我目前正在設計讓小車辨識數字閘門，並通過特定數字的門，閘門的數字為1、3、11、13、31、33六個數字，目前透過簡單的影像處理後，使用vision assistant中的particle classification進行數字辨識，但還不是很精準，另外也使用邊緣檢測找出目標數字的空間座標，但極大的受到背景影像的干擾，因此想問:
(1)有甚麼辦法可以提升辨識的精確度?
(2)如何減少背景影像的干擾?
數字t.vi (167.7 KB)
感謝你的幫助，由於目前數字閘門還未製作完成，當前的實驗是透過列印數字紙本，直接以實驗室的背景作辨識，因此只能提供閘門上的數字樣本，無法給予實際的關卡環境，但可以確定閘門的背景環境是複雜的。數字樣本.pdf (204.2 KB)
用patten match試試，不過OCR是Labview最弱的，別抱太大期望，過來人，另外影響干擾的部分我們稱為雜訊，需要挑相機，如果使用esp32cam有點難度，除非背景很漂亮，跟圖一樣，不然只能靠影像處理，膨脹或侵蝕處理掉，再做patten match
@tarzanZhan 感謝你的回覆，我有嘗試過patten match，但template image似乎只能使用單一樣本，很難適用於動態影像，我猜是行進時的距離遠近及角度問題，另外也試過形態學的侵蝕和膨脹等功能，因為我的背影不單是雜訊，也有各式各樣的雜物堆放在各處，所以不好設定遮罩的大小來消除背景。感謝你的幫助，我會使用你的方式再做嘗試，也想請教你之前做的project內容及處理方式當作參考。
之前是做設備的，它的視覺相對來說穩定一點，對於之前專案的進行，必須先取得檢測物品，進行打光跟演算法撰寫，基本上labview可用的都寫過，labview vision的2D也很弱，經常比對不到
還有人在用NI Vision喔 好感動喔，增加精確度當然
1.首選相機精度要到，你可以根據ROI和相機規格算一個PIXEL多少，
2.再來是打光也有差，不然開燈關燈就會影響你的圖片，當然光源強曝光時間就可以短一點，FPS高
3. Pattern Match 會反饋 Score，以前我們做法是寫迴圈，Pattern太低就換下一張，
所以好的Pattern Match 不會只有一張Pattern ，當然很多人只用一張Pattern就在抱怨算法爛，
只能呵呵攤手
4. 當然你可以做些膨脹，去除二質化小點等，看能不能增加判斷力
5. OCR 沒真用過，不確定好壞
6. 現在機器學習那麼紅，線上課程很多，你有學過的話自己搭建一個CNN神經網路來跑，
會提升準度很多，我自己是買很多線上課程在看。
恩恩加油~
1個讚
了解，感謝你的回復，我會再做嘗試
感謝你的回復，相機的精度我也考慮了很久，但精度較好的攝像頭經過影像處理的延時很嚴重，要做即時影像辨識有些難度，不過使用迴圈的pattern確實是個辦法我之前都沒想到，感謝你的提供。對於labview我是這一兩個月才開始頻繁接觸，對於許多關於機器學習的東西都不是很專業，也礙於自身的關係沒有多餘的時間上線上課程，只能自己找資料慢慢摸索，希望能多包容一下