机器视觉基础知识详解模板
机器视觉基础知识详解
随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。
机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。
案例一：机器人+视觉自动上下料定位的应用：
现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。
该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。
案例二：视觉检测在电子元件的应用：
此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。
该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
案例三：啤酒厂采用的填充液位检测系统案例：
当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒瓶和持续的流程统计数据。
机器视觉的应用领域:
?识别
标准一维码、二维码的解码
光学字符识别（OCR）和确认（OCV）
?检测
色彩和瑕疵检测
零件或部件的有无检测
目标位置和方向检测?测量
尺寸和容量检测
预设标记的测量，如孔位到孔位的距离
?机械手引导
输出空间坐标引导机械手精确定位
机器视觉系统的分类
?智能相机
?基于嵌入式
?基于PC
机器视觉系统的组成
?图像获取：光源、镜头、相机、采集卡、机械平台
?图像处理与分析：工控主机、图像处理分析软件、图形交互界面。?判决执行：电传单元、机械单元
光源---光路原理
照相机并不能看见物体，而是看见从物体表面反射过来的光。
镜面反射：平滑表面以对顶角反射光线
漫射反射：粗糙表面会从各个方向漫射光线
发散反射：多数表面既有纹理，又有平滑表面，会对光线进行发散反射
?光源---作用和要求
在机器视觉中的作用
照亮目标，提高亮度
形成有利于图像处理的效果
克服环境光照影响，保证图像稳定性
用作测量的工具或参照
良好的光场设计要求
对比度明显，目标与背景的边界清晰
背景尽量淡化而且均匀，不干扰图像处理
与颜色有关的还需要颜色真实，亮度适中，不过曝或欠曝；
?光源---光场构造
明场：光线反射进入照相机暗场：光线反射离开照相机
?光源---构造光源
使用不同照明技术对被测目标会产生不同的影响，以滚珠轴承为例：
?相机
种类：线&面、隔/逐、黑/彩、数/模、低/高、CCD/CMOS
指标：象元尺寸、分辨率、靶面大小、感应曲线、动态范围、灵敏度、速度噪声、填充因子、体积、质量、工作环境等
工作模式：Free run、Trigger（多种）、长时间曝光等
传输方式：GIGE，Cameralinker,模拟
?相机--按照图像传感器区分
CCD相机（Charge Coupled Device）：使用CCD感光芯片为图像传感器的相机,集光电转换及电荷存贮、电荷转移、信号读取于一体，是典型的固体成像器件。
CMOS相机(Complementary Metal Oxide Semiconductor )：使用CMOS感光芯片为图像传感器的相机 ,将光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上，还具有局部像素的编程随机访问的优点。
?相机--按照输出图像颜色区分：
单色相机：输出图像为单色图像的相机。
彩色相机：输出图像为彩色图像的相机。
?相机--按输出信号区分
模拟信号相机：从传感器中传出的信号，被转换成模拟电压信号，即普通视频信号后再传到图像采集卡中。
数字信号相机：信号自传感器中的像素输出后，在相机内部直接数字化并输出。数字相机又包含1394相机、USB相机、Gige相机、CameraLink相机等
?相机--按照传感器类型区分
面扫描相机：传感器上像素呈面状分布的相机，其所成图像为二维“面”图像。
线扫描相机：传感器上呈线状（一行或三行）分布的相机，其所成图像为一维“线”图像。
?相机--传感器的尺寸
图像传感器感光区域的面积大小。这个尺寸直接决定了整个系统的物理放大率。如：1/3“、1/2”等。绝大多数模拟相机的传感器的长宽比例是4：3 (H：V)，数字相机的长宽比例则包括多种：1：1，4：3，3：2 等。
?相机--像素
是成像于相机芯片的图像的最小组成单位。以200万像素的相机为例，满屏有1600*1200个像素,成像于1/1.8英寸大小的CCD芯片。
?相机--分辨率
由相机所采用的芯片分辨率决定，是芯片靶面排列的像元数量。通常面阵相机的分辨率用水平和垂直分辨率两个数字表示，如：1920（H）x 1080(V)，前面的数字表示每行的像元数量，即共有1920个像元，后面的数字表示像元的行数，即1080行。
?相机--帧率和行频
由相机的帧率/行频表示相机采集图像的频率，通常面阵相机用帧率表示，单位fps （Frame Per second），如30fps,表示相机在1秒钟内最多能采集30帧图像；线性相机通常用行频表示，单位KHz,如12KHz表示相机在1秒钟内最多能采集12000行图像数据。
