预约试听:15323438773
  


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...
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...
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...
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...
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...
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
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...
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...
发布时间: 2017 - 11 - 20
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...
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;  ...
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。...
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...
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...
发布时间: 2017 - 06 - 06
机器视觉基础及硬件选型.pdf

图像处理与机器视觉

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(•)为映射函数,通过映射函数T(•),将原始图像f(x,y)中的灰度r映射成增强图像g(x,y)中的灰度s,使得图像灰度的动态范围得以扩展或压缩,用以改善对比度。灰度变换是图像对比度增强的一个有效手段,它与图像的像素位置及被处理像素的邻域灰度无关。灰度变换处理的关键在于设计一个合适的映射函数(曲线)。映射函数的设计有两类方法,一类是根据图像特点和处理工作需求,人为设计映射函数,试探其处理效果;另一类设计方法是从改变图像整体的灰度分布出发,设计一种映射函数,使变换后图像灰度直方图达到或接近预定的形状。映射变换的类型取决于所需增强特性的选择。常用的灰度变换有如下几种:线性变换,分段线性变换和非线性变换。
  2.2直方图修正
  直方图修正是以概率论为基础演绎出来的对图像灰度进行变换的又一种对比度增强处理。图像f(x,y)中的某一灰度fi的像素数目ni所占总像素数目N的份额ni/N,称为该灰度像素在该图中出现的概率密度pi(fi). 常用的直方图修正有如下几种:直方图均衡化和直方图规定化。
  2.3噪声清除
  图像在处理过程中可能会受到多种噪声的干扰,如传感器噪声、相片颗粒噪声和信道传输误差噪声等。通常情况下,这些噪声在图像上表现为孤立像素的离散变化,在空间上是不相关的。去除噪声的方法很多,从大的方面来说有统计滤波、频域滤波和空域处理等,但它们各有千秋。前二者运算量大,比较复杂,精度较高;后者运算简便,但精度较低。目前比较经典的去噪声方法有邻域平均法、空域低通滤波和中值滤波等,但他们都或多或少给图像带来模糊。
  2.3.1邻域平均法
  邻域平均法的原理是,对于一幅给定图像f(x,y),其像素大小为的N×N,取围绕点(x,y)的预设邻域内的几个像素点(不含点(x,y))的灰度平均值作为增强图像中该点的灰度,然后依次对N×N个像素点做上述相似处理,由此构成新的图像g(x,y)。邻域平均法虽然简单易行,抑制噪声的效果也较为明显,但存在着边缘模糊的效应。随着邻域的增大,抑制噪声效果和边缘模糊效应同时增加。为了减轻边缘模糊效,可利用设定阈值的邻域平均。
  2.3.2空域低通滤波
  在一幅图像的灰度级中,边缘和其他尖锐的跳跃(例如噪声)对Fourier变换的高频分量有很大的贡献。因此,通过一个适当的低通滤波器将一定范围的高频分量加以衰减,可以起到较好的去噪声效果。设f(x,y)为带有噪声的原始图像(大小N×N),g(x,y)为经滤波后的输出图像(大小M×M),h(x,y)为滤波系统的脉冲响应函数(大小L×L),则存在,
g(x,y)=f(x,y)*h(x,y)
式中,符号*代表卷积运算符。
  显然,简单形式的滤波器矩阵的卷积滤波也会给图像带来一定的模糊。
  2.3.3中值滤波
  中值滤波是一种优于邻域平均的去噪声方法,它不仅能像邻域平均一样可以抑制噪声,而且还可以使边缘模糊效应大大降低。二维窗口的形状可以有方形、矩形和十字形等,但不管哪种形状,随窗口的增大有效信号的损失也将明显增加。另外,随着窗口的移动,一个像素要参与重复计算多次,处理时间变长,且窗口越大,处理时间愈长。因此窗口大小的选择以能兼顾两者为佳。
  2.4图像锐化
  图像锐化就是为了使图像的边缘更为鲜明,心理物理学实验表明,边缘加重的图像比精确光度复制的图像更令人满意,更能让人容易接受。图像锐化即边缘增强处理,可以有多种方法,如统计差值法、离散空间差分法及空域高通滤波等。在图像增强的实际应用中,往往是各种方法相结合,充分发挥自各优势组合运用,这样会产生更好的增强效果。
  2.5频域滤波增强
  在实际应用当中,频域滤波增强往往比空域滤波方法简单。空域滤波都是基于卷积运算
  g(x,y)=f(x,y)*h(x,y)
  其中,f(x,y)为原始图像函数,h(x,y)为滤波器脉冲响应函数,视低通或高通滤波的需要而定,g(x,y)为空域滤波的输出图像。由卷积定理可知,上式的Fourier变换式为:
  G(u,v)=F(u,v)?H(u,v)
  式中,G(u,v)、F(u,v)和H(u,v)分别为g(x,y),f(x,y)和h(x,y)的Fourier变换,即相应的频谱。该式为频域滤波的基本运算式,H(u,v)称为滤波系统的传递函数。根据具体的增强要求设计适当的H(u,v),再与F(u,v)作乘法运算,可获得频谱改善的G(u,v),从而实现低通、高通和带通等不同形式的滤波,然后再求G(u,v)的逆Fourier变换,便可获得频域滤波增强的图像g(x,y)。因此,频域滤波的关键H(u,v)的设计。
  众所周知,图像的频谱由幅值和相位两部分构成。根据图像的频谱分析可知,图像频谱的相位也是非常重要的。对相位参数的修改将会导致结果图像很大的变化,与原始图像相比,有时候甚至可能会面目全非。但是如果设计一个不带相位的实常数H(u,v)(零相位滤波器),则可在增强运算中发挥重要作用。凡是要保留的频率分量,令H(u,v)=k(k为常数且k≥1);凡是要抑制或衰减的频率分量,令H(u,v)=ω(ω为常数且0≤ω≤1)。
  2.5.1频域低通滤波
  低通滤波器的功能是让低频率通过而滤掉或衰减高频,其作用是过滤掉包含在高频中的噪声。所以低通滤波的效果是图像的去噪声平滑增强,但同时也抑制了图像的边界,造成图像不同程度上的模糊。应当指出的是,对于理想低通滤波器,其截至频率D0的大小决定了滤波后所保存的能量的多少。D0越小,通过的能量越少,平滑所带来的模糊越严重。合理的选取D0是低通滤波平滑效果的关键。
  2.5.2频域高通滤波
  衰减或抑制低频分量,让高频分量通过称为高通滤波,其作用是使图像得到锐化处理,突出图像的边界。经理想高频滤波后的图像把信息丰富的低频去掉了,丢失了许多必要的信息。一般情况下,高通滤波对噪声没有任何抑制作用,若简单的使用高通滤波,图像质量可能由于噪声严重而难以达到满意的改善效果。为了既加强图像的细节又抑制噪声,可采用高频加强滤波。这种滤波器实际上是由一个高通滤波器和一个全通滤波器构成的,这样便能在高通滤波的基础上保留低频信息。
  2.6同态滤波
  一幅图像f(x,y)不仅可以用像素阵列来表征,而且还可以用它的照明分量和反射分量来表示,其数学模型为
  f(x,y)=i(x,y)*r(x,y) 

