业如森林防火、飞机跑道异物检测，比如说大疆精灵4无人机就首次引入了机器视觉。非工业领域同时还包括三维和多维的，机器视觉同样也有很巨大的空间。比如说前沿技术带来的一些新领域，像无人机、服务器人都对机器视觉提出了新的要求。那么未来对机器视觉的应用会越来越多，机器视觉也可以促进服务机器人这样的产业的发展，让机器人能够在更多的场合得到应用。机器视觉的组成与产业链接下来我们讲一下第二部分，就...

机器视觉相机介绍

发布时间: 2017 - 07 - 03

机器视觉相机介绍机器视觉专业论坛1、简介机器视觉相机的目的是将通过镜头投影到传感器的图像传送到能够储存、分析和（或者）显示的机器设备上。可以用一个简单的终端显示图像，例如利用计算机系统显示、存储以及分析图像。2、分类按照芯片类型可以分为CCD相机、CMOS相机；按照传感器的结构特性可以分为线阵相机、面阵相机；按照扫描方式可以分为隔行扫描相机、逐行扫描相机；按照分辨率大小可以分为普通分辨率相机、高分辨率相机；按照输出信号方式可以分为模拟相机、数字相机；按照输出色彩可以分为单色（黑白）相机、彩色相机；按照输出信号速度可以分为普通速度相机、高速相机；按照响应频率范围可以分为可见光（普通）相机、红外相机、紫外相机等。3、CCD与CMOS区别CCD和CMOS是现在普遍采用的两种图像工艺技术，它们之间的主要差异在于传送方式的不同，用过相机的人肯定对这两个名词不会陌生，可是对它们之间的性能区别，却并不是很了解。这里将做简单的比较说明。1）噪声差异：由于CMOS的每个感光二极管都需要搭配一个放大器，若以百万像素计算的话，那就需要上百万个的放大器，然而放大器属于模拟电路，很难让所得的每个结果都保持一致。而CCD只需要一个放大器放在芯片边缘，与CMOS相比，它的噪声相对减少很多，大大提高了图像品质。2）耗电量差异：CMOS采用主动式图像采集方式，感光二极管所产生的电荷会直接由旁边的电晶体放大输出；而CCD为被动式采集方式，必须外加12~18V的电压以使每个像素中的电荷移送到传输通道。因此CCD就必须设计更精密的电源线路和耐压强度，这样使得CCD的耗电量远远高出CMOS，根据计算CMOS的耗电量仅是CCD的1/8~1/10。3）分辨率差异：由于CMOS的每个像素都比CCD复杂，且其像素尺寸很难达到CCD的水平，因此，当我们比较相同尺寸的CCD与CMOS时，CCD的分辨率通常会优于CMOS传感器的水平。例如，维视数字图像技术有限公司生产的4.40μm*4.40μm像元大小的CCD相机分辨率为1628*1236，而5.2μm*5.2μm像元大小的CMOS相机分辨率为1280*1024，对比结果明显得出：同尺寸大...

机器视觉基础及硬件选型

发布时间: 2017 - 06 - 06

机器视觉基础及硬件选型.pdf

Pillow是Python里的图像处理库（PIL：Python Image Library），提供了了广泛的文件格式支持，强大的图像处理能力，主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

1）使用 Image 类

PIL最重要的类是 Image class, 你可以通过多种方法创建这个类的实例；你可以从文件加载图像，或者处理其他图像, 或者从 scratch 创建。

要从文件加载图像，可以使用open( )函数，在Image模块中：

>>> from PIL import Image

>>> im = Image.open("E:/photoshop/1.jpg")

加载成功后，将返回一个Image对象，可以通过使用示例属性查看文件内容：

>>> print(im.format, im.size, im.mode)

('JPEG', (600, 351), 'RGB')