?相机--快门速度（Shutter Speed）
CCD/CMOS相机多数采用电子快门，通过电信号脉冲的宽度来控制传感器的光积分（曝光）时间。对于一般性能的的相机快门速度可以达到1/10000-1/100000秒。
卷帘快门（Rolling Shutter）：多数CMOS图像传感器上使用的快门，其特征是逐行曝光，每一行的曝光时间不一致。
全局快门（Global Shutter）：CCD传感器和极少数CMOS传感器采用的快门，传感器上所有像素同时刻曝光。
?相机--智能相机
智能工业相机是一种高度集成化的微小型机器视觉系统。它将图像的采集、处理与通信功能集成于单一相机内，从而提供了具有多功能、模块化、高可靠性、易于实现的机器视觉解决方案。智能工业相机一般由图像采集单元、图像处理单元、图像处理软件、网络通信
装置等构成。由于应用了最新的 DSP、FPGA及大容量存储技术，其智能化程度不断提高，可满足多种机器视觉的应用需求。
?镜头---主要参数
工业的镜头大都是多组镜片组合在一起的。计算时会忽略厚度对透镜的影响将其等效成没有厚度的播透镜模型，即理想凸透镜。
参数：焦距/视场/物距/像距/光圈/景深/分辨力/放大倍数/畸变/接口
分辨率：对色彩和纹理的分辨能力。
畸变：镜头中心区域和四周区域的放大倍数不相同。
畸变的校正一般用黑白分明的方格图像来进行，过程并不复杂。一般如果畸变小于2%，人眼观察不到；若畸变小于CCD的一个像素，摄像机也看不见。
?镜头---分类
CCTV镜头
专业摄影镜头
远心镜头
?镜头---远心镜头
在测量系统中，物距常发生变化，从而使像高发生变化，所以测得的物体尺寸也发生变化，即产生了测量误差；即使物距是固定的，也会因为CCD敏感表面不易精确调整在像平面上，同样也会产生测量误差。采用远心物镜中的像方远心物镜可以消除物距变化带来的测量误差，而物方远心物镜则可以消除CCD位置不准带来的测量误差。
机器视觉基础知识详解
机器视觉基础知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+视觉自动上下料定位的应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 案例二：视觉检测在电子元件的应用： 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
机器人视觉算法 参考答案
1.什么是机器视觉 【概述】 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、 CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。 系统可再分为： 主端电脑(Host Computer) 影像撷取卡(Frame Grabber)与影像处理器影像摄影机 CCTV镜头显微镜头照明设备： Halogen光源 LED光源 高周波萤光灯源闪光灯源其他特殊光源影像显示器 LCD 机构及控制系统 PLC、PC-Base控制器 精密桌台伺服运动机台 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 2.镜头FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点 / 节点⑦畸变 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD；单色相机和彩色相机。 4.图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。 5.视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集
机器视觉检测的基础知识[大全]
机器视觉检测的基础知识~相机 容来源网络，由“机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在机械展. 相机都有哪些种类？我们常说的CCD就是相机么？除了2D平面相机，是否还有其他种类的相机，原理又是什么？下面这篇文章给您一一道来。 一，相机就是CCD么？ 通常，我们把所有相机都叫作CCD，CCD已经成了相机的代名词。正在使用被叫做CCD的很可能就是CMOS。其实CCD和CMOS都称为感光元件，都是将光学图像转换为电子信号的半导体元件。他们在检测光时都采用光电二极管，但是在信号的读取和制造方法上存在不同。两者的区别如下： 二，像素。 所谓像素，是指图像的最小构成单位。电脑中的图像，是通过像素（或者称为PIXEL）这一规则排列的点的集合进行表现的。每一个点都拥有色调和阶调等色彩信息，由此就可以描绘出彩色的图像。 ▼例如：液晶显示器上会显示「分辨率：1280×1024」等。这表示横向的像素数为1280，纵向的像素数为1024。这样的显示器的像素总数即为1280×1024＝1,310,720。由于像素数越多，则越可以表现出图像的细节，因此也可以说「清晰度更高」。
