机器视觉

Version: 1.0

---

本教程主要是学习如何使用机器视觉完成图像处理，并最终能通过视觉知识完成大小识别，距离识别，垃圾分类和巡线。 教程分为十个部分教学从浅入深的方式，先从环境搭建学起，学会显示图像，绘图，掩膜处理，识别颜色等等逐步学习视觉基础知识，最后完成项目。

• 第一章环境搭建
  • 1.1 简介
    • 1.1.1 图像处理
    • 1.1.2 什么是机器视觉
    • 1.1.3 OpenCV
  • 1.2 视觉环境搭建
    • 1.2.1 安装Anaconda
    • 1.2.2 配置环境
    • 1.2.3 安装OpenCV
    • 1.2.4 安装numpy库
    • 1.2.5 安装imutils
    • 1.2.6 安装 Matplotlib
  • 1.3 安装深度学习环境
    • 1.3.1 Ubuntu16.04 Cuda9.0 安装
      • 1.3.1.1 安装依赖包
      • 1.3.1.2 第二步配置文件
      • 1.3.1.3 安装cuda
      • 1.3.1.4 检查是否安装成功
    • 1.3.2 安装cudnn
    • 1.3.3 安装TensorFlow
  • 1.4 安装开发工具
    • 1.4.1 安装RoboWare
    • 1.4.2 安装PyCharm
• 第二章初识机器视觉
  • 2.1 简介
  • 2.2 知识点
    • 2.2.1 像素
    • 2.2.2 坐标系
  • 2.3 图片的显示
    • 关键方法介绍
  • 2.4 像素的操作
  • 2.5 绘图
    • 关键方法介绍
  • 2.6 驱动摄像头
    • 关键方法介绍
  • 2.7 Numpy库的使用
    • 关键方法介绍
  • 2.8 挑战任务
• 第三章图像处理
  • 3.1 简介
  • 3.2 知识点
    • 3.2.1 仿射变换
    • 3.2.2 算术运算
  • 3.3 图像的平移
    • 关键方法1介绍
    • 关键方法2介绍
  • 3.4 图像的旋转
    • 关键方法介绍
  • 3.5 图像的缩放
    • 关键方法介绍
  • 3.6 图像的翻转
    • 关键方法介绍
  • 3.7 图像的位运算
    • 关键方法介绍
  • 3.8 图像的掩膜
  • 3.9 挑战任务
• 第四章颜色识别
  • 4.1 简介
  • 4.2 知识点
    • 4.2.1 颜色空间
  • 4.3 颜色空间转换
    • 关键方法介绍
  • 4.4 红色识别
    • 关键方法介绍
  • 4.5 肤色识别
• 第五章形状识别
  • 5.1 简介
  • 5.2 知识点
    • 5.2.1 图像平滑处理
    • 5.2.2 边缘检测
    • 5.2.3 霍夫变换
  • 5.3 平滑处理
    • 关键方法介绍
  • 5.4 Canny边缘检测
    • 关键方法介绍
  • 5.5 霍夫变换
    • 关键方法介绍
  • 5.6 霍夫变换 直线检测优化
    • 关键方法介绍
  • 5.7 霍夫变换 圆检测
    • 关键方法介绍
  • 5.8 挑战任务

说明: 本文自 [YangSheng], 托管于Github.