>>>

format 这个属性标识了图像来源。如果图像不是从文件读取它的值就是None。size属性是一个二元tuple，包含width和height（宽度和高度，单位都是px）。 mode 属性定义了图像bands的数量和名称，以及像素类型和深度。常见的modes 有 “L” (luminance) 表示灰度图像, “RGB” 表示真彩色图像, and “CMYK” 表示出版图像。

如果文件打开错误，返回 IOError 错误。

只要你有了 Image 类的实例，你就可以通过类的方法处理图像。比如，下列方法可以显示图像：

im.show()

2）读写图像

PIL 模块支持大量图片格式。使用在 Image 模块的 open() 函数从磁盘读取文件。你不需要知道文件格式就能打开它，这个库能够根据文件内容自动确定文件格式。要保存文件，使用 Image 类的 save() 方法。保存文件的时候文件名变得重要了。除非你指定格式，否则这个库将会以文件名的扩展名作为格式保存。

加载文件，并转化为png格式：

"Python Image Library Test"

from PIL import Image

import os

import sys

for infile in sys.argv[1:]:

f,e = os.path.splitext(infile)

outfile = f +".png"

if infile != outfile:

try:

Image.open(infile).save(outfile)

except IOError:

print("Cannot convert", infile)

save() 方法的第二个参数可以指定文件格式。

3）创建缩略图

缩略图是网络开发或图像软件预览常用的一种基本技术，使用Python的Pillow图像库可以很方便的建立缩略图，如下：

# create thumbnail

size = (128,128)

for infile in glob.glob("E:/photoshop/*.jpg"):

f, ext = os.path.splitext(infile)

img = Image.open(infile)

img.thumbnail(size,Image.ANTIALIAS)

img.save(f+".thumbnail","JPEG")

上段代码对photoshop下的jpg图像文件全部创建缩略图，并保存，glob模块是一种智能化的文件名匹配技术，在批图像处理中经常会用到。

注意：Pillow库不会直接解码或者加载图像栅格数据。当你打开一个文件，只会读取文件头信息用来确定格式，颜色模式，大小等等，文件的剩余部分不会主动处理。这意味着打开一个图像文件的操作十分快速，跟图片大小和压缩方式无关。

4）图像的剪切、粘贴与合并操作

Image 类包含的方法允许你操作图像部分选区，PIL.Image.Image.crop 方法获取图像的一个子矩形选区，如：

# crop, paste and merge

im = Image.open("E:/photoshop/lena.jpg")

box = (100,100,300,300)

region = im.crop(box)

矩形选区有一个4元元组定义，分别表示左、上、右、下的坐标。这个库以左上角为坐标原点，单位是px，所以上诉代码复制了一个 200×200 pixels 的矩形选区。这个选区现在可以被处理并且粘贴到原图。

region = region.transpose(Image.ROTATE_180)

im.paste(region, box)

当你粘贴矩形选区的时候必须保证尺寸一致。此外，矩形选区不能在图像外。然而你不必保证矩形选区和原图的颜色模式一致，因为矩形选区会被自动转换颜色。

5）分离和合并颜色通道

对于多通道图像，有时候在处理时希望能够分别对每个通道处理，处理完成后重新合成多通道，在Pillow中，很简单，如下：

r,g,b = im.split()

im = Image.merge("RGB", (r,g,b))

对于split（）函数，如果是单通道的，则返回其本身，否则，返回各个通道。

6）几何变换

对图像进行几何变换是一种基本处理，在Pillow中包括resize( )和rotate( )，如用法如下：

out = im.resize((128,128))

out = im.rotate(45) # degree conter-clockwise

其中，resize( )函数的参数是一个新图像大小的元祖，而rotate( )则需要输入顺时针的旋转角度。在Pillow中，对于一些常见的旋转作了专门的定义：

out = im.transpose(Image.FLIP_LEFT_RIGHT)

out = im.transpose(Image.FLIP_TOP_BOTTOM)

out = im.transpose(Image.ROTATE_90)

out = im.transpose(Image.ROTATE_180)

out = im.transpose(Image.ROTATE_270)