三，像素直径。 所谓像素直径，是指每个CCD元件的大小，通常使用μm作为单位。严谨的说，这个大小中包含了受光元件与信号传送通路。（＝像素间距，即某个像素的中心到邻近一个像素的中心的距离。）。也就是说，像素直径与像素间距的值是一样的。如果像素直径较小，则图像将通过较小的像素进行描绘，因此可以获得更加精细的图像。可以通过像素直径和有效像素数，求出CCD元件的受光部的大小。 假设某个 CCD 元件的条件如下所示： ·有效像素数…768 × 484 ·像素直径…8.4 μm× 9.8μm 则受光部的大小为 ·横向768 × 8.4μm＝ 6.4512 mm ·纵向484 × 9.8μm＝ 4.7432 mm 四，CCD的大小。 ▼CCD感光元件的大小，一般分为采用英寸单位表示和采用APS-C大小等规格表示这2种方式。采用英寸表示时，该尺寸并不是拍摄的实际尺寸，而是相当于摄像管的对角长度。例如，1/2英寸的CCD表示「拥有相当于1/2英寸的摄像管的拍摄围」。为什么如此计算呢，这是由于当初制造CCD的目的就是用来代替电视机录像机的摄像管的。当时，由于想要继续使用镜头等光学用品的需求比较强烈，由此就诞生了这种奇怪的规格。主要的英寸规格的尺寸如下表所示。
机器视觉入门知识详解
机器视觉入门知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 啤酒厂采用的填充液位检测系统为例来进行说明： 当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒 瓶和持续的流程统计数据。
机器人视觉引导玩偶定位应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 视觉检测在电子元件的应用：
(完整版)机器视觉思考题及其答案
什么是机器视觉技术？试论述其基本概念和目的。 答：机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。 机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。 机器视觉系统一般由哪几部分组成？试详细论述之。 答：机器视觉系统主要包括三大部分：图像获取、图像处理和识别、输出显示或控制。 图像获取：是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD和CMOS）采集物体影像。 图像处理和识别：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后，图像的质量得到提高，既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。 输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。 试论述机器视觉技术的现状和发展前景。 答：。机器视觉技术的现状：机器视觉是近20～30年出现的新技术，由于其固有的柔性好、非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。 发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。 机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。答：一、在激光焊接中的应用。通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。 二、在火车轮对检测中的应用，通过机器视觉系统抓拍轮对图像，找出轮对中有缺陷的轮对，提高检测精度和速度，提高效率。 三、大批量生产过程中的质量检查，通过机器视觉系统，对生产过程中的产品进行质量检查跟踪，提高生产效率和准确度。 什么是傅里叶变换，分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。 答：傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。 一维连续函数的傅里叶变换为： 一维离散傅里叶变换为： 二维连续函数的傅里叶变换为： 二维离散傅里叶变换为： 图像傅立叶变换的基本概念：傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图
机器视觉算法基础(DOC)
机器视觉 基于visual C++ 的数字图像处理
摘要 机器视觉就是用机器代替人眼来做测量和判断。它通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来获取信息。本文主要介绍的是数字图像处理中的一些简单应用，通过对图像进行滤波、增强、灰度变换、提取特征等处理来获取图像的信息，达到使图像更清晰或提取有用信息的目的。 关键字：机器视觉、灰度图处理、滤波、边缘提取、连通区域
