کنترل کننده PID

کنترل کننده PID

03 02 , 2014 7 دیدگاه Share

در بسیاری از فرآیندهای صنعتی از کنترل کننده تناسبی ‪ P‬ یا تناسبی مشتق گیر ‪ ،PD‬تناسبی‬‫انتگرال گیر ‪ PI‬ و یا کنترل کننده تناسبی– مشتق گیر– انتگرال گیر ‪ ،PID‬به عنوان ساختار‬‫اصلی کنترل کننده استفاده می شود.‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬ ‫هدف از استفاده از حلقه فیدبک و کنترل کننده را می توان بصورت زیر خلاصه کرد:

• ‫پایداری داخلی‬ ‫

• دنباله روی از فرمان ورودی (‪(tracking‬‬ ‫

• تضعیف اغتشاش‬

• ‫کاهش نویز‬ ‫

• عدم حساسیت به تغییرات فرآیند‬ ‫

جالب است که تقریبا در کلیه فرآیندهای صنعتی ساختار ساده کنترل کننده ‪ PID‬ تمام‬‫نیازهای فوق را برآورده می سازد. حتی در برخی از موارد کنترل کننده ‪ PI‬ نیز کافی است. در‬‫حالت کلی می توان بیان کرد که کنترل کننده ‪ PI‬ برای فرآیندهایی که برای سیستمهایی که با‬‫مدل درجه یک تقریب زده می شوند، کافی است. ‫در برخی موارد کنترل کننده ‪ PID‬ کافی نمی باشد. این موارد را می توان به صورت زیر خلاصه‬‫ نمود :‬

• ‫فرآیندهای با دینامیک رتبه بالاتر از دو‬

• ‫سیستمهای با تأخیر زیاد‬ ‫

• سیستمهای دارای صفر ناپایدار یا سیستمهای غیر مینیمم فاز‬

• ‫حذف فرکانسهای خاص در خروجی (فیلتر ناچ ‪(Notch filter‬‬

در این مقاله ساختار یک کنترل کننده PID و اثر هر یک از پارامترهای آن بر پاسخ خروجی بررسی می شود. فرآیند کنترل شده مطابق مدار حلقه بسته زیر را در نظر بگیرید:‬

‬ ‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

خروجی کنترل کننده PID بصورت زیر می باشد:

‫متغییر e که نشان دهنده خطای ردیابی است، تفاوت میان مقدار خواسته شده (r) و مقدار واقعی خروجی(y) می باشد.سیگنال خطا وارد کنترل کننده می شود و مقدار مشتق و انتگرال آن محاسبه می شود و سپس سیگنال کنترلی u با ضریبی از سیگنال خطا (kp)،ضریبی از انتگرال خطا (ki)و ضریبی از مشتق خطا (kd) محاسبه می شود. کنترل کننده ‪ PID‬ از جمع‬ ‫سه ترم تشکیل شده است:

• ‫ترم تناسبی ‪ : P‬که فرمان کنترل متناسب با میزان خطا و با بهره ‪ kp‬تقویت می شود.‬
• ‫ترم مشتق گیر ‪ : D‬که فرمان کنترل متناسب با نرخ تغییرات خطا و با بهره ‪ kd‬تقویت می شود.‬
• ترم انتگرال گیر ‪ : I‬فرمان کنترل متناسب با ‬‫انتگرال این تابع و با بهره ‪ ki‬تقویت می شود.‬

تابع انتقال کنترل کننده PID بصورت زیر می باشد:

‫

در نرم افزار Matlab تابع انتقال کنترل کننده را می توان  بصورت مستقیم تعریف کرد:

Kp = 1;
Ki = 1;
Kd = 1;

s = tf('s');
C = Kp + Ki/s + Kd*s

همچنین می توان از دستورpid نیز استفاده کرد:

C = pid(Kp,Ki,Kd)

حال اجازه دهید تاثیر هریک از این پارامترها را بر پاسخ سیستم توضیح دهیم.‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬ بهره تناسبی (kp) باعث کاهش زمان rise time شده ولی خطای دائم را از بین نمی برد. بهره انتگرال گیر (ki) خطای دائم را به ازای ورودی پله از بین می برد ولی باعث کند شدن پاسخ سیستم می شود. بهره مشتق گیر (kd) باعث کم شدن overshoot ، افزایش پایداری و همچنین سریعتر شدن پاسخ سیستم می شود. تاثیر هریک از پارامترهای کنترل کننده را بصورت خلاصه در جدول زیر می توان مشاهده کرد:

CL RESPONSE	RISE TIME	OVERSHOOT	SETTLING TIME	S-S ERROR
Kp	Decrease	Increase	Small Change	Decrease
Ki	Decrease	Increase	Increase	Eliminate
Kd	Small Change	Decrease	Decrease	No Change

 

توجه داشته باشید که جدول بالا دقیقا صحیح نیست چون پارامترها به یکدیگر وابسته اند و ممکن است با تغییر یکی تاثیر دیگری نیز تغییر کند.

