机器视觉基础|浅谈Blob分析与(监督或无监督)训练分类器的各自特点

一、Blob分析三步曲

  1. 1、图像二值化(threshold);
  2. 2、形态学处理(dilation,erosion,opening,closing);
  3. 3、形状选择(select_shape);
  4. Blob分析适应性不强,非常易受环境变化的影响,不具有普适性。因为拍摄位置、光照、目标清洁度等都会对识别造成很大的影响。
  5. Blob分析是需要大量的打光测试和代码调整才能找到暂时合适的方法。。
  6. Blob分析只能适用于条件稳定且合适的情况。一旦条件发生变化,很有可能出现错识别的情况。
  7. 二、使用(监督或无监督)训练分类器MLP、SVM、KNN、CNN、DL训练的程序,才具有比较高的普适性。
  8. 【机器视觉基础|浅谈Blob分析与(监督或无监督)训练分类器的各自特点】训练分类器也不是100%的准确,但是训练分类器起码可以降低开发和调试的难度,而训练分类器可以一劳永逸,虽然设计算法的时候有一定的难度,但是,一旦成功就可以很高效地移植到其它项目中。这种轻松不是说代码量或者工作量少,而是后期的维护成本很低,非标设备行业的人力成本和出差费用是十分昂贵的。




    推荐阅读