目录 摘要 (2) 目录 (3) 1 概述 (4) 2技术路线 (4) 3实现方法 (5) 3.1灰度图转换 (5) 3.2 直方图均衡化 (6) 3.3均值滤波和中值滤波 (6) 3.4灰度变换 (7) 3.5拉普拉斯算子 (8) 4 轮廓提取 (9) 5 数米粒数目 (15) 6 存在的问题 ................................................................................................ 错误！未定义书签。 7 总结 ............................................................................................................ 错误！未定义书签。 8 致谢 ............................................................................................................ 错误！未定义书签。参考文献 . (17)
机器视觉基本介绍
机器视觉基本概念 2018.1.29 机器视觉系统 作用：利用机器代替人眼来做各种测量和判断。 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。 机器视觉系统的特点：是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。可以在最快的生产线上对产品进行测量、引导、检测、和识别，并能保质保量的完成生产任务 视觉检测：指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。 照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。 照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 镜头 FOV（Field of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比） 镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点/节点⑦畸变
机器视觉系统重点技术
机器视觉系统重点技术 机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，图像处理系统根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统的具体应用需求千差万别，视觉系统本身也可能有多种不同的形式，但都包括以下过程: 图像采集 利用光源照射被观察的物体或环境，通过光学成像系统采集图像，通过相机和图像采集卡将光学图像转换为数字图像，这是机器视觉系统的前端和信息来源。 图像处理和分析 计算机通过图像处理软件对图像进行处理，分析获取其中的有用信息。如各种电子连接器尺寸检测、食品的图像中是否存在疵点、字符缺陷等。这是整个机器视觉系统的核心。 判断和控制 图像处理获得的信息最终用于对对象（被测物体、环境）的判断，并形成对应的控制指令，发送给相应的机构。如摄取的零件图像中，计算零件的尺寸是否与标准一致，不一致则发出报警，做出标记或进行剔除。 在整个过程中，被测对象的信息反映为图像信息，进而经过分析，从中得到特征描述信息，最后根据获得的特征进行判断和动作。最典型的机器视觉系统一般包括: 光源、光学成像系统、相机、图像采集卡、图像处理硬件平台、图像和视觉信息处理软件、通信模块。 总体上，一个成功的机器视觉系统需要重点解决图像采集（包括光源、光学成像、数字图像获取与传输）、图像处理分析几个环节的关键技术。 光源设计照明是机器视觉系统中极其重要而又容易为人忽视的环节。其设计是机器视觉系统设计的重要步骤，直接关系着系统的成败和性能。因为照明直接作用于系统的原始输入，对输入数据质量的好坏有直接的影响。光源决不仅仅是为了照亮物体，通过有效的光源设计可以令需要检测的特征突出，同时抑制不需要的干扰特征，给后端的图像处理带来极大的便利。而不恰当的照明方案会造成图像亮度不均匀，干扰增加，有效特征与背景难以区分，令图像处理变得极其困难，甚至成为不可能完成的任务。 光源设计主要包括三个方面: 光源、目标和环境的光反射和传送特性、光源的结构。由于被测对象、环境和检测要求千差万别，因而不存在通用的机器视觉照明设备，需要针对每个具体的案例来设计照明的方案，要考虑物体和特征的光学特性、距离、背景，根据检测要求具体选择光的强度、颜色和光谱组成、均匀性、光源的形状、照射方式等。
机器视觉算法笔记