مثال: فرض کنید تابع انتقالی بصورت زیر داشته باشیم:

با دستور زیر پاسخ حلقه باز سیستم را به ورودی پله رسم می کنیم:

s = tf('s');
P = 1/(s^2 + 10*s + 20);
step(P)

 

 

 

همان طور که مشخص است، خطای حالت دائم 0.95 و همچنین سیستم بسیار کند است.

کنترل کننده تناسبی:

همان طور که جدول بالا نشان می دهد، ترم تناسبی باعث کاهش rise time، افزایش overshoot و کاهش خطای حالت دائم می شود.تابع انتقال حلقه بسته سیستم بالا با ترم تناسبی بصورت زیر است:

با قرار دادن ترم تناسبی برابر 300 با دستور زیر پاسخ حلقه بسته سیستم را به ورودی پله رسم می کنیم:

Kp = 300;
C = pid(Kp)
T = feedback(C*P,1)

t = 0:0.01:2;
step(T,t)

 

همان طور که شکل بالا نشان می دهد، ترم تناسبی باعث کاهش rise time، افزایش overshoot و کاهش خطای حالت دائم شده است.

کنترل کننده تناسبی- مشتق گیر:

حال بیایید نگاهی به کنترل کننده PD بیاندازیم.همان طور که دیدیم ترم مشتق گیر باعث کاهش overshoot و همچنین settling time می شود. تابع انتقال حلقه بسته سیستم بالا با ترم PD بصورت زیر است:

با قرار دادن ترم تناسبی برابر 300 و ترم مشتق گیر برابر 10 با دستور زیر پاسخ حلقه بسته سیستم را به ورودی پله رسم می کنیم:

Kp = 300;
Kd = 10;
C = pid(Kp,0,Kd)
T = feedback(C*P,1)

t = 0:0.01:2;
step(T,t)

 

همان طور که مشخص است ترم مشتق گیر باعث کاهش overshoot و همچنین settling time شده است و همچنین تاثیر کمی بر rise time و خطای حالت دائم داشته است.

کنترل کننده تناسبی-انتگرال گیر- مشتق گیر:

تابع انتقال حلقه بسته سیستم بالا با ترم PID بصورت زیر است:

بعد از چند بار سعی و خطا مقادیر زیر برای پاسخ مناسب در نظر گرفته شد:

Kp = 350;
Ki = 300;
Kd = 50;
C = pid(Kp,Ki,Kd)
T = feedback(C*P,1);

t = 0:0.01:2;
step(T,t)

 

همان طور که مشخص است پاسخ هیچ overshoot و خطای حالت دائمی ندارد و همچنین دارای rise time سریعی می باشد. نرم افزار Matlab دارای ابزاری بنام pidtool می باشد که خیلی راحت می توان یک کنترل کننده PID را بصورت گرافیکی تنظیم کرد.با دستور زیر که پارامتر اول آن تابع انتقال سیستم و پارامتر دوم نوع کنترل کننده را مشخص می کند،می توان وارد محیط PID Tuner شد:

pidtool(P,C)

 

1)در این قسمت نوع طراحی مشخص می شود(براساس زمان پاسخ یا بر اساس پهنای باند و…)

2)در این قسمت نوع کنترل کننده مشخص می شود.

3)در این قسمت نمایش پاسخ در محدوده زمان یا در محدوده فرکانس(Bode) مشخص می شود.

4)در این قسمت منحنی انتخاب می شود.

5)در این قسمت مقادیر پارامترهای کنترل کننده مشخص می شود.

