几类算子

双目定位

艾菲特光电双目定位

用两部相机来定位。对物体上一个特征点，用两部固定于不同位置的相机摄得物体的像，分别获得该点在两部相机像平面上的坐标。只要知道两部相机精确的相对位置，就可用几何的方法得到该特征点在固定一部相机的坐标系中的坐标，即确定了特征点的位置。

双目定位过程中，两部相机在同一平面上，并且光轴互相平行，就像是人的两只眼睛一样，所以叫双目定位。

MV双目视觉图像定位系统，双目定位

双目视觉图像定位系统

双目视觉图像定位系统是Microvision(维视图像)开发的一套针对芯片压焊过程中对芯片位置进行识别定位，以便更好的将芯片固化在想要的位置上。

双目视觉图像定位系统，双目定位系统利用两台Microvision MV-808H工业相机、VS-M1024工业连续放大变倍镜头、MV-8002两路高清图像采集卡，同时对图像进行获取，在安装中，对芯片点焊位置进行准确定位。

双目视觉检测系统通过图像分析处理和图像测量的方式精确获取电路板上的安装或加工位置的坐标信息，计算出位置坐标，提供给机械臂运行控制。

双目视觉图像定位系统，双目定位硬件配置：

序号名称型号与性能数量品牌

1 工业相机VS-808HC 彩色高清晰工业摄像机，520线，1/3″SONY CCD，分辨752*582。 1 Microvision

2 2路工业高清图像采集卡MV-8002 2路768x576,高清晰度工业图像采集卡。支持二次开发，支持多种操作系统。 1 Microvision

3 工业连续放大镜头VS-M102

4 工业级放大镜头，C接口，像面尺寸 2 Micro vision

4 机器视觉高亮度环型LED光源VS-RL100R 亮度可调、低温、均衡、无闪烁，无阴影,使用寿命长 1 Microvision

5 双目视觉对位系统软件选配Microvision

6 其他部件视频线1根，触发插头一个，相机支杆一根 1

双目视觉图像定位系统，双目定位广泛用于丝网印刷机械、贴合、切割、PS打孔机、PCB补线机、PCB打孔机、玻璃割片机、点胶机、SMT检测、贴版机等工业精密对位、定位、零件确认、尺寸测量、工业显微等CCD视觉对位、测量装置等领域，主要应用,IC、芯片、电路板的位置识别定位、视觉图像定位系统上。如：打孔机定位、绑定机定位、晶体管吸取定位、IC贴片机对位、机器坐标定位、机器手定位、方向辨别定位

Sobel算子

索贝尔算子（Sobel operator）是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量

[编辑本段]

核心公式

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

然后可用以下公式计算梯度方向。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

[编辑本段]

其他介绍

在边沿检测中，常用的一种模板是Sobel 算子。Sobel 算子有两个，一个是检测水平边沿的；另一个是检测垂直平边沿的。与和相比，Sobel算子对于象素的位置的影响做了加权，因此效果更好。

Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子，也有两个，一个是检测水平边沿的，另一个是检测垂直平边沿的。各向同性Sobel算子和普通So bel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。由于建筑物图像的特殊性，我们可以发现，处理该类型图像轮廓时，并不需要对梯度方向进行运算，所以程序并没有给出各向同性Sobel算子的处理方法。

由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于图像灰度进行处理，由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们给出了下面阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。

.NET代码如下

for(Times=0;Times<128&&iThreshold!=iNewTh reshold;Times++)

{

iThreshold=iNewThreshold;

lP1=0;

lP2=0;

lS1=0;

lS2=0;

for(i=iMinGray;i

{

lP1+=Histogram*i;

lS1+=Histogram;

}

iMean1Gray=lP1/lS1;

for(i=iThreshold;i

{

lP2+=Histogram*i;

lS2+=Histogram;

}

iMean2Gray=lP2/lS2;

iNewThreshold=(iMean1Gray+iMean2Gray)/2;

}

补充Sobel算子的矩阵表达式：

Sobel1=[-1 -2 -1; %检测水平边沿的Sobel算子

0 0 0;

1 2 1];

Sobel2=[1 0 -1; %检测垂直平边沿的Sobel算子

2 0 -2;

1 0 -1];

Canny边缘检测算子是John F. Canny于1986 年开发出来的一个多级边缘检测算法。更为重要的是Canny 创立了边缘检测计算理论（Computational theory of edge detection）解释这项技术如何工作。分辨率

目录[隐藏]

分辨率简介

分辨率解析

最高分辨率

图象分辨率（PPI）

扫描分辨率（SPI）

网屏分辨率（LPI）

设备分辨率（DPI）

图象的位分辨率

分辨率简介

分辨率解析