1、相机的信噪比、SNR=1时（光强可探测到的最小光强，绝对灵敏度），动态增益为光强.sat/光强.min（dB/位），量子效率是波长的函数：η=η（λ）--CCD比CMOS灵敏，动态范围大。 2、数据结构：图像、区域和亚像素轮廓 图像：彩色摄像机采集的是每个像素对应的三个采样结果（RGB三通道图像）、图像通道可被看作一个二维数组，设计语言中的表示图像的数据结构；两种约定：离散函数（点对点）R→R n、连续函数：R2→R n。 区域：可以表示一幅图像中一个任意的像素子集，区域定义为离散平面的一个任意子集：R ∈Z2，将图像处理闲置在某一特定的感兴趣区域（一幅图像可被看作图像所有像素点的矩形感兴趣区域）。二值图像特征区域：用1表示在区域内的点，用0表示不在区域内的点；行程表示法：每次行程的最小量的数据表示行程的纵坐标、行程开始和行程结束对应横坐标值。行程编码较二值图像节省存储空间（行程编码保存在16位整数，须要24个字节，而采用二值图像描述区域，每个像素点占1个字节，则有35个字节）。行程编码保存的只是区域的边界。为描述多个区域，采用链表或数组来保存采用形成编码描述的多个区域，每个区域的信息是被独立保存和处理的。 亚像素轮廓：比像素分辨率更高的精度（亚像素阈值分割或亚像素边缘提取）。轮廓基本上可被描述成多表型，然后用排序来说明哪些控制点是彼此相连的，在计算机里，轮廓只是用浮点数表示的横和纵坐标所构成的数组来表示。 3、图像增强：硬件采集的图像质量不好，可应用软件进行增强。 灰度值变换：由于光源照明的影响，局部的图像会产生对比度与设定值不一致，需要局部的去增强对比度。为提高变换速度，灰度值变换通常通过查找表（LUT）来进行（将灰度输入值变换后输出保存到查找表中），最重要的灰度值变换是线性灰度值比例缩放：f(g)=ag+b（ag 表示对比度，b表示亮度）。为了自动获取图像灰度值变换参数a、b的值，通过图像感兴趣区域的最大与最小灰度值设置出a、b的值（灰度值归一化处理）。灰度直方图表示某一灰度值i出现的概率。对于存在很亮和很暗的区域，图像归一化时需要去除一小部分最暗、最亮的灰度值（用2个水平线截取区域），再进行图像归一化处理，将对比度提高（鲁棒的灰度归一化处理）。 辐射标定：传感器收集的能量与图像实际灰度值的关系是非线性时候（一般需要是线性的，提高某些处理算法的精确度），对非线性相应求其逆响应的过程就是辐射标定。取q=？对响应函数求逆运算得到线性响应，求q的过程既是标定。 图像平滑：抑制由于多种原因产生的图像噪声（随即灰度值）。干扰后灰度值=图像灰度值+噪声信号（将噪声看作是针对每个像素平均值为0且方差是б2的随机变量），降噪方法之一、时域平均法，采集多幅图像进行平均，标准偏差将为原来的1/根号n，求的平均值后，将任意一幅图像减去平均，即为该幅图像的噪声；方法之二、空间平均操作法，通过像素数(2n+1)*(2m+1)的一个窗口进行平均操作，会使边缘模糊（计算量非常大，进行(2n+1)*(2m+1)次操作）；方法之三、递归滤波器，在前一个计算出的值的基础上计算出新的值，较方法一速度快了30倍；满足所有准则（平滑程度准则t，以及XXs滤波）的高斯滤波器：高斯滤波器是可分的，所以可以非常高效率的被计算出来，能够更好地抑制高频部分。若更关注质量，则应采用高斯滤波器；若关注执行速度，首选使用均值滤波器。 傅里叶变换：将图像函数从空间域转变到频率域，可以再进行频率高低的滤波操作平滑。 4、插值算法：图像被放大不清晰时，通过插值增加放大的增多的像素
机器视觉工业镜头计算方法
机器视觉工业镜头计算方法（一） 2012年8月1日艾菲特光电 一、机器视觉中工业镜头的计算方式 1、WD 物距工作距离（Work Distance，WD）。 2、FOV 视场视野（Field of View，FOV） 3、DOV 景深（Depth of Field）。 4、Ho:视野的高度 5、Hi:摄像机有效成像面的高度(Hi来代表传感器像面的大小) 6、PMAG:镜头的放大倍数 7、f:镜头的焦距 8、LE:镜头像平面的扩充距离 二、相机和镜头选择技巧 1、相机的主要参数: 感光面积SS（Sensor Size） 2、镜头的主要参数: 焦距FL（Focal Length） 最小物距Dmin（minimum Focal Distance） 3、其他参数: 视野FOV（Field of View） 像素pixel FOVmin=SS（Dmin/FL） 如：SS=6.4mm，Dmin=8in，FL=12mm pixel=640*480 则：FOVmin=6.4（8/12）=4.23mm 4.23/640=0.007mm 如果精度要求为0.01mm，1pixels=0.007mm<0.01mm 结论：可以达到设想的精度 三、工业相机传感器尺寸大小：（单位：mm） (3.2mm×2.4mm)；1/3″：(4.8mm×3.6mm)；1/2″：(6.4mm×4.8mm)； (8.8mm×6.6mm)；1″：(12.8mm×9.6mm)；
四、CCD相机元件的尺寸 型号高度比长度（mm）宽度（mm）对角线（mm）1/6" 4:3 1.73 2.3 2.878 1/4" 4:3 2.4 3.2 4 1/3" 4:3 3.6 4.8 6 1/2" 4:3 4.8 6.4 8 1/1.8" 4:3 5.3 7.2 8.9 2/3" 4:3 6.6 8.8 11 1" 4:3 9.6 12.8 16 4/3" 4:3 13.5 18 22.5 五、线阵传感器尺寸（单位：mm）