7）颜色空间变换

在处理图像时，根据需要进行颜色空间的转换，如将彩色转换为灰度：

cmyk = im.convert("CMYK")

gray = im.convert("L")

8）图像滤波

图像滤波在ImageFilter 模块中，在该模块中，预先定义了很多增强滤波器，可以通过filter( )函数使用，预定义滤波器包括：

BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波，CONTOUR找轮廓，FIND_EDGES边缘检测，使用该模块时，需先导入，使用方法如下：

from PIL import ImageFilter

imgF = Image.open("E:/photoshop/lena.jpg")

outF = imgF.filter(ImageFilter.DETAIL)

conF = imgF.filter(ImageFilter.CONTOUR)

edgeF = imgF.filter(ImageFilter.FIND_EDGES)

imgF.show()

outF.show()

conF.show()

edgeF.show()

除此以外，ImageFilter模块还包括一些扩展性强的滤波器：

class PIL.ImageFilter.GaussianBlur(radius=2)

Gaussian blur filter.

参数

radius – Blur radius.

class PIL.ImageFilter.UnsharpMask(radius=2, percent=150, threshold=3)

Unsharp mask filter.

See Wikipedia’s entry on digital unsharp masking for an explanation of the parameters.

class PIL.ImageFilter.Kernel(size, kernel, scale=None, offset=0)

Create a convolution kernel. The current version only supports 3×3 and 5×5 integer and floating point kernels.

In the current version, kernels can only be applied to “L” and “RGB” images.

参数：

size – Kernel size, given as (width, height). In the current version, this must be (3,3) or (5,5).

kernel – A sequence containing kernel weights.

scale – Scale factor. If given, the result for each pixel is divided by this value. the default is the sum of the kernel weights.

offset – Offset. If given, this value is added to the result, after it has been divided by the scale factor.

class PIL.ImageFilter.RankFilter(size, rank)

Create a rank filter. The rank filter sorts all pixels in a window of the given size, and returns therank‘th value.

参数：

size – The kernel size, in pixels.

rank – What pixel value to pick. Use 0 for a min filter, size * size / 2 for a median filter, size * size - 1 for a max filter, etc.

class PIL.ImageFilter.MedianFilter(size=3)

Create a median filter. Picks the median pixel value in a window with the given size.

参数：

size – The kernel size, in pixels.

class PIL.ImageFilter.MinFilter(size=3)

Create a min filter. Picks the lowest pixel value in a window with the given size.

参数:

size – The kernel size, in pixels.

class PIL.ImageFilter.MaxFilter(size=3)

Create a max filter. Picks the largest pixel value in a window with the given size.

参数:

size – The kernel size, in pixels.

class PIL.ImageFilter.ModeFilter(size=3)

Create a mode filter. Picks the most frequent pixel value in a box with the given size. Pixel values that occur only once or twice are ignored; if no pixel value occurs more than twice, the original pixel value is preserved.参数:

size – The kernel size, in pixels.更多详细内容可以参考：PIL/ImageFilter

9）图像增强

图像增强也是图像预处理中的一个基本技术，Pillow中的图像增强函数主要在ImageEnhance模块下，通过该模块可以调节图像的颜色、对比度和饱和度和锐化等：

from PIL import ImageEnhance

imgE = Image.open("E:/photoshop/lena.jpg")

imgEH = ImageEnhance.Contrast(imgE)

imgEH.enhance(1.3).show("30% more contrast")

图像增强：

class PIL.ImageEnhance.Color(image)

Adjust image color balance.

This class can be used to adjust the colour balance of an image, in a manner similar to the controls on a colour TV set. An enhancement factor of 0.0 gives a black and white image. A factor of 1.0 gives the original image.

class PIL.ImageEnhance.Contrast(image)

Adjust image contrast.

