課程目標(biāo)：
1、掌握機器視覺技術(shù)的基本原理以及數(shù)學(xué)方法；
2、掌握C#與Halcon相關(guān)的機器視覺算子的使用；
3、利用C#與Halcon能夠進行機器視覺應(yīng)用的開發(fā)
?
課程大綱：
|
時間
|
主題
|
內(nèi)容
|
|
第一天
|
上午
8:30-11:30
|
引言，圖像表達若干概念
|
引言
動機
計算機視覺為什么是困難的
圖像表達與圖像分析的任務(wù)
連續(xù)圖像函數(shù)
圖像數(shù)字化
采樣
量化
數(shù)字圖像性質(zhì)
數(shù)字圖像的度量和拓?fù)湫再|(zhì)
直方圖
熵
圖像的視覺感知
圖像中的噪聲
彩色圖像
色彩物理學(xué)
人所感知的色彩
彩色空間
調(diào)色板圖像
|
|
下午
13:30-16:30
|
圖像分析的數(shù)據(jù)結(jié)構(gòu),圖像預(yù)處理
|
圖像數(shù)據(jù)表示的層次
傳統(tǒng)圖像數(shù)據(jù)結(jié)構(gòu)
矩陣
鏈
拓?fù)鋽?shù)據(jù)結(jié)構(gòu)
關(guān)系結(jié)構(gòu)
分層數(shù)據(jù)結(jié)構(gòu)
金字塔
四叉樹
其他金字塔結(jié)構(gòu)
像素亮度變換
位置相關(guān)的亮度校正
灰度級變換
幾何變換
像素坐標(biāo)變換
亮度插值
局部預(yù)處理
圖像平滑
邊緣檢測算子
|
|
第二天
|
上午
8:30-11:30
|
圖像預(yù)處理,分割
?
?
|
二階導(dǎo)數(shù)過零點
圖像處理中的尺度
Canny邊緣提取
參數(shù)化邊緣模型
多光譜圖像中的邊緣
頻域的局部預(yù)處理
用局部預(yù)處理算子作線檢測
角點（興趣點）檢測
最大穩(wěn)定極值區(qū)域檢測
圖像復(fù)原
容易復(fù)原的退化
逆濾波
維納濾波
閾值化
閾值檢測方法
最優(yōu)閾值化
多光譜閾值化
基于邊緣的分割
邊緣圖像閾值化
邊緣松弛法
邊界跟蹤
作為圖搜索的邊緣跟蹤
作為動態(tài)規(guī)劃的邊緣跟蹤
Hough變換
使用邊界位置信息的邊界檢測
從邊界構(gòu)造區(qū)域
|
|
下午
13:30-16:30
|
分割
,形狀表示與描述
?
|
基于區(qū)域的分割
區(qū)域歸并
區(qū)域分裂
分裂與歸并
分水嶺分割
區(qū)域增長后處理
匹配
匹配標(biāo)準(zhǔn)
匹配的控制策略
分割的評測問題
監(jiān)督式評測
非監(jiān)督式評測
?
區(qū)域標(biāo)識
基于輪廓的形狀表示與描述
鏈碼
簡單幾何邊界表示
邊界的傅里葉變換
使用片段序列的邊界描述
B樣條表示
其他基于輪廓的形狀描述方法
形狀不變量
|
|
第三天：
|
上午
8:30-11:30
|
形狀表示與描述,物體識別
?
|
基于區(qū)域的形狀表示與描述
簡單的標(biāo)量區(qū)域描述
矩
凸包
基于區(qū)域骨架的圖表示
區(qū)域分解
區(qū)域鄰近圖
形狀類別
知識表示
統(tǒng)計模式識別
分類原理
分類器設(shè)置
分類器學(xué)習(xí)
支持向量機
聚類分析
神經(jīng)元網(wǎng)絡(luò)
前饋網(wǎng)絡(luò)
非監(jiān)督學(xué)習(xí)
神經(jīng)元網(wǎng)絡(luò)
|
|
下午
13:30-16:30
|
物體識別，圖像理解
|
物體識別
句法模式識別
語法與語言
句法分析與句法分類器
句法分類器學(xué)習(xí)與語法推導(dǎo)
作為圖匹配的識別
圖和子圖的同構(gòu)
圖的相似度
識別中的優(yōu)化技術(shù)
遺傳算法
模擬退火
模糊系統(tǒng)
模糊集和模糊隸屬函數(shù)
模糊集運算
模糊推理
模糊系統(tǒng)設(shè)計與訓(xùn)練
模式識別中的Boosting方法
圖像理解控制策略
并行和串行處理控制
分層控制
自底向上的控制
基于模型的控制
混合的控制策略
非分層控制
通過隨機抽樣一致來擬合
點分布模型
活動表觀模型
圖像理解中的模式識別方法
基于分類的分割
上下文圖像分類
|
|
第四天：
|
上午
8:30-11:30
|
圖像識別
|
層疊分類器用于快速物體檢測
場景標(biāo)注和約束傳播
離散松弛法