  2.7彩色增强
  彩色增强处理一般分为伪彩色(Pseudo-color)增强处理和假彩色(False color)增强处理。
  2.7.1伪彩色增强
  在记录和显示图像时,根据黑白图像各像素灰度大小,按一定的规则赋给它们不同的彩色,就将黑白图像变成了彩色图像,这种由灰度到彩色的映射称为伪彩色处理。其目的是利用人眼对彩色的敏感性,增强观测者对目标物的检测性,提高人对图像的分辨能力。
这种映射实际上是输入和输出图像对应像素间的一对一映射变换,不涉及像素空间位置的改变。变换后所获得的伪彩色图像的颜色与原始物体的颜色不存在一致关系。由色度学原理可知,各种彩色均可由红、绿、蓝这三种基色按适当的比例合成。伪彩色处理就是使图像灰度映射到三维色度空间,用三基色的某种合成色彩来表示某一灰度。
  为此,对原始图像f(x,y)的像素,按某一给定的函数逐点进行三个独立的映射变换,得到相应的三基色分量R(x,y)、G(x,y)、B(x,y)(分别表示红、绿、蓝分量)这样就完成了灰度到彩色的映射变换。
  2.7.2假彩色增强
  假彩色增强处理是从彩色到彩色的映射,是将一幅真实自然的彩色图像或遥感多光谱图像逐点映射到三基色所确定的三维色度空间,然后加以合成形成新的色彩,使目标物体在重新显示后呈现出不同于原始的自然本色。
  通过假彩色处理可以达到如下的增强效果:
  (1)增强图像比原始图像的自然色彩更加引人注目。
  (2)根据人眼的生理特点,可将感兴趣而又不易分辨的细节赋上人眼较为敏感的颜色。如人眼对绿色亮度的响应最为敏捷,对蓝色的对比度响应最为敏感,因此可把目标物体的细小部分变成绿色,把细节较丰富的部分赋上深浅不一的蓝色。
  (3)将多光谱图像合成彩色图像,不仅看起来自然、逼真,而且可从合成图像中获得各波段的综合信息。
  2.8本章小结
  对于几种常用的图像增强处理方法: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,本章做了简要地介绍,并阐明了各自的增强原理。由于对图像质量的要求越来越高,单一的增强处理往往难以达到令人满意的效果。因此,在图像的实际增强处理中,常常是几种方法组合运用,各取所长以达到最佳的增强效果。

