机器视觉要学什么知乎

❶ 机器视觉需要学习哪些数学知识

常用的基础理论：微积分；矩阵论；复变函数；积分变换；欧式几何；离散数学；
发展趋势：基本上数学学科的前沿全都有

❷ 机器视觉这个研究方向难不难学，以后研究生出来后，是不是就业面很窄。这个方向需要学好哪些基础课程

机器视觉的方向应该是很好的一个专业，现在正处于上升阶段，可以先去了解一下机器视觉的相关知识和产品，将来学的时候有些概念。

❸ 机器视觉方面有哪些好的开发平台各有什么特点

作者：知乎用户
链接：https://www.hu.com/question/20025224/answer/18874837
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

转自知乎：
机器视觉当前的比较流行的开发模式是“软件平台+工具包”
软件平台：
1.VC：最通用，功能最强大。用户多，和windows搭配，运行性能较好，可以自己写算法，也可以用工具包，而且基本上工具包都支持VC的开发。是大家主要选择的平台。
2.C#：比较容易上手，特别是完成界面等功能比用VC+MFC难度低了很多，已经逐渐成为流行的使用平台了，算法在调用标准的库或者使用C#+C++混合编程。可以看到目前很多相机厂商的SDK都已经开始使用C#做应用程序了。
3.LabVIEW：NI的工具图形化开发平台，开发软件快，特别是做工控行业或者自动化测试行业的很多工程师，由于使用labview进行测试测量的广泛性，所以都有labview的基础，再调用NI的Vision图像工具包开发，开发周期短，维护较为容易。
4.VB、delphi：用的人越来越少了。
5.其他：java等没有看到人用过。
工具包：
1.halcon：出自德国MVTech。底层的功能算法很多，运算性能快，用其开发需要一定软件功底和图像处理理论。
2.VisionPro：美国康耐视的图像处理工具包。性能大多数算法性能都很好，性能上没有和halcon直接对比过，但是开发上手比halcon容易。
3.NI Vision：NI的特点是自动化测试大多数需要的软硬件都有解决方案，有点事软件图形化编程，上手快，开发周期快，缺点是并不是每个软件都非常厉害。视觉工具包的优势是售价比大多数工具包或者算法的天文数字便宜了不少，而且整个工具包一个价格，而不是一个算法一个算法地卖，性能方面在速度和精度没有前两种软件好。
4.MIL：加拿大maxtrox的产品，是Matrox Imaging Library 的简写。早期推广和普及程度不错，当前似乎主要用户还是早期的做激光设备的一些用户在用，所以用于定位的较多。
5.CK Vision。创科公司的软件包，相对前面几个工具包来说价格优势比较明显，另外机器视觉需要的功能也基本都有，所以在国内自动化设备特别是批量设备同时需要保护版权的企业而言，用量很大，推广也不错。
6.迈斯肯：迈斯肯的视觉主要产品还是条码阅读一类，图像工具包没有用过，不了解，不评价。
7.OpenCV：感觉openCV更多的还是用在计算机视觉领域，在机器视觉领域其实不算太多，应为机器视觉领域当前主要的应用还是定位、测量、外观、OCR/OCV，感觉这几项都不是opencv的专长。
8.其他：其他还有一些厂家的图像工具包，要么市场影响力不大，要么本人没有用过，不评价。

❹ 学习机器视觉需要哪些基础知识

常用的基础理论：微积分；矩阵论；复变函数；积分变换；欧式几何；离散数学；发展趋势：基本上数学学科的前沿全都有

❺ 学习机器视觉这个研究方向，需要哪些基础知识

机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展一个完整的机器视觉系统的主要工作过程如下：1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。6、摄像机曝光后，正式开始一帧图像的扫描和输出。7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。8、图像采集部分将数字图像存放在处理器或计算机的内存中。9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出，机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。（良） 清楚了以上机器视觉的原理和过程之后，我建议： 1）人类和动物视觉系统的原理
2）摄像机技术与原理
3）图像识别和处理技术
4）计算机技术5）人工智能