机器视觉基础知识详解
机器视觉基础知识详解 随着工业4、0时代的到来,机器视觉在智能制造业领域的作用越来越重要,为了能让更多用户获取机器视觉的相关基础知识,包括机器视觉技术就是如何工作的、它为什么就是实现流程自动化与质量改进的正确选择等。小编为您准备了这篇机器视觉入门学习资料。 机器视觉就是一门学科技术,广泛应用于生产制造检测等工业领域,用来保证产品质量,控制生产流程,感知环境等。机器视觉系统就是将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布与亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 机器视觉优势:机器视觉系统具有高效率、高度自动化的特点,可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触,安全可靠。人工检测与机器视觉自动检测的主要区别有: 为了更好地理解机器视觉,下面,我们来介绍在具体应用中的几种案例。 案例一:机器人+视觉自动上下料定位的应用:
现场有两个振动盘,振动盘1作用就是把玩偶振动到振动盘2中,振动盘2作用就是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统,该系统通过判断玩偶正反面,把玩偶处于正面的坐标值通过串口发送给机器人,机器人收到坐标后运动抓取产品,当振动盘中有很多玩偶处于反面时,VD200视觉定位系统需判断反面玩偶数量,当反面玩偶数量过多时,VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶就是否处于正面,计算出玩偶中心点坐标,发送给机器人。通过VD200视觉定位系统实现自动上料,大大减少人工成本,大幅提高生产效率。 案例二:视觉检测在电子元件的应用: 此产品为电子产品的按钮部件,产品来料为料带模式,料带上面为双排产品。通过对每个元器件定位后,使用斑点工具检测产品固定区域的灰度值,来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案,使用两个相机及光源配合机械设备,达到每次检测双面8个产品,每分钟检测大约1500个。当出现产品不良时,立刻报警停机,保证了产品的合格率与设备的正常运行,提高生产效率。 案例三:啤酒厂采用的填充液位检测系统案例:
机器视觉基础知识详解
机器视觉基础知识详解 随着工业 4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让 更多用户获取机器视觉的相关基础知识， 包括机器视觉技术是如何工作的、 它为什么是实现 流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量， 控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号, 传送给专用的 I 图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信 号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 光源 机器视觉优势：机器视觉系统具有高效率、 高度自动化的特点， 可以实现很高的分辨率精度 与速度。机器视觉系统与被检测对象无接触， 安全可靠。人工检测与机器视觉自动检测的主 要区别有: C C D 相机 高題 T 作时闻 工仙『可肖限 不易信息■棗成 人;」和倉理或本不斬上升 不适合齡和措辭境 V 工件 可靠性
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+ 视觉 自动上下料定位的应用: 从反面振动为正面。该应用采用了深圳视觉龙公司 VD200视觉定位系统，该系统通过判断玩 偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人， 机器人收到坐标后运动抓取产 品，当振动盘中有很多玩偶处于反面时， VD200视觉定位系统需判断反面玩偶数量，当反面 玩偶数量过多时，VD200视觉系统发送指令给振动盘 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面， 计算出玩偶中心点坐标，发 送给机器人。通过VD200视觉定位系统实现自动上料， 大大减少人工成本， 大幅提高生产效 率。 案例二：视觉检测在电子元件的应用: 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对 每个元器件定位后，使用斑点工具检测产品固定区域的灰度值， 来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的 Drag on Visi on 视觉系统方案，使用两个相机及光源配 合机械设备，达到每次检测双面 8个产品，每分钟检测大约 1500个。当出现产品不良时, 立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。 2把反面玩偶振成正面。 SB 3^ I i- I" 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘 2中，振动盘2作用是把玩偶
