labview图像采集

应用背景帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。关键技术 可以看出其“双影”和”空洞”比较明显。双影是由于帧差法有2个影子，在该试验中就是轮廓变得很粗，”空洞”是由于物体内部颜色相近，检测不出来。当然帧差法还有个致命的缺点那就是阈值T需要人工设定。 　　对于帧差法的”双影”现象，有人提出来了三帧差法。其原理如下所示： 　　1. 由i(t)-i(t-1)得到前景图     F1 　　2. 由i(t+1)-i(t)得到前景图    F2 　　3.  F1 ∩ F2得到前景图     F3 　　4.  形态学处理 也就是利用2次相邻帧的差，然后去与操作，就得到了真正的那个影子了。这个在一定程度上可以解决”

图像LBP特征提取，适合初学者用来提取图像的local binary pattern特征，较详细的代码，可用于特征检测，目标识别，人脸识别等应用中

资源描述椭圆拟合（高斯分解和奇异值分解（很准确）两种）

提供了一种提取不规则区域的图像，基于 opencv2.4.0，vs2010 的方法。

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

lBP纹理提取纹理源码，使用c++编程，局部二元模式方法提取目标的纹理特征，是经典的局部纹理特征提取方法。

在加工每一针前根据设定轨迹、运动参数、物料材质、当前加工位置等先用BP神经网络得到加工点粗略的变形量,对加工轨迹进行预补偿。加工时动态采集加工点的局部图像,经数字图像处理得到加工点实际坐标与设定坐标的偏差值,一方面将所得值作为神经网络的输出样本,结合相关参数对神经网络进行在线培训,另一方面将此偏差值与加工点设定坐标之和(即加工点实际坐标)用神经网络的输出进行预补偿,求出其与针头实际位置的差值作为PID控制器的输入,从而提高控制系统的动态特性,实现快速精确绗缝的自动化加工。

SIFT算法是稳定快速的特征提取算法，它除了具有稳定性外，最突出的优点是算法速度快，实时性较强。

该程序提出了金字塔算法实现的古典 Lucas 沓。Lucas 沓的光流计算迭代执行提供足够的地方跟踪精度。

EMGU CV是OPEN CV的封装，C#能通过这些封装使用OPEN CV的函数、结构体完成对图像的处理，这段代码只是初步完成vs 2010里面对emgu cv的调用。开发环境vs2010.