❻ 到底如何学习机器视觉

如何学习机器视觉？

机器视觉入门

很多人问机器视觉如何学习？哪里有比较好的学习资料？总结了一下各个方向的学习资源总结，也会不定期在公众号里分享一些机器视觉相关内容，希望对有需要的人有帮助，也希望大家能多多交流讨论，共上一层楼。
如何学习机器视觉？
1、其实机器视觉涵盖的方向非常广泛，想要学习机器视觉而且以后要从事机器视觉相关工作的各位应该弄清楚自己以后想从事的方向，这一点可以先从相关企业招聘哪些岗位以及岗位要求来进行初步了解。然后针对不同岗位对岗位职责的要求进行学习补充。
（1）有哪些机器视觉公司？
可以直接网络搜索机器视觉等关键词，或者进入第三方信息平台：如机器视觉网查看现在的机器视觉公司有哪些
（2）有哪些岗位
根据你所找到的机器视觉公司网络查找 公司名称+招聘网站，比如直接搜索“奥普特+智联招聘”
2、对于机器视觉基本概念的了解是必不可少的，因为从大范围大环境下去了解会非常利于你对其他零散知识的整合，也更容易接纳。比如对机器视觉及机器视觉相关词汇在理论上的认识：机器视觉、机器视觉系统、视觉检测，机器视觉技术等这些是什么？有什么作用？可应用在哪些领域？
3、确定好自己在机器视觉领域的从业方向后，可以分为硬件或软件方向等确认学习目标；
硬件：工业相机、工控机、线缆、镜头、照明（光源）、采集卡、延长器还有图像处理、视觉处理等其他硬件
软件：视觉算法包、软件包，可以先去了解下市场上使用比较多的，还有使用的开发平台、编程工具等
4、知道自己学习的方向并了解如何使用操作是非常重要的！这一点最好有自己动手操作的环境。
视觉检测：能搭配硬件软件自己拍摄调试，了解其主要功能及调试方式。你能有相关条件跟随一个案例从头跟到尾，从客户提出需求-选型-调试-验收这个过程，了解每一步过程，跟了几个案例后自己就应该会比较清楚了。
算法编程：先摸索主要流行软件包的主要框架及功能实现模块，再通过看相关书籍，跟随案例实际操作去熟悉。主要还是多学多问。
以上可能介绍比较粗略，因为不管哪个方向的核心学习方法还是建议去询问在这一方向上比较有经验的人，应该更有成效。再有，可以通过访问国内机器视觉做的比较好的企业，去看看网页或者去了解乃至参与其工作来学习。