  第三章 基于模糊集理论的图像增强算法
  模糊集理论能够在图像处理领域找到自己的应用场合和对像,并表现出优于传统方法的处理效果,归根结底其原因主要在于:图像所具有的不确定性往往呈现出模糊性。自八十年代初人们开始对基于模糊理论的图像增强研究以来,它在图像的边缘增强及检测方面取得了显著的效果,如Pal和King提出的模糊边缘算法就能有效的将物体从背景中分离出来,并在模式识别和医学图像处理中获得了广泛的应用。
  3.1模糊集理论基础
  1965年著名控制论学者L.A.Zadeh首次提出了一种完全不同于传统数学控制理论的模糊集合论,从此,模糊理论便得到了迅速的发展并表现出强劲的生命力和令人鼓舞的应用前景。模糊理论之所以能在信息时代获得如此迅速的发展,其主要原因在于它提供了一种新的富有魅力的数学工具与手段,并表现出如下诸多优点:
  其一,模糊理论给出了一套表现自然语义的理论和方法,使自然语言能够转化成机器可以“理解”和“接受”的东西,提高了机器的灵活性。
  其二,模糊理论给出了模糊逻辑和近似推理的理论和方法,用简洁的软、硬件可以使机器更聪明,智能化程度更高。
  其三,模糊理论比一般数学理论应用面更广,除了在科学技术和经济发展的各种应用领域中,如气像预报、医疗诊断、人工智能、模式识别、自动控制、信息处理等,在农业、林业、地质、地震、测绘、心理、冶金、采矿和管理科学等方面也取得了可喜的成果。
概率论与统计学的产生,将数学的应用范围扩大到了随机现像领域中,而模糊理论的产生则把数学的应用范围扩大到了模糊现像领域中。
  3.2模糊特征隶属函数
  若以像素的相对灰度等级作为感兴趣的模糊特征,模糊隶属函数的定义方式很多,但在实际问题中,最常用的隶属函数形式是所谓标准的S型函数和π型函数。其中,S型函数是一种从0到1的单调增长函数;π型函数是指“中间高两边低”的函数,它也可以用S型函数来定义。从图像处理的角度来看,转化成模糊域的灰度值是从低到高的连续过程,而且S型函数符合边缘的过渡变化过程,所以以S型函数作为模糊函数的基本变换形式比较合理。
  3.3本章小结
  本章在简要、系统地介绍了模糊理论的基础上,以图像模糊增强的边缘提取为例对几幅图像实施了模糊增强,效果显著,其算法可归纳成如下三部分:
  (1)首先,对原始图像进行模糊特征提取,得到图像的模糊特征平面。
  (2)然后,在模糊特征平面上对模糊特征进行增强变换,求得增强的模糊特征。
  (3)最后,在新的模糊特征平面上进行逆变换,得出相应的增强图像。在模糊增强处理过程中,合理选择模糊参数是保证增强效果的一个重要环节。