6)در این قسمت مشخصات پاسخ دیده می شود.(مقدار overshoot،rise time و…)

حلقه for در متلب

حلقه for در نرم افزار متلب ( matlab ) بیانگر تعداد تکرار دستورات به اندازه و گام حرکتی مشخص است ، ساختار کلی این حلقه در نرم افزار متلب بفرم زیر است

for  (parameter name)=initial : increament : final

     (  دستور یا فرمولهای محاسباتی )

end

مثال :

فرض کنید میخواهیم مقدار سینوس را در بازه 0 تا 2pi با گام 0.1pi  در نرم افزار متلب محاسبه کرده و در ماتریس سطری y ذخیره نمائیم و سپس نمودار مربوطه را ترسیم کنیم :

حل : یک m-file در نرم افزار مطلب باز کرده و برنامه زیر را در آن تایپ کنید :

clc;

clear all;

i=0;

for k=0:0.1*pi:2*pi

    i=i+1

    y(1,i)=sin(k);

    x(1,i)=k

end

plot(x,y,'b','linewidth',2)

axis([0 2*pi -2 2])

grid on

box off

legend('sin(x)')

قبل از اینکه برنامه را در مطلب اجرا کنید نکاتی راجع به آن توضیح میدهیم

همانگونه که از ساختار حلقه for  مشاهده می شود بعد از نوشتن این تابع در جلو این تابع با حداقل یک کاراکتر فاصله ( یا  بیشتر )  نام متغیر دلخواه مانند k نوشته می شود این متغیر لازم نیست حتما در دستورات داخل حلقه بکار رود بلکه مفهوم آن به عنوان یک پارامتر برای اینکه چند بار دستورات داخل حلقه اجرا شوند که در برنامه فوق تعداد تکرار 21 بار می باشد .

حال ساختاربرنامه فوق طوری است که از همین متغیر k برای سرعت بخشیدن به محاسبات نیز توانستیم استفاده نمائیم ، در داخل حلقه ازیک عبارت i=i+1 که در خارج از حلقه i=0 قرار داده ایم استفاده کرده ایم که شاید یرایتان مبهم باشد ، اصطلاحا به اینگونه متغیرها ، شماره انداز گفته می شود  .

نحوه عملکرد شماره انداز بدین صورت است که در حالت اول که i=0 فرض شده وارد حلقه می شویم و مقدار i بفرم i=i+1=0+1=1 تغیر می ابد ، پس در اولین اجرای حلقه i=1 شد ، در اجرای دوم حلقه مقدار جدید iدر رابطه قرار داده می شود و لذا i=i+1=1+1=2 و درنتیجه در اجرای دوم i=2 شد به همین ترتیب با هربار اجرای حلقه مقدار i به اندازه یک واحد ( میتوانید به دلخواه افزایش آنرا تغییر دهید )  افزایش پیدا می کند تفکر ایجاد شماره انداز شاید در ظاهر امری ساده و بیهوده به نظر برسد ولی در بسیاری از برنامه ها کاربرد آن را خواهید دید ، مثلا در برنامه فوق برای ایجاد شماره ستونهای ماتریس yو x مورد استفاده قرار گرفته است .

دستورات دیگر از حلقه for در نرم افزار مطلب ( matlab ) دستورات ترسیم دو بعدی می باشند که در قسمت مربوطه به طور مفصل شرح داده خواهد شد ، بعد از اجرای برنامه در نرم افزار متلب خروجی برنامه شما بصورت زیر خواهد بود :

   شما می توانید چندین حلقه for   را که نیاز داشتید بصورت تو در تو بکار ببرید ، البته نحوه اجرا بدین صورت خواهد بود که بعد از هر بار اجرای کامل حلقه داخلی حلقه خارجی فقط یکبار اجرا خواهد شد :

for i=1:5

    for j=1:3

        a(i,j)=2*j-i;

    end

end

نحوه عملکرد برنامه فوق را شرح میدهیم :

    

خروجی برنامه فوق ماتریس a را بفرم زیر مشاهده خواهید کرد :

a =

 

     1     3     5

     0     2     4

    -1     1     3

 ساده ترین تصوری که میتوان از عملکرد حلقه های تو در تو بیان کرد همانند عملکرد عقربه های ثانیه شمار و دقیقه شمار و ساعت شمار است که میتوان آنرا مشابه سه حلقه تو در تو دانست که به ازاء هربار اجرای داخلی ترین حلقه ( ثانیه شمار) حلقه خارجی آن یک گام به جلو ( دقیقه شمار) و به ازای هریار اجرای کامل این حلقه ( دقیقه شمار) حلقه خارجی آن( ساعت شمار یک گام ) به جلوتر میرود  :

     مثال ااز سه حلقه تو در توی for  در متلب:

 

F{1,1} = [1 2; 3 4];