❼ 我要学习机器视觉编程需要看那些书怎么学习

最需要学的是数学知识，机器视觉，靠的不是编程能力，而是数学算法能力。

第一，高等数学

第二，线性代数

第三，OpenGL知识

❽ 机器视觉这方面好学吗

学机器视觉的话，可以自学，加入一些群。如果要参加培训班的话，不要去深圳联为。

❾ 如何学习机器视觉

这个感觉是从论坛上大家所问的问题得出来的。因为。在论坛中看到不少朋友所问的问题，是相当可笑的。说可笑并非指所提问题过于简单幼稚，而是所问的问题一看就是从书本上抄来的，而不是在实际情况下所遇到的。换句话说，论坛中的朋友大多只是在纸上谈兵，极少有人真正自已动手开发视觉系统。这样说是因为自己搞开发的人绝对问不出某些奇怪问题来的。往深了说一点，好象国内的朋友们只喜欢啃书本，并不愿意(也可能是懒得)动手。 一句话，国外机器视觉发展到今天，已经可以清清楚楚分为三个部分： 1，底层开发部分。 2，二次开发部分。 3，最终使用部分。于是在国外，从事这一行业的人现在也就可以简单而清楚地分成三种人： 1，底层开发的人(从事底层开发工作的人)。 2，二次开发的人(从事二次开工作的人)。 3，使用及操作机器视觉系统的人(从事最终使用工作的人)。 第一类人。就是我们常说的，开发通用视觉系统(如：DVT，西门子，欧姆龙，EVISION，COGNEX等等)的开发人员，也就是DVT，COGNEX这些公司开发部的技术职工。 第二类。就是大家所说的OEM用户。是专门用第一类人所开发出的系统，给第三类人搞二次开发，开发各种专为第三类人所用的系统。 第三类人，就是用户(end user)。这类人是真正将机器视觉系统应用到各个领域中的人，他们不仅在各自的行业中使用种种已经开发成型的机器视觉系统。而且负责对各类系统进行测试及评估。 举个实际例子，这里有不少朋友问过这类问题：如何检测某一工件；检测光盘表面的系统该如何配置CCD相机、镜头及灯源等。问这些问题的朋友应该算是第三类人。他们公司要他们寻找一个系统可以用来检测本公司的产品。但由于第一类人所开发的，只是通用的系统以及视觉系统开发工具的软件包。并没有哪家公司专门开发一套系统来检测光盘或是某种特定的工件。所以，这些朋友就应该来找我，因为我是第二类人。 我的工作就是，专门用DVT，EVISION，COGNEX等的视觉卡，以及视觉系统开发工具软件包为他们专门开发一套他们所需要的光盘检测系统或是工件检测系统。 绕了老大一圈，其实要说的问题就是一个----我所发现的问题：这里80%以上朋友把自己的身分混淆了，越俎代庖。 不客气的说，目前国内搞这行的朋友似乎都有些好高骛远。不少从事第二部分工作朋友(搞二次开发的第二类人)对于机器视觉有关知识的了解，尚不如国外第三类人的知识水平(我是从大家所问的问题感觉到的)。而国内第三类朋友知识水平就更可想而知。 可是奇怪的是，每个人所问的却都是第二类人要问的，有些甚至是一类人才会问的问题。好象，机器视觉是个十分简单的技术，凭大家随便问几个“关键性”的问题，再由所谓的“专家”三言两语的回答一下。大家就一夜之间都可以自己搞底层开发，成第一类人了。 要成为第一类人，又分硬件及软件两种。要对自己所负责的这个模块非常了解，搞软件要知道算法及运行速度；搞硬件要明白公司所选用芯片的特点等等。同时还要清楚对手公司的优缺点以及机器视觉这一行的种种动态和最新技术。 总结一下。这三种人相比，第一类人一定要专业，对机器视觉的某一领域非常非常了解；第二类人虽比不上第一类人那么专业，但更加全面；第三类人更熟悉各个应用系统开发公司(第二类人)的优缺点。 现在大家可以看得出，机器视觉发展到今天，其分工已经越来越细，每个部分的工作其实是很难相互取代的。大家不要以为第三类人就比第一类人低一等，这是一个错误的等级概念。我本人过去曾属于第一类人，现在作的是第二类工作。而我的几个“师弟师妹”(当初曾一起作第一类人时的同事)现在就在干第三类工作。大家别小看第三类工作，以为这是小儿科，你能真作好这一行也不是很容易。毕竟这也是一门行当也是一个饭碗！另外，以我个人来看：以国内现在机器视觉的水平，对于那些想作第一类人的朋友我在这里劝一句：还是算了吧。 国内的机器视觉水平打根子上就差，您还打算搞底层？算法本身都是抄人家的，就只能和对手拼程序的写法了。不过我觉得那更没戏。 这样说我绝没有看不起初学者的意思。我说过：所问的问题再简单，我都不会笑话你。对于每样事物我们都是从无知开始的。但是，对于那些极不实际的好高骛远的问题，我还是要说，希望大家踏实下来，戒浮躁，从最基本地学起----先确定自己的身份。

❿ 学习机器视觉需要什么文化程度

硬件还是来软件呢？
1、如自果要是硬件，其实不需要什么文化程度，只要你肯动手，多做几个实验就会了。肯学都好说，无非就是相机，镜头的选型，打光实验等。
2、如果要是软件，最好是要有一门自动擅长的编程语言，建议C语言，虽然要难一些，没有VB那么简单上手，但是VB的局限性比较大，而且国外已经陆续淘汰了VB，在你以后做项目中使用的很多图像处理软件都是国外的，VB的例程可能都很少了。文化程度嘛，很多高中毕业的，都是因为擅长一种编程语言，就会做一些简单的项目了，甚至一些本来学机械的，自学一门编程语言，我看他们也做的不错。唯一的困难点就是你的逻辑思维，高数的逻辑对你有些阻碍！
希望能给到你一些建议，加油！