  第四章 基于小波变换的图像增强算法
  小波变换因其所具有良好的时频局部化能力和多分辨率分析能力,使其在数字图像处理的应用中占有举足轻重的地位。目前,小波变换已经广泛应用于图像纹理分析、图像编码、计算机视觉、模式识别、语音识别等科技领域。
  4.1小波变换理论基础
  为了分析和处理非平稳信号,人们对Fourier分析进行推广和变革,提出并发展了一些新的信号分析理论和变换技术。这些新技术是专门面针对图像压缩、边缘检测、特征提取及纹理分析的,它包括多分辨率分析、时频域分析、金字塔算法和小波变换等。 
  小波变换最早是由法国地球物理学家Morlet于二十世纪八十年代初在分析地球物理信号时,作为一种信号分析的数学工具而被提出来的,到了八十年代中后期获得了较快发展,目前已成为一个重要的数学分支。小波分析对传统傅立叶分析做出了里程碑式的进展,是调和这一数学领域半个世纪以来的工作结晶,是目前在许多学科和工程技术中的一个非常广泛的课题。它可以作为表示函数的一种新基底或作为时频分析的一种新技术,是多方面有力的分析工具,已经广泛的应用于信号和图像处理、地质勘探、语音识别与合成、雷达、CT成像、天体识别、机器视觉、机械故障诊断与监控、分形以及数字电视等领域。
  小波分析通过伸缩、平移运算,对信号(函数)逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分。它能自动适应时频信号分析的要求,从而可聚焦到信号的任意细节,被誉为“数学显微镜”。此外,它还成功解决了Fourier变换不能解决的许多难题,成为继Fourier变换以来在科学方法上的一个重大突破。
  4.2多分辨率分析
  1988年,Mallat在构造正交小波时,提出了多分辨率分析的概念。多分辨率分析(Multi-resolution Analysis)也叫多尺度分析(Multi-scale Analysis)或多分辨率逼近(Multi-resolution Approximation)。这一概念的提出是小波分析理论的一大突破,它揭示了函数的自相似性以及小波分析与分形几何(Fractal Geometry)的内在联系。它从空间的概念上形像地说明了小波的多分辨率特性,不仅把以前的各种正交小波基的构造方法巧妙地统一起来,而且还给出了构造其他小波基的方法。
  多分辨率表示法为图像信息的解释提供了一种简单的理论框架。对于多分辨率分析的理解,始终应把握一个要点:分解的最终目的是力求构造一个在频率上高度逼近L2 (R)空间的正交小波基(或正交小波包基),这些频率分辨率不同的正交小波基相当于带宽各异的带通滤波器。另外,多分辨率分析只对低频空间作进一步分解,使频率的分辨率变得越来越高。多分辨率分析只是对低频部分进行逐步分解,而高频部分则不予考虑。
  4.3基于小波变换的图像增强原理
  小波变换的基本理念是用一族函数去表示或逼近某一信号。这一族函数称为小波函数系,它是通过一小波母函数的伸缩和平移产生其“子波”来构成的,并用其变换系数描述原来的信号。可先充分利用小波分解,将原始图像中高频分量和低频分量进行不同程度的分离,然后采用不同的方法来增强不同频率范围内图像的细节分量,突出不同尺度的细节,从而达到改善图像的视觉效果。在实际应用中,可以根据噪声水平和感兴趣的细节所处的尺度,选用不同的阈值和增强系数对分解后的图像进行重构。
  4.4小波基的选择
  任何基于小波变换的处理方法都会涉及到小波基的合理选取问题。小波基的选取原则大多是尽可能用较少的非零小波系数去有效逼近某一特定的函数。故小波的设计必须加以优化以产生更多的接近零的小波系数。与图像压缩和降噪中小波基的选取不同,图像增强小波基的选取需要满足以下两条性质。
