Italiano - English

Search Results

You are looking for: Keywords LIKE '*Image processing*'
Try advanced search

DefectFinder. Video System for web inspection

28-02-2014

Linescan Vision System for automatic detection and classification of defects and foreign objects over continuous production line.

Install OpenCV 3.2 Python/C++ on Raspbian Jessie

07-02-2017

Raspberry IP is a wonderful system and OpenCV is an outstanding library for computer vision. Here is our how to install and configure OpenCV 3.2.0 for Python/C++ on a Raspberry PI 2 with Raspbian Jessie. On the Net there are many references on this subject, most of them have some missed point or reference to old versions.

Memory analysis on std::queue as buffer of cv::Mat. Part 1, basic tests.

10-12-2016

Here is shown that both cv::Mat and Standard Library Containers work under memory recycling. We found that using std:queue as buffer for OpenCV Mat, memory requirements depends on size of the queue. We conclude that containers like std::queue can be used effectively as buffer for OpenCV Mats.

pkQueueTS - Treadsafe queue for OpenCV Mats

10-12-2016

A single lock, multiple producer/consumer (MPMC) thread safe queue with wait/timeout Pop. It also provides tools to manage elements like cv::Mat and an interface for custom OnPush event handler.

Evaluate geometric accuracy, repeatability and drift of a flatbed scanner

02-02-2014

Quanto è preciso uno scanner? Se scansiono più volte una stessa immagine, quanto sono differenti le relative scansioni ? Quanto è reale il valore DPI fornito dal costruttore è reale ?. In qui viene illustrato un metodo per dare una risposta a queste domante.

OpenCV: Open Source Computer Vision Library

25-09-2009

OpenCV means Open Source Computer Vision Library. It is software library that implement many popular Image Processing, Computer Vision and machine learning algorithms.

Computer Vision

18-04-2009

List of articles in this category

Inan-Cervix

05-03-2003

Inan-Cervix e' un robot con una telecamera per "vedere", due motori per muovere lo "sguardo" e due cilindri pneumatici per "sollevarsi in piedi".

Car plate recognition

22-07-1995

Il progetto è relativo ad un sistema automatico di lettura e memorizzazione di targhe di autoveicoli. Il progetto prevede l'utilizzo di una telecamera per acquisire l'immagine dell'autoveicolo. L'immagine viene trasferita ad un personal computer che la deve analizzare e deve fornire la sequenza di caratteri relativa alla targa. Il numero di targa è poi reso disponibile ad eventuali software di gestione o memorizzato su disco.

Acquisizione dell'immagine

01-12-1994

L'acquisizione dell'immagine viene effettuata con una telecamera digitale da 512x512 pixel con 256 tonalità di grigio. La telecamera è collegata ad un computer che memorizza l'immagine in una matrice da 512x512 byte ed, eventualmente, in un file. Con procedimenti di seguito descritti, viene cercata la targa, che viene estratta dall'intera immagine. Successivamente, vengono cercati i rettangoli contenenti i singoli caratteri.

Ricerca e estrazione della targa

01-12-1994

La posizione della targa nell'immagine non è nota a priori. Il problema della localizzazione della targa è stato affrontato attraverso le analisi delle variazioni [Chelappa 1992]. Le zone di immagine che contengono il testo sono caratterizzate da una particolare distribuzione dei livelli di grigio. Una riga dell'immagine che non contiene caratteri ha una distribuzione uniforme dei toni, diversamente il testo presenta forti variazioni in brevissimo spazio. Tutte le 512 righe vengono analizzate, fino a quando non vengono riscontrate le variazioni tipiche di un testo. E' necessario analizzare tutta l'immagine, perchè è possibile trovare altre scritte come il modello dell'autoveicolo.

Ricerca ed estrazione dei caratteri

01-12-1994

Dalle immagini rettangolari delle targhe si passa alla suddivisione in caratteri. Questa fase richiede la possibilità di separare i pixel del testo da quelli dello sfondo. Come già detto le immagini sono a 256 toni di grigio e sono tutti presenti nel rettangolo della targa, tuttavia ci si aspetta che i pixel dello sfondo siano di colore molto diverso dai pixel di testo. La separazione avviene attraverso una binarizzazione della targa, in cui i pixel dello sfondo hanno valore 255 e quelli del testo valore 0. La soglia di separazione viene determinata attraverso l'analisi in frequenza delle intensità di grigio.

Visione Artificiale ?

01-12-1994

Qualche considerazione sull'intelligenza artificiale