机器视觉与视觉检测知识点归纳
一总介 使用机器视觉系统五个主要原因： 1.精确性（无人眼限制） 2.重复性（相同方法检测无疲惫） 3.速度（更快检测） 4.客观性（无情绪主观性） 5.成本（一台机器可承担好几人工作） 机器视觉系统构成： 光学：1.相机与镜头；2.光源； 过渡：3.传感器（判断被测对象位置及状态）；4.图像采集卡（把相机图像传到电脑主机）； 电学（计算机）：5.PC平台；6.视觉处理软件；7.控制单元。 机器视觉系统一般工作过程：1.图像采集；2.图像处理；3.特征提取；4.判决和控制。 机器视觉系统的特点：1.非接触测量；2.具有较宽的光谱响应范围；3.连续性；4.成本较低；5.机器视觉易于实现信息集成；6.精度高；7.灵活性。 机器视觉应用领域两大类：科学研究和工业应用 科学研究主要对运动和变化的规律作分析； 工业方面主要是在线检测产品，机器视觉所能提供的标准检测功能主要有：有/无判断、
面积检测、方向检测、角度测量、尺寸测量、位置检测、数量检测、图形匹配、条形码识别、字符识别、颜色识别等。 二机器视觉系统的构成 相机的主要特性参数： 分辨率：衡量相机对物象中明暗细节的分辨能力。 最大帧率：相机采集传输图像的速率。 曝光方式和快门速度；o(*￣)￣*)o？ 像素深度：每一个像素数据的位数。 固定图像噪声：不随像素点的空间坐标改变的噪声。 动态范围等 CCD相机和CMOS相机的区别： 1.设计：CCD是单一感光器，CMOS是感光器连接放大器。 2.灵敏度：同样面积下，CCD灵敏度高；CMOS由于感光开口小，灵敏度低。 3.成本：CCD线路品质影响程度高，成本高；CMOS由整合集成，成本低。 4.解析度：CCD连接复杂度低，解析度高；CMOS新技术解析度高。 5.噪点比：CCD信号单一放大，噪点低；CMOS百万放大（每个像素都有各自的 放大器），噪点高。 6.功耗比：CCD需外加电压，功耗高；CMOS直接放大，功耗低。
机器视觉教学大纲
《机器视觉》教学大纲 （一）课程基本信息 1. 课程代码：20136219 2. 课程名称（中文/英文）：机器视觉 / Machine Vision 3. 课程类别：专业方向课 4. 课程学分：2.0 5. 课程学时：32学时（其中，授课学时：32学时） 6. 开课单位：信息科学与工程学院 7. 教学对象：电子信息工程、通信工程 （二）课程简介 “机器视觉”是电子信息工程、通信工程的专业方向课，是专业理论课信号与系统、数字信号处理在图像、视频处理领域偏重应用实践的课程。通过学习，使学生掌握机器视觉的基本方法，熟悉实际应用中使用较为广泛的视觉问题求解算法，了解机器视觉在各个领域的相关应用。 先修课程：线性代数，信号与系统，数字信号处理，C语言程序设计 （三）课程教学目标和能力要求 “机器视觉”课程以机器视觉的基本算法为基础，通过具体的视觉问题为例讲解机器视觉问题的一般求解方法。通过学习，使学生能使用图像空间滤波、频域变换、特征点检测、图像匹配与几何映射等机器视觉的基本方法，掌握简单机器视觉问题的求解方法。培养学生将文献转换为实际工程实现的能力，使学生能够将现有的方法转换成自己的工具。培养学生工程实践能力和创新能力。为毕业就业培养专业素养，提供技术准备。 （四）课程教学方法 根据学生特点和课程特点，采用理论教学结合实际问题分析的方法。课堂教学部分遵从分知识点循序渐进的原则，主要以启发式教学和实例教学法为主，激发学生的学习兴趣。课程设置针对性的课程项目，通过实际应用，提高学生的实践能力，加深学生对知识点的掌握。通过设置小组合作形式的课程设计，提高学生的团队协作能力。 （五）课程内容及教学安排 教学主题1：机器视觉导论（2 学时） [知识点]：机器视觉概念，视觉理论的发展，机器视觉与相关研究领域，机器视觉的应用 [重点]：掌握机器视觉的概念，理解计算视觉理论 [难点]：Marr的计算视觉理论
机器视觉之光源选择的基本知识
光源选择的基本知识 一个好的操作平台应该能够在最短的时间内处理图像，好的机器视觉软件应该能够很容易的在一系列的案例中应用，好的相机和镜头应该是拥有最小的畸变和足够的分辨率。但是，好的机器视觉照明应该有什么特点呢？在图像的分析处理中，光源的角色又是什么呢？ 判断机器视觉的照明的好坏，首先必须了解什么是光源需要做到的！显然光源应该不仅仅是使检测部件能够被摄像头"看见"。有时候，一个完整的机器视觉系统无法支持工作，但是仅仅优化一下光源就可以使系统正常工作。 对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。 亮度：当选择两种光源的时候，最佳的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。第一，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会最大。 鲁棒性：另一个测试好光源的方法是看光源是否对部件的位置敏感度最小。当光源放置在摄像头视野的不同区域或不同角度时，结果图像应该不会随之变化。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。在很多情况下，好的光源需要在实际工作中与其在实验室中的有相同的效果。