概率松弛法
搜索解釋樹
語義圖像分割和理解
語義區(qū)域增長
遺傳圖像解釋
隱馬爾可夫模型
應(yīng)用
耦合的HMM
貝葉斯信念網(wǎng)絡(luò)
高斯混合模型和期望最大化
|
|
下午
13:30-16:30
|
圖像形態(tài)學(xué)
|
形態(tài)學(xué)四原則
二值膨脹和腐蝕
膨脹
腐蝕
擊中擊不中變換
開運算和閉運算
灰度級膨脹和腐蝕
頂面、本影、灰度級膨脹和腐蝕
本影同胚定理和膨脹、腐蝕及開、閉運算的性質(zhì)
頂帽變換
骨架和物體標(biāo)記
同倫變換
骨架和最大球
細(xì)化、粗化和同倫骨架
熄滅函數(shù)和最終腐蝕
最終腐蝕和距離函數(shù)
測地變換
形態(tài)學(xué)重構(gòu)
粒度測定法
形態(tài)學(xué)分割與分水嶺
粒子分割、標(biāo)記和分水嶺
二值形態(tài)學(xué)分割
灰度級分割和分水嶺
|
|
第五天：
|
上午
8:30-11:30
|
3D視覺和幾何
|
視覺任務(wù)
Marr理論
其他視覺范疇：主動和有目的的視覺
射影幾何學(xué)基礎(chǔ)
射影空間中的點和超平面
單應(yīng)性
根據(jù)對應(yīng)點估計單應(yīng)性
單透視攝像機
攝像機模型
齊次坐標(biāo)系中的投影和反投影
從已知場景標(biāo)定一個攝像機
從多視圖重建場景
三角測量
射影重建
匹配約束
光束平差法
升級射影重建和自標(biāo)定
|
|
下午
13:30-16:30
|
3D視覺和幾何
|
雙攝像機和立體感知
極線幾何學(xué)——基本矩陣
攝像機的相對運動——本質(zhì)矩陣
分解基本矩陣到攝像機矩陣
從對應(yīng)點估計基本矩陣
雙攝像機矯正結(jié)構(gòu)
矯正計算
三攝像機和三視張量
立體對應(yīng)點算法
距離圖像的主動獲取
由輻射測量到3D信息
由陰影到形狀
光度測量立體視覺
|
|
第六天：
|
上午
8:30-11:30
|
實驗1-2
|
1.一維測量二維測量原理、測量矩形、測量弧形原理以及案例套路解析、測量助手的使用，包括測量矩形、弧形的數(shù)學(xué)投影原理本質(zhì)以及實戰(zhàn)
2.連接相機進行一維二維工件實際尺寸測量實戰(zhàn)（工件在正交平面與非正交平面任意姿態(tài)都可以）
|
|
下午
13:30-16:30
|
實驗3-4
|
3.單相機標(biāo)定原理以及采用標(biāo)定助手進行標(biāo)定實戰(zhàn)
單相機標(biāo)定進行畸變矯正和實際尺寸測量以及同心度測量，包括畸變理想?yún)?shù)求解的原理，adaptive、fixed的區(qū)別等。只靠單相機進行標(biāo)定并且測量物料實際高度，玩轉(zhuǎn)姿態(tài)變換
4.邊緣檢測原理（一階二階導(dǎo)數(shù)詳細(xì)推導(dǎo)包括離散卷積核等）以及實戰(zhàn)解析，包括卷積的詳細(xì)推導(dǎo)以及實戰(zhàn)、圖像濾波的本質(zhì)，離散卷積與邊緣檢測的關(guān)系與推導(dǎo)實戰(zhàn)，包括空間卷積與頻域的關(guān)系）
|
|
第七天：
|
上午
8:30-11:30
|
實驗5-6
|
5.擬合原理以及擬合直線、圓、橢圓、矩形的項目實戰(zhàn)，包括擬合的本質(zhì)，最小二乘、離群值的剪切、XLD亞像素的本質(zhì)與屬性、中心XLD線提取等）
6.工業(yè)缺陷需求的種類（如劃痕、瑕疵、探傷、缺損、凸凹等細(xì)小缺陷、印刷字符缺陷檢測、邊緣凹陷、藥品缺陷缺少、物料正反錯、物料劃痕探傷、液晶屏缺陷、貼片電阻缺陷檢測等）以及常規(guī)六大金剛處理算法
|
|
下午
13:30-16:30
|
實驗7-8
|
7.Blob分析+定位+特征檢測缺陷實戰(zhàn)
8.差分+特征+定位檢測缺陷實戰(zhàn)
|
|
第八天：
|
上午
8:30-11:30
|
實驗9-10
|
頻域+空間域檢測缺陷實戰(zhàn)（包括頻域濾波的技巧、歸一化、濾波器、熵、能量等）
測量擬合缺陷實戰(zhàn)
|
|
下午
13:30-16:30
|
實驗11
|
11.機器學(xué)習(xí)檢測缺陷（深度學(xué)習(xí)、mlp、svm、貝葉斯、隨機森林、gmm等分類器）
|
?
以上課程可以根據(jù)客戶實際情況進行靈活調(diào)整。