  (1)平移不变性,避免产生假像。在某些图像处理如模式识别中,构造平移不变的信号表示是非常重要的。当模式被平移后,它的数值表示算子应当是被平移,而不是被改变。事实上,如果它的表示依赖于其位置,那么模式搜索将特别困难。连续小波变换和窗口傅里叶变换可提供平移不变表示,但对平移参数均匀采样将破坏这种平移不变性。离散小波变换不具备对信号的平移不变性,原始信号和在时间上经过一定平移后的信号分别经过离散小波变换后所得到的分解系数将会发生很大的变化。正如连续小波变换和二进小波变换一样,为了确保小波变换的平移不变性,就必须在变换系数中引入一定的冗余。冗余小波变换是目前增强算法中使用最多的小波变换。
  (2)避免边界效应。选择冗余双正交小波,它具有移不变特性,且能够避免假像的出现;同时可利用折叠的方法满足对称特性,以解决边界上产生较大的小波系数的问题。
  4.5基于小波变换的图像增强算法
  为了同时增强图像的全局特征,提出了基于小波变换的多尺度增强算法。多尺度表示按尺度  s和方向k将图像的频谱分为低通子带图像和一系列带通图像,而不同频带的空间和频率分辨率正比于1s和s。通过选择合适的尺度s,可以在空间域更好的放大和分析图像细节。
  Laine等利用上述增强方法,对小波系数采用线性或非线性映射函数来增强乳腺X射线图像,达到了改善对比度,增强图像细节的目的。Lu和Helly等[51]则利用Mallat的多尺度边缘表征来突出增强医学图像的边缘信息,同时抑制了噪声。Brown更进一步研究了一般小波变换情况下如何自适应的选择映射函数用以抑制噪声。这些算法归纳起来分为以下四种:
  (1)小波变换高频增强法,这是一种补偿图像轮廓的处理方法。因为图像的轮廓是灰度陡然变化的部分,包含着丰富的空间高频分量。把高频分量相对突出,显然可使图像轮廓加强,看起来比较清晰。采用这种方法后,由于相对增强了高频成分或削弱了低频成分,因而所得图像往往偏亮或偏暗,对比度差。所以常常要在反变换后再进行对比度增强处理,这样才能得到更好的增强效果。
  (2)小波变换的反锐化掩模法。相对增强高频成分的方法,在空间域有一种称之为反锐化掩模的技术,它在摄影技术中广为采用,以增强图像的轮廓。光学上的操作方法是将聚焦的正像和散焦的负像在底板上叠加。散焦的负像就好比“模糊”掩模,它与“锐化”正好相反,因此被命名为反锐化掩模法。它和传统的方法相比有着明显的优越性。首先,小波变换使原图中不同分辨率的细节特征随尺度的不同而分离开来,避免了不断调整滤波器窗口大小来选择增强效果的繁琐工作;其次,由于是对不同尺度下的小波分量分别进行了增强,原图像中不论较粗还是较细的轮廓都能够同时得到加强。
  (3)小波变换的自适应滤波,这是一种图像平滑算法。它是利用小波分解后相邻尺间小波系数的相关性来区分边缘和噪声,在滤除噪声的同时可以很好地保护图像边缘,并且几乎不产生“粘连”、“振铃”等负效应。
  (4)方向性滤波。由于小波分解后产生的小波分量具有明显的方向性,利用传统的中值滤波思想,可获得新的去噪算法。这种方法不仅克服了普通中值滤波存在的不足,而且能够有效地抑制噪声,同时还能够保留绝大部分边缘信息,特别适宜以平滑线条为主要结构的图像。
  4.7本章小结
  本章在简要地介绍了小波变换理论和多分辨率分析的基础上,着重阐述了基于小波变换图像增强的原理及其增强算法,并以小波变换的反锐化掩模算法为例,对一幅乳腺X射线照片实施了增强处理,其增强效果显著。由于小波变换具有良好的时域和频域局部化特性,以及能与多尺度表示相结合,使得基于它的图像增强非常适合人眼对图像的感知特性,非常适合人们对图像各个尺度(分辨率)下细节的分析,其增强效果一般要优于传统的图像增强算法。

