说明：labview基础视觉识别的东西，讲的很细

说明：数字图像处理与机器视觉--Visual C++与Matlab实现的后几节

说明：用于视觉标定的学习书籍，包含基础使用及例程讲解，可进行学习训练

说明：用于OPENCV的学习书籍，包含基础使用及例程讲解，可进行学习训练

说明：海康工业项目通讯测试客户端，用于机器视觉上的测试客户端软件

说明：基于opencv+zbar+visual studio的二维码扫描识别，文件里有写具体做法和具体代码

说明：AForgeNet 是基于.net框架使用C#高级面向对象语言设计开发的专门为开发者和研究者学习和使用的开源图像处理类库，包括计算机视觉与人工智能，图像处理，神经网络，遗传算法，机器学习

说明：MATLAB计算机视觉与机器认知-程序源码，包括批量处理，视频转换。。。

说明：机器视觉的零件缺陷，瑕疵检测，特征匹配，效率高速度快

说明：车牌识别，数字图像处理，机器视觉，机器学习

说明：基于机器视觉的智能倒车辅助系统研究，可了解相关倒车研究进展

说明：基于Python的视觉导引机器人路径识别程序

说明：识别图片上特征区域个数，并且显示参数在图片相应区域

说明：视觉概念手册,针对NI Vision Assistant视觉助手软件的PDF中文版入门教程，逐一讲解视觉助手的每一个功能，并配有详细清晰的图片，多达170页的教程，让你快速学会NI 视觉助手软件，成为机器视觉领域的高手。 该教程主要是以NI Vision Assistant2010讲解，适合各种版本

说明：C#+EmguCV机器视觉开发平台，功能：基本的图像处理工具、随意配置执行流程、二维码识别、文字识别等等。

说明：数字图像处理与机器视觉Visual C++与Matlab实现配套代码

说明：台达PLC上位机通讯，读写PLC数据发给广州数控机器人模拟视觉数据

说明：机器视觉,使用c#进行相机内参数标定有代码，有界面，有图像

说明：针对目前嵌入式视觉系统的图像识别算法复杂、鲁棒性差等问题，提出了一种嵌入式智能视觉系统。该系统以进阶精简指令集机器 Cortex-A53 为核心搭建硬件平台，并搭载 Linux 嵌入式操作系统。基于 V4L2 接口设计图像采集程序，完成图像的采集及存储。通过移植学习框架，采用 Inception-V3 神经网络模型实现图像的智能化识别。实验结果表明: 该系统具有良好的采集效果，对不同物体和同一物体在不同姿态下的识别准确度均可达 100%，满足智能视觉系统的设计要求。

说明：halocn学习资料及相关科技学习使用。

说明：使用机器视觉的方法对液晶屏幕进行坏点检测

说明：多种亚像素边缘检测的方法及检测效果的对比,机器视觉研究可以参考一下

说明：关于labview的一些程序，用于了解机器视觉的

说明：使用labview调用笔记本摄像头拍照，对从事机器视觉工程的人而言是非常重要的基础性技术。

说明：就是就是看机械视觉教程文档计算机二级路上了?

说明：penMV是一个开源，低成本，功能强大的机器视觉模块。以STM32F427CPU为核心，集成了OV7725摄像头芯片，在小巧的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口。使用者们（包括发明家、爱好者以及智能设备开发商）可以用Python语言使用OpenMV提供的机器视觉功能，为自己的产品和发明增加有特色的竞争力。OpenMV上的机器视觉算法包括寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪等。可以用来实现非法入侵检测、产品的残次品筛选、跟踪固定的标记物等。使用者仅需要写一些简单的Python代码，即可轻松的完成各种机器视觉相关的任务。小巧的设计，使得OpenMV可以用到很多创意的产品上。比如，可以给自己的机器人提供周边环境感知能力；给智能车增加视觉巡线功能；给智能玩具增加识别人脸功能，提高产品趣味性等；甚至，可以给工厂产品线增加残次品筛选功能等。

说明：本资源包括《OpenCV3编程入门_毛星云编著_电子工业出版-》+源码、《opencv3机器视觉Python语言实现_刘波》+源码、《深度学习与计算机视觉 算法原理、框架应用与代码实现》+源码、《计算机视觉_算法与应用_Richard Szeliski》、《数字图像处理_第三版_中_冈萨雷斯》、《图像处理、分析与机器视觉（第三版）（美）桑卡，（美）赫拉瓦卡，（美）博伊尔著》、《机器视觉算法与应用双语版-Carsten Stegar》、视觉与深度学习实战付费课程视频（价格昂贵）+源码，深感资源来之不易，望下载者好好珍惜，文件太大，下载的为网盘链接。

说明：halcon实现机器视觉识别木板的各种纹理，进而可以达到目标识别。

说明：《数字图像处理与机器视觉:Visual C++与Matlab实现》将理论知识、科学研究和工程实践有机结合起来，介绍了数字图像处理和识别技术的方方面面，内容包括图像的点运算、几何变换、空域和频域滤波、图像复原、形态学处理、图像分割以及图像特征提取。《数字图像处理与机器视觉:Visual C++与Matlab实现》还对于机器视觉进行了前导性的探究，重点介绍了两种在工程技术领域非常流行的分类技术——人工神经网络(ANN)和支持向量机(SVM)，并在配套给出的识别案例中直击光学字符识别(OCR)和人脸识别两大热点问题。