This class can be used to control the contrast of an image, similar to the contrast control on a TV set. An enhancement factor of 0.0 gives a solid grey image. A factor of 1.0 gives the original image.

class PIL.ImageEnhance.Brightness(image)

Adjust image brightness.

This class can be used to control the brighntess of an image. An enhancement factor of 0.0 gives a black image. A factor of 1.0 gives the original image.

class PIL.ImageEnhance.Sharpness(image)

Adjust image sharpness.

This class can be used to adjust the sharpness of an image. An enhancement factor of 0.0 gives a blurred image, a factor of 1.0 gives the original image, and a factor of 2.0 gives a sharpened image.

图像增强的详细内容可以参考：PIL/ImageEnhance

除了以上介绍的内容外，Pillow还有很多强大的功能：

PIL.Image.alpha_composite(im1, im2)

PIL.Image.blend(im1, im2, alpha)

PIL.Image.composite(image1, image2, mask)

PIL.Image.eval(image, *args)

PIL.Image.fromarray(obj, mode=None)

PIL.Image.frombuffer(mode, size, data, decoder_name=’raw’, *args)

相关资料推荐 / Download 查看更多

人工智能工程师必备干货

发布时间： 2018 - 01 - 11

人工智能工程师必备干货如果要问当下互联网什么最热门？毫无疑问是人工智能。目前，世界上主要发达国家都已经将人工智能作为国家级发展战略。那么，踩在下一个时代的风口浪尖上，普通程序员如何向人工智能靠拢？为此特别推荐10款托管在码云上的人工智能开源软件，希望能够给大家带来一点点帮助和启发。当然，如果你很喜欢以下提到的项目，别忘了分享给其他人。1、项目名称：智能家居的架构项目简介：智能家居的概念(smart home , home auto)很早以前就有了，现在随着硬件成本的下降，及 google 收购 nest 等，智能家居热度升高。本智能家居的架构，包括服务器端，web 网页，android 手机客户端，各种测试脚本，基本上基础架构都已经实现，并可实际调试。由于精力有限智能控制部分还在合作开发中。2、项目名称：Living-Robot 开源机器人项目简介：当我们在网上搜索开源机器人时，我们发现都是部分功能的代码和 demo，我们不能找到一个完整的项目，直接下载到我们的树莓派上，上电，然后就可以动、可以玩了。rtp 已经做到这点了；事实上它已经可以动并说话了，它是基于 ros 的完整的机器人代码，找来1块树莓派，接上几个电机和喇叭，ok，它已经可以动、可以玩、可以愉快地添加自己的代码了；虽然粗糙但是基本满足这个需求了（子功能还需要各种完善）。什么是Living-Robot：想象一下当你养了一只兔子、或者一只蜥蜴作为宠物时，它们从来不会和你卖萌扮可爱，根本不会回答你任何或机智或愚蠢透顶的问题；但是我们还是养了这样的宠物；为什么？因为它是“活着的”的。 rtp 要人工创造这种 Living 的感觉，我们称之为“Living-Robot”。3、项目名称：深度学习人脸识别引擎 JAVA SDK项目简介：本项目是千搜科技第四代人脸识别引擎 java 接口...