F{1,2} = [-1 0; 0 1];

F{2,1} = [7 8; 4 1];

F{2,2} = [4i 3+2i; 1-8i 5];

 

for k = 1:4

   for m = 1:2

      for n = 1:2

         NUM(m,n,k) = F{k}(m,n);

      end

   end

end

مراحل نصب کتابخانه opencv در لینوکس

1- بسته های زیر را از طریق ترمینال نصب میکنیم.

sudo apt-get install build-essential

احتمالا روی سیستمتان از قبل نصب باشد و نیاز به دانلود چیزی نباشد

sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

حدود 50 مگابایت دانلود می شود

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

حدود 60 مگابایت دانلود می شود

2- ایجاد پوشه با نام opencv در ریشه و رفتن به پوشه ساخته شده و سپس ایجاد پوشه جدید با نام build در آن.

sudo mkdir /opencv

cd /opencv

sudo mkdir build

cd build

3-

بهترین نوع نور برای کارهای پردازش تصویر

فصلنامه دانش کشاورزی ، سال هجدهم، شماره 4 (پیاپی 72)

عنوان:
انتخاب بهترین منبع نوردهی برای کاربردهای بینایی ماشین


نویسنده(گان):
راضیه پوردربانی، حمیدرضا قاسم زاده، علی آقا گل زاده، حسین بهفر،

چکیده:
گرفتن تصویر با کیفیت بالا، اولین و مهمترین گام در کاربردهای بینایی ماشین است که نه تنها تابعی از ویژگیهای طیفی سطح شی است بلکه تابع توزیع طیفی نورپردازی و پاسخ طیفی دوربین عکسبرداری می باشد. از طرفی، نورپردازی ضعیف می تواند اثر تصنعی ایجاد کند، مثل سایه هایی که در تصویر بوجود می آید و باعث بوجود آمدن خطا در پردازش تصویر می شود. نورپردازی یکنواخت برای ایجاد تباین بین زمینه و موضوع حائز اهمیت است. هدف از این مطالعه، مقایسه منابع نور هالوژن، فلورسنت، LED و تابان، از لحاظ حساسیت به تغییرات ولتاژ و یکنواختی میدان دید دوربین بود. بهترین ولتاژ که در آن، تغییرات مقادیر RGB دارای کمترین تغییرات می باشند، در مورد هر چهار منبع با استفاده از روش آماری دانکن تعیین شد که برای منبع LED ولتاژ 10 ولت و برای سه منبع دیگر ولتاژ 130 ولت بدست آمد. سپس با استفاده از آزمون t، منابع LED و فلورسنت از نظر یکنواختی میدان دید دوربین با هم مقایسه شدند. ار آنجایی که منبع نور LED مقادیر واریانس کمتری نسبت به منبع فلورسنت دارا بود بنابراین در نهایت با توجه به تجزیه و تحلیل های آماری منبع نور LEDانتخاب شد.

کلیدواژگان:
بینایی ماشین ، پاسخ طیفی ، پردازش تصویری ، نورپردازی

لینک کوتاه به این صفحه:  

magiran.com/p618491

کسکد و هار کسکد و شناسایی چهره و دیگر اجزای صورت

   تشخیص اجسام با استفاده از الگوریتم Haar Cascade، یک روش بسیار موثر است که اولین بار توسط Paul Viola و Michael Jones در سال 2001 مطرح شد. این الگوریتم بر پایه یادگیری ماشین بوده و بدین صورت عمل می کند که با استفاده از تصاویری که چهره در آنها وجود دارد (تصاویر مثبت) و تصاویری که چهره در آنها وجود ندارد (تصاویر منفی) تابعی را آموزش می دهد تا بتواند مولفه هایی مانند وجود فاصله بین چشم ها را پیدا کند.

   این الگوریتم منحصر به تشخیص چهره نیست؛ و بیشتر یک آموزش دهنده است و می توان با آموزش دادن تابع دلخواه خودتان هر شی مانند ماشین، میز، مداد و ... را شناسایی کنید. OpenCV مجموعه ای از توابع از پیش آموزش دیده را برای تشخیص چهره، چشمان، لبخند و ... در خود دارد که می توان به سادگی از آنها استفاده کرد.

