用过NI（Nationnal Instruments，国家仪器，evision几年，颇有感悟并且日益熟悉visual c++，而此时，cognex的visionpro和c#又闯入视野，对比之下，确实好用，而且有明显优势。
下了很大决心，成就了当下Megauging（未名之光），其实我之前还有一个vc++版本gaugeMe(稳定版本0.2.4，针对1394b相机)，为什么这么喜欢gauge这个单词，你会看到他和evision的渊源，这或许叫’先入为主’吧。起名很重要，第一，确定你的目标；第二，他相当于AI下我们经常提到的“标签”（标签之名，威名远播）；第三，也像我们自己的名字，其实你一辈子都在打造他。
为什么会起这么一个名字说，清华（原来在北大）有一个‘未名湖畔’，没去过，没关系，但你收到‘未名湖畔’的启示即可，另外，听说，每一个人的身体都会发出微弱的光（未名之光），我还未见到，充满期待，那么去开启这个发现之旅吧！
为什么是轻量级的visionpro，不是轻量级的evision只能说是机缘巧合。而潮流之下，halcon和opencv渐渐占了上风，opencv为AI的流行是有汗马功劳的（我还未搞清halcon流行的原因）。或许是开源的流行，还是价格优势追随而绝决过去呢是继续发酵自己呢这七七八八之时，或七上八下之时，这是一个很难回答的问题，这或许才是人生最好的状态（从反面看，充满困惑，不正是成长之时吗，不停的学习AI浪潮带来的丰厚资源，还要发酵自己，保持自我，新的希望是那样的诱惑，而自己的基石又不能动摇，如此，便是在这充满泡沫的新希望之下，继续锻造自己（MeGauging之后，再说）。新希望总是让你感到有所实现之后，始终在长征。就像你完成了visionpro fit的算法之后，scale（尺度）变化对你极大的冲击，而识别（匹配）之中尺度不变在AI中只算是起步。
halcon和opencv是别人的，如同visionpro和evision，我们可以洋为中用，古为今用，而你吃透之后，只有行动，这叫不叫站在巨人肩上呢/p>
Megauging（未名之光）主要实现了以下的模拟，对我来说，我称他们为我的神奇之旅，就像当下的facedetect（人脸识别）一样，神奇!我在2010年遇到了我的神奇（MV），五年后，才发酵到破解这些神奇并加以逐渐模拟：
第一神奇，当仁不让，ROI（感兴趣区域）引申出来的线图像，我们前面二十节都在说他（Learning opencv续不足）。
第二神奇，ROI（感兴趣区域）引申出来的斑（blob）匹配识别，以及轮廓（contour）的研究（有时我也会称呼他figure）。
第三神奇，由标定引申出来的harris角点，以及harris角点匹配识别的研究（其实’+‘这个东东，随处都在用，我称它为ROI感兴趣区域焦点（focus））。
第四神奇，匹配识别之后，相对坐标的寻找直线（圆）我们称呼他为fixture（固定（定位）装置。世上总是有许多的跟随（following）不变，就像跟屁虫。
第五神奇，不经意通透了visionpro fit技术，便实现了他（惦记他有三年了，不是本田的fit，笑！）。
第六神奇，把以上神奇能在一个界面快速组织起来工作，很像visionpro的toolgroup。
第七神奇，toolgroup的保存和加载。
第八神奇，如何在程序命令行编程中调用toolgroup/p>
有完没完叽！搞了半天，（第九）神奇的gige相机（camera）集成的dll（包括pointgrey，basler，usb，加载bmp）没有，我看你能白日鬼（笑！）！
什么是神奇质就是ROI（感兴趣区域），正因为你感兴趣，你才会自学（琢磨）神奇如何实现的，精诚所至，金石为开。所以你已经不是当年那个只懂c语言和foxbase骚年了。
(待续，慢慢来…………………)
来源：工业机器视觉设计和实现
声明：本站部分文章及图片转载于互联网，内容版权归原作者所有，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！