运动控制卡连接伺服电机的一般步骤

发布时间： 2018 - 01 - 09

1、初始化参数　　在接线之前，先初始化参数。　　在控制卡上：选好控制方式；将PID参数清零；让控制卡上电时默认使能信号关闭；将此状态保存，确保控制卡再次上电时即为此状态。　　在伺服电机上：设置控制方式；设置使能由外部控制；编码器信号输出的齿轮比；设置控制信号与电机转速的比例关系。一般来说，建议使伺服工作中的最大设计转速对应9V的控制电压。　　2、接线　　将控制卡断电，连接控制卡与伺服之间的信号线。以下的线是必须要接的：控制卡的模拟量输出线、使能信号线、伺服输出的编码器信号线。复查接线没有错误后，电机和控制卡（以及PC）上电。此时电机应该不动，而且可以用外力轻松转动，如果不是这样，检查使能信号的设置与接线。用外力转动电机，检查控制卡是否可以正确检测到步进伺服电机位置的变化，否则检查编码器信号的接线和设置　　3、试方向　　对于一个闭环控制系统，如果反馈信号的方向不正确，后果肯定是灾难性的。通过控制卡打开伺服的使能信号。这是伺服应该以一个较低的速度转动，这就是传说中的“零漂”。　　一般控制卡上都会有抑制零漂的指令或参数。使用这个指令或参数，看电机的转速和方向是否可以通过这个指令（参数）控制。如果不能控制，检查模拟量接线及控制方式的参数设置。确认给出正数，电机正转，编码器计数增加；给出负数，电机反转转，编码器计数减小。如果电机带有负载，行程有限，不要采用这种方式。测试不要给过大的电压，建议在1V以下。如果方向不一致，可以修改控制卡或电机上的参数，使其一致。　　4、抑制零漂　　在闭环控制过程中，零漂的存在会对控制效果有一定的影响，最好将其抑制住。使用控制卡或伺服上抑制零漂的参数，仔细调整，使电机的转速趋近于零。由于零漂本身也有一定的随机性，所以，不必要求伺服电机转速绝对为零。　　5、建立闭环控制　　再次通过控制卡将伺服使能信号放开，在控制卡上输入一个较小的比例增益，至于多大算较小，这...

图像处理与机器视觉

发布时间： 2018 - 01 - 06

Python 图像处理库 Pillow 入门（含代码）

发布时间： 2018 - 01 - 05

当机器视觉遇到“人工智能-工业4.0”.....

发布时间： 2017 - 12 - 25

最新机器人视觉系统介绍，给机器人装上“眼睛”

发布时间： 2017 - 12 - 18

西门子PLC通讯方式你知道多少？

发布时间： 2017 - 12 - 12

西门子PLC通讯方式你知道多少？西门子作为最早进入中国市场的工控厂家，其市场占有率一直非常高。西门子PLC的品质非常好，其网络稳定性、开放性深受工控人员的喜爱，而且编程软件分类多，使用方便。在国内工控界具有显著地位。虽然大家对西门子PLC都有一定的了解，但要你说出西门子PLC各种通信方式的特点，相信很多人都不能完整答出。下面就是几种常见的西门子通信方式？一、PPI通讯PPI协议是S7-200CPU最基本的通信方式，通过原来自身的端口（PORT0或PORT1）就可以实现通信，是S7-200 CPU默认的通信方式。二、RS485串口通讯第三方设备大部分支持，西门子S7 PLC可以通过选择自由口通信模式控制串口通信。最简单的情况是只用发送指令（XMT）向打印机或者变频器等第三方设备发送信息。不管任何情况，都必须通过S7 PLC编写程序实现。当选择了自由口模式，用户可以通过发送指令（XMT）、接收指令（RCV）、发送中断、接收中断来控制通信口的操作。三、MPI通讯MPI通信是一种比较简单的通信方式，MPI网络通信的速率是19.2Kbit/s~12Mbit/s，MPI网络最多支持连接32个节点，最大通信距离为50M。通信距离远，还可以通过中继器扩展通信距离，但中继器也占用节点。MPI网络节点通常可以挂S7-200、人机介面、编程设备、智能型ET200S及RS485中继器等网络元器件。西门子PLC与PLC之间的MPI通信一般有3种通信方式：1、全局数据包通信方式2、无组态连接通信方式3、组态连接通信方式四、以太网通讯以太网的核心思想是使用共享的公共传输通道，这个思想早在1968年来源于厦威尔大学。 1972年，Metcalfe和David Boggs（两个都是著名网络专家）设置了一套网络，这套网络把不同的ALTO计算机连接在一起，同时还连...

盘点 | 机器人视觉工程师必须知道的工业相机相关问题

发布时间： 2017 - 12 - 11