اپن سی وی+ایکلیپس+ویندوز+سی میک+مینگ جی سی سی

Home

Rss feed Follow me

Setting Up OpenCV on Windows with Eclipse, MinGW and Cmake

Posted by Yannis Pa on 10:42 AM

4

In order to get a working OpenCV environment on Windows, we'll need the following tools:

1. MinGW
2. OpenCV
3. Cmake
4. Eclipse IDE

The following procedure was tested with these versions of the aforementioned tools, but should also work with other versions close to these:

- OS: Windows 10 Pro 

- MinGW (mingw-get version 0.6.2)
- OpenCV for Windows (v. 2.4.11)
- CMake for Windows (v. 3.3.1)
- Eclipse for C/C++ Developers (version: Mars Release 4.5.0)

 

Download, Install and Setup MinGW

---

 

☯ Download

Browse the official website for MinGW at mingw.org and click on "Download Installer" on the right. You'll be redirected on a sourceforge page where the executable file should begin downloading automatically.The file mingw-get-setup.exe is downloaded.

 

☯ Install

Run mingw-get-setup.exe and press "Install". 

Better leave the default Installation Directory to "C:\MinGW". Also better leave checked the following checkboxes as they are by default:

Then press "Continue". On the next screen just wait for it to download a few things and when it's done press "Continue".

A new window will appear. Select "Basic Setup" on the left side (probably selected by default) and mark for installation the packages "mingw32-base" and "mingw32-gcc-g++". These should be enough. 

Then click "Installation | Apply Changes". On the next screen press "Apply" again. Wait until it's done and then close all windows.

 

As a last step, we need to add the "C:\MinGW\bin" path to the PATH environment variable.

Go to "System | Advanced system settings | Environment Variables...", select the Path system variable and press "Edit...". At the end of the path add ";C:\MinGW\bin" (do not forget the semi-colon in front of C in order to separate it from the other paths). It should look something like this:

 

Then press "OK" on all windows opened, and you're done.

 

Download and Install OpenCV

---

☯ Download
Browse OpenCV's website at opencv.org/downloads.html and download "OpenCV for Windows". Here, we'll be using OpenCV version 2.4.11 as an example. The downloaded file should be opencv-2.4.11.exe (for the 2.4.11 version). 

☯ Install
Run opencv-2.4.11.exe. It will ask for a folder to extract OpenCV. I chose to extract under C:\. Select your extraction folder and click "Extract". 

After extraction "C:\opencv" contains the extracted files. Browse there with Windows Explorer. Inside there should be two folders named build and sources. Create another folder and name in "MinGW" (or anything else you want). We're gonna use this empty folder on a later step.

Download and Install CMake

---

☯ Download
Browse Cmake's website at www.cmake.org/download and click on the latest stable link. Look at Binary distributions and select the file that corresponds to Windows (Win32 Installer). As of now the file is cmake-3.3.1-win32-x86.exe.

☯ Install
Run the downloaded file and install it using all the default options selected.

☯ Setup
After installation run CMake (cmake-gui). Press the Browse Source button and navigate to "C:\opencv\sources" (if you installed OpenCV on a different path instead of right under C:\ as I did previously, then browse to that path and select the sources folder). 
Next, press Browse Build and select the folder we created under C:\opencv, which I named MinGW. So the path entered should be "C:\opencv\MinGW". 
Then, press Configure. This brings up a new dialog where you're asked to specify the generator for this project. I just select here "MinGW Makefiles" and leave the "Use default native compilers" selected. Then click on Finish. When it's done, press Generate. You'll see something like this, if succeed, and close cmake:

Open Command Prompt and go to "C:\opencv\MinGW". Then write: mingw32-make.
Wait until it reaches 100% and then close the prompt.

*Note: You may experience an error message during mingw32-make, like this:

If that happens, open Windows Explorer, go to "C:\MinGW\include" folder and find and open the file "commctrl.h". Find the lines on top of the file (probably lines 13-15) that look like this:

1 2 3

#if 0 #define _WIN32_IE 0x0300 #endif

Change these lines to:

1 2 3

#if 1 #define _WIN32_IE 0x0500 #endif

Save the file, and try again mingw32-make. This time it should work.

Finally add to the PATH environment variable the path "C:\opencv\MinGW\bin". Go to "System | Advanced system settings | Environment Variables...", select the Path system variable and press "Edit...". At the end of the path add ";C:\opencv\MinGW\bin" (do not forget the semi-colon in front of C in order to separate it from the other paths). It should look something like this now:

Download and Install Eclipse for C++ Developers

---

☯ Download
Browse to the download page of Eclipse's website eclipse.org/downloads and download Eclipse IDE for C/C++ Developers. Then extract the downloaded archive.
Note: To run Eclipse you need to have Java installed (Java JRE or JDK). Don't mix 32-bit versions of one tool with 64-bit versions of another, or errors may occur. Here, we've used the 32-bit versions of Java, Eclipse, MinGW, and CMake.