  第五章 基于神经网络的图像增强算法
  在数字图像处理中,由于图像信息本身的复杂性和它们之间存在较强的相关性,在处理过程中的各个不同层次上可能出现不完整性和不精确性、非结构化问题以及建模困难等,将智能信息处理的方法应用于图像的处理和理解,在一些场合具有比传统的计算方法更好的效果。近年来,模糊集理论、进化计算、人工神经网络以及它们相互结合的方法在图像处理领域得到了广泛的应用。
  5.1神经网络与图像处理
  随着科学技术,特别是信息技术的发展,图像处理己经成为科学研究不可缺少的强有力工具,传统的图像处理方法已无法满足日益增长的应用需要。于是人们开始探索各种新的更有效的方法,在此过程中,将人工神经网络应用于图像处理便脱颖而出。最初,人工神经网络只是作为模式识别分类器和聚类技术在图像处理领域中得到应用。随着研究的进一步深入,神经网络的特点得到了充分的认识,使它在图像处理的各个领域都得到了充分的应用,如印刷体和手写字符识别、语音识别、指纹,人脸识别、图像增强、复原、压缩等。
人工神经网络算法比起传统的算法表现出了很大的优越性,主要表现在:
  1)高度并行处理能力,处理的速度远远高于传统的序列处理算法。
  2)具有自适应功能,能够根据学习提供的数据样本找出并输出数据的内在联系。
  3)非线性映射功能,图像处理很多问题是非线性问题,神经网络为处理这些问题提供了有用的工具。
  4)具有泛化功能,能够处理带有噪声或不完全的数据。
  5.2神经网络的常用类型
  人工神经网络(Artificial Neural Network,简称ANN)是由大规模神经元互联组成的高度非线性动力学系统,是在对人脑组织结构和运行机制认识、理解的基础上模拟其结构和智能行为的一种工程系统。在图像处理中常用的神经网络模型有如下几种:
  1)BP(Back Propagation)网络
  BP神经网络是一种采用反向传播算法的多层前馈网络,能够逼近任意的非线性映射关系,而且有很好的泛化功能。在图像处理领域中,作为一种非自适应的神经网络而广泛应用。
  2)Hopfield神经网络
  Hopfield神经网络是一种动态网络,该网络主要用于联想记忆和优化计算。如果我们能把某个有待研究解决的问题转化成一个Hopfield计算能量函数,且使这个计算能量函数的最小极值正好对应于一定约束条件下的问题解答时,那么这个问题就可以利用Hopfield网络来求解了。Hopfield网络在图像边缘检测、图像模式匹配和识别等图像处理方面应用比较多。
  3)自组织网络
  自组织网络是一种非监督型学习神经网络,这种网络的学习目的是从一组数据中提取感兴趣的特征或某种内在的规律性(分布特征或按某种目的聚类)。自组织性神经网络根据学习算法的不同可以分为两类:
  (a)主元分析神经网络(Principle Components Analysis Neural Network,简称PCA神经网络),这类网络能够抽取输入矢量的主特征矢量,并使输入数据和输出数据在均方差意义下为最优,主要用于图像压缩和特征提取。
  (b)基于kohonen的自组织特征映射算法的神经网络(Self-organizing Feature Map Neural Network,简称SOFM神经网络),此类网络对输入的数据有“聚类”和特征抽取的功能,可起到数据压缩的作用,同样应用于图像压缩和特征提取。
  4)小波网络
  小波网络起源于小波分解,是近年来在小波分析研究获得突破的基础上提出的一种前馈型网络。小波网络是将常规单隐层神经网络的隐节点函数由小波函数代替,相应的输入层到隐层的权值及隐层阈值分别由小波函数的尺度与平移参数所代替,它继承了小波变换和神经网络两者的优点,具有良好的函数逼近能力和模式识别、分类功能。小波网络作为一种新型的神经网络在图像处理领域中得到了广泛的应用。
  5)细胞神经网络
  细胞神经网络是局部连接细胞空间排列的非线性动力学系统,其中每个细胞都具有输入、输出及与动力学规则相关状态的功能,具备很强的并行处理能力,并具有集成特性。自从被提出以后便得到了广泛的研究,适用于图像处理的各个领域。
  6)模糊神经网络
  模糊神经网络指的是用神经网络方法建立和实现的一个基于规则的模糊系统。它不仅可以表达和处理不确定性知识,而且能够自动产生或调整规则。由于它具有神经网络的结构,可实现并行高速推理,极大提高了系统建模和运行效率,在图像处理中有广阔的应用前景。
  5.3基于神经网络的图像增强
  目前已经提出了多种神经网络模型用于图像去噪、增强、重建[81~85]。这些算法的基本原理是用非线性系统模型表示预处理的图像,然后用神经网络算法求解其最优解。由于神经网络能够有效地适应图像处理的非线性本质,解决图像增强的非线性模型,而且还不需要知道先验知识,同时它的高度并行处理能力使得图像增强的处理速度明显加快,因此,神经网络在图像增强上获得了广泛应用。
  神经网络算法比起传统算法有很大的优点,但也存在着一些不足,如图像预处理阶段的神经网络算法大部分是非自适应的,而且这些算法是针对特定的图像模型,当原始图像模型改变时,即使是最简单的缩放和角度变换,网络的权值也需要重新训练。尽管神经网络在图像处理领域中已经得到了广泛应用,但是还有很多问题需要解决。例如,如何选择最优的网络结构,到现在为止仍没有一个确定的标准来评定网络结构的优劣。
  5.4神经网络的应用前景
  5.4.1小波网络的应用前景
  小波网络是结合小波变换理论与人工神经网络的思想而构造出的一种新型神经网络模型。它不仅具备小波变换良好的时频局域化特性和神经网络的高度并行处理功能,而且以小波分解作为理论基础,从而能够有效的根据训练样本集确定网络结构,弥补传统神经网络的一些不足。同时由于小波变换的多分辨率分析的特点,使小波变换在图像处理领域应用上的优势得以淋漓尽致地发挥。结合了小波变换和神经网络各自优点的小波网络在图像处理领域中应用前景看好,一片光明。
  5.4.2模糊神经网络的应用前景
  模糊神经网络是神经网络和模糊技术的有机结合,可以有效的发挥各自的优势并弥补其不足。神经网络在学习和自动模式识别方面有很强的优势,与模糊技术的结合可以大大拓宽神经网络处理信息的范围和能力,不仅能够处理精确信息,而且可以处理模糊信息。在高层次的图像处理,如图像分割,图像识别和图像理解等方面应用前景不可限量。
  5.5本章小结
  本章简要的介绍了神经网络在图像处理领域应用上的优势及其常见类型。接着阐述了基于神经网络的图像增强,并进一步分析了用于图像处理的神经网络算法的优缺点。最后,阐明了小波网络和模糊神经网络在图像处理领上的广泛应用前景。

