２種類の画像処理　応用編

１、正確
２、だいたい
言い方を変えると
１、計測
２、認識
工業分野以外に医療やメディア分野もあるだろうが、ここでは工業分野に目を向ける
これらは応用編だが、基礎編はなんだろう。
１、カメラからデータを読み込んで表示
２、画像データのフォーマット、色の理解
３、濃度、色の変換。
４、雑音除去、ぼかし
５、輪郭抽出
６、2値化（ラベリング、膨張・収縮）
このあたりはOpenCVではモルフォロジー演算のサンプルがある
応用では、
１、計測（キャリブレーション、特徴抽出、ハフ変換、？段取り第一か）
ハフ変換は図面にない直線＝キズ。真円度
画像処理　計測でgoogleすると
キーエンス位置決め
キーエンス寸法測定
キーエンス真円度
μ単位まで計測
全数検査
詳細を押すと動画が面白い
googleで何度も行き着く先、無作為研究所
一部実測で廉価
これも
1ピクセル(画素)がミクロ単位はほしい。1ピクセルがmm単位だと建築分野
ある深度の範囲で倍率同じ
いずれにしても位置や角度が正確につかめ、どの範囲を撮影しているのか正確であればかなりいい精度で計測できるでしょう。
　カメラも2種類あり、普通のレンズとテレセントリックレンズだ。テレセントリックレンズだと補正をしなくてもいい。テレセントリックレンズの構造　　価格
　今は、CADを使うのが普通で計測の自動化もしやすい。３D使う会社は複雑な製品なのでそうれなりの装置が必要です。
２、認識
判別するのに手法などないような気がしますが、harr-likeなんかよく考えると人がモノを判別するときに各特徴を記憶に照らし合わせているのと同じような気がする。人は学習して瞬時に判定するのとxmlの特徴分類器とよく似ている。判断データがあるのが人だ。認識もその方向の方が正確かもしれない。
　また、計測は何らかの基準（ノギスやマイクロメーター）などがないとできない。
でもやり方いろいろだな。自信持ってやろう。
やるにしても基本知識がないといけない。
色ろ考えるまでにまず手を動かそう。最小限。以下のサンプルは全部実行すべきだ。
CXCOREのサンプル。OpenCVで使うデータ構造
cvのサンプル。画像処理のアルゴリズム
「今日の訪問数: - 」
「昨日の訪問数: - 」
「今までの訪問数: - 」