☯ Setup CDT Tools
Open eclipse and if it's the first time, specify a workspace folder where the projects will reside. Go to "Help | Install New Software..." and click on "Available Software Sites". A new dialog appears and make sure that the checkbox in front of CDT is checked and press OK. Then under Work with select "CDT  - http://download.eclipse.org/tools/cdt/releases/8.7". Check the "CDT Main Features" and press Next, then Next again, then accept the license agreements and press Finish.
Restart eclipse.

--
Next, we'll see how to setup a functioning OpenCV project with all the necessary dependencies, both in C++ and Java, using eclipse.

مومنت در پردازش تصویر

http://barnamenevis.org/showthread.php?323583-%D9%85%D9%88%D9%85%D9%86%D8%AA-(-moment-)-%DA%86%DB%8C%D8%B3%D8%AA-%D9%88-%DA%86%DA%AF%D9%88%D9%86%D9%87-%D9%BE%DB%8C%D8%A7%D8%AF%D9%87-%D8%B3%D8%A7%D8%B2%DB%8C-%D8%A2%D9%86-%D8%AF%D8%B1-%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%9F%D8%9F%D8%9F

http://www.7khatcode.com/260/%D9%86%D8%AD%D9%88%D9%87-%D8%A8%D8%AF%D8%B3%D8%AA-%D8%A2%D9%88%D8%B1%D8%AF%D9%86-%D9%85%D9%88%D9%85%D9%86%D8%AA

http://www.7khatcode.com/4207/%D9%85%D9%88%D9%85%D9%86%D8%AA-moment-%DA%86%DB%8C%D8%B3%D8%AA%D8%9F

http://www.7khatcode.com/index.php?qa=2874&qa_1=%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D8%B1%D9%86%DA%AF-%D9%88-%D9%85%D8%B1%DA%A9%D8%B1-%D8%A2%D9%86-%D8%AF%D8%B1-emgu-cv&show=3069#a3069

ذخیره چند عکس با اسامی مختلف از یک ویدیو

What did you expect this to do? You always write the same image called "images.jpg". You could simply achieve your task via stringstreams (#include <sstream>)

if (response==1)
{
    stringstream file;
    file << "image" << count_4 << ".jpg";
    count_4++;

    cv::imwrite(file.str(), pre_img);

}

If you want to write to a certain folder, you could try this. Im not 100% sure this works on windows. On linux it worked with the linux folder structure.

file << "D:\images\image" << count_4 << ".jpg";

---

You can use std::stringstream to build sequential file names:

First include the sstream header from the C++ standard library.

#include<sstream>

using namespace std;

Then inside your code, you can do the following:

stringstream ss;

string name = "cropped_";
string type = ".jpg";

ss<<name<<(ct + 1)<<type;

string filename = ss.str();
ss.str("");

imwrite(filename, img_cropped);

To create new folder, you can use windows' command mkdir in the system function from stdlib.h:

 string folderName = "cropped";
 string folderCreateCommand = "mkdir " + folderName;

 system(folderCreateCommand.c_str());

 ss<<folderName<<"/"<<name<<(ct + 1)<<type;

 string fullPath = ss.str();
 ss.str("");

 imwrite(fullPath, img_cropped);

---

کدهای خودم برای ذخیره متوالی چند عکس:

     #include<sstream>
      

      stringstream file;
      int z=0;

int main()

     vector<int> compression_params;
     compression_params.push_back(IMWRITE_PNG_COMPRESSION);

while (true)

        file << "Alef-" << z << ".png";
        imwrite(file.str(),imgLines,compression_params);
        z++;
        file.str("");
        //اگر خط بالا نباشد حرف الف-1 بعد از ذخیره عکس اول حذف نمیشود و عکس بعدی با عنوان
        //الف-1 الف-2 ذخیره میشود. یعنی پشت سرهم میافتند

---

از این کد به نظرم استفاده شود بهتر است:

     #include<sstream>     

      int z=0;

int main()

     vector<int> compression_params;
     compression_params.push_back(IMWRITE_PNG_COMPRESSION);

while (true)

      stringstream file;

        file << "Alef-" << z << ".png";
        imwrite(file.str(),imgLines,compression_params);
        z++;

---