  第六章 总结与展望
  图像增强是对图像的低层次处理,处于图像处理的预处理阶段。它是图像处理的一个重要环节,在整个图像处理过程中起着承前启后的重要作用,为后续处理阶段做准备,对图像高层次处理的成败至关重要。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,以便从图像中获取更加有用的信息。
  由于图像增强与感兴的趣物体特性、观察者的习惯和处理目的密切相关,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,尽管增强处理方法多种多样,但并不存在一种通用的、适应各种应用场合的增强算法。
  本文围绕图像增强算法而展开,在阐明图像增强处理基本方法,如灰度变换、直方图修正、图像锐化、噪声去除、频域滤波增强和彩色增强的基础上,就几种有代表性的图像增强算法进行了研究、比较,分析了各自的优缺点并指明了其最佳适用场景。

 


相关资料推荐 / Download 查看更多
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...
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...
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...
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 op...
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...
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...
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...
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...
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
下载次数: 800
人气: 800
所属分类: 机器视觉
 
联系方式

深圳市龙华新区观澜第三工业区观中街5号联为科技园

1505031685@qq.com

15323438773 杨老师  

0755-29495142

预约免费试听
  • 您的姓名:
  • *
  • 公司名称:
  • 地址:
  • 电话:
  • *
  • 传真:
  • E-mail:
  • 邮政编码:
  • 留言主题:
  • 详细说明:
  • *
     
联为智能教育专业打造自动化教育产、学、研一体化平台,成为智能制造教育领导者。联为plc培训班精心打造专业培训实操基地,专门为学员研发一批教学设备,包括机器人学习教学连线,plc培训学习教学连线,工业机器人培训、plc编程培训等专业的教学设备,让学员真正理论实践一体,学以致用,从实践交流中体会知识的精髓,来一场完美的职业转身。
扫码学习
深圳联为智能教育感谢您的关注!
在线直播间
小胡老师
Copyright ©2005 - 2013 深圳市联为智能教育有限公司


犀牛云提供企业云服务
5
电话
  • 15323438773
6
二维码
回到顶部