好的光源需要能够使你需要寻找的特征非常明显，除了是摄像头能够拍摄到部件外，好的光源应该能够产生最大的对比度、亮度足够且对部件的位置变化不敏感。光源选择好了，剩下来的工作就容易多了！ 机器视觉应用关心的是反射光（除非使用背光）。物体表面的几何形状、光泽及颜色决定了光在物体表面如何反射。机器视觉应用的光源控制的诀窍归结到一点就是如何控制光源反射。如何能够控制好光源的反射，那么获得的图像就可以控制了。因此，在机器视觉应用中，当光源入射到给定物体表面的时候，明白光源最重要的方面就是要控制好光源及其反映。 光源可预测：当光源入射到物体表面的时候，光源的反映是可以预测的。光源可能被吸收或被反射。光可能被完全吸收（黑金属材料，表面难以照亮）或者被部分吸收（造成了颜色的变化及亮度的不同）。不被吸收的光就会被反射，入射光的角度等于反射光的角度，这个科学的定律大大简化了机器视觉光源，因为理想的想定的效果可以通过控制光源而实现。 物体表面：如果光源按照可预测的方式传播，那么又是什么原因使机器视觉的光源设计如此的棘手呢？使机器视觉照明复杂化的是物体表面的变化造成的。如果所有物体表面是相同的，在解决实际应用的时候就没有必要采用不同的光源技术了。但由于物体表面的不同，因此需要观察视野中的物体表面，并分析光源入射的反映。 控制反射：本文前面提到了，如果反射光可以控制，图像就可以控制了。这点再怎么强度也不为过。因此在涉及机器视觉应用的光源设计时，最重要的原则就是控制好哪里的光源反射到透镜及反射的程度。机器视觉的光源设计就是对反射的研究。在视觉应用中，当观测一个物体以决定需要什么样的光源的时候，首先需要问自己这样的问题："我如何才能让物体显现？""我如何才能应用光源使必须的光反射到镜头中以获得物体外表？"
机器视觉及其应用
机器视觉及其应用 一、机器视觉的研究内容 人们从外界环境获取的信息中, 80%来自于视觉。人们的眼睛从自己周围的环境获取大量信息,并 传入大脑后,由大脑根据知识或经验,对信息进行加工、推理等处理工作,最后识别、理解周围环境,包 括环境内的对象物。机器视觉就是用计算机模拟人眼的视觉功能,从图象或图象序列中提取信息,对客 观世界的三维景物和物体进行形态和运动识别。机器视觉研究的目的之一就是要寻找人类视觉规律,从 而开发出从图象输入到自然景物分析的图象理解系统。 对于机器视觉系统来说,输入是表示三维景物投影的灰度阵列,可以有若干个输入阵列,这些阵列可提供从不同方向、不同视角、不同时刻得到的信息。希望的输出,是对图象所代表景物的符号描述。通常这些描述是关于物体的类别和物体间的关系,但也可能包括如表面空间结构、表面物理特性(形状、纹理、颜色、材料)、阴影以及光源位置等信息。目前许多机器视觉专家都是在马尔( M ar r)创立的视觉计算理论框架下求索。本世纪70年代中后期,英国的M arr教授应邀在美国麻省理工学院的人工智能实验室创建并领导一个以博士生为主体的研究小组,从事视觉理论方面的研究,逐步形成关于视觉的计算理论。Marr认为,视觉可分为三个阶段(图1)。第一阶段是早期视觉( early v ision) ,其目的是抽取观察者周围景物表面的物理特性,如距离、表面方向、材料特性(反射、颜色、纹理)等,具体来说包括边缘检测、双目立体匹配、由阴影确定形状、由纹理确定形状、光流计算等;第二阶段是二维半简图( 2. 5D sket ch)或本征图象( Int rinsic Im ag e) , 它是在以观察者为中心的坐标系中描述表面的各种特性,根据这些描述,可以重建物体边界、按表面和体积分割景物,但在以观察者为中心的坐标系中只能得到可见表面的描述,得不到遮挡表面的描述,故称二维半简图;第三阶段是三维模型（视觉信息处理的最后一个层次) ,是用二维半简图中得到的表面信息建立适用于视觉识别的三维形状描述,这个描述应该与观察者的视角无关,也就是在以物体为中心的坐标系中,以各种符号和几何结构描述物体的三维结构和空间关系。 二、机器视觉与人类视觉的差异 对于人的视觉来说,由于人的大脑和神经的高度发展,其目标识别能力很强。但是,人的视觉也同样存在障碍,例如即使具有一双敏锐视觉和极为高度发达头脑的人,一旦置于某种特殊环境(即使曾经具备一定的先验知识) ,其目标识别能力也会急剧下降。事实上人们在这种环境下面对简单物体时,仍然可以有效而简便地识别,而在这种情况下面对复杂目标或特殊背景时,则在视觉功能上发生障碍,两者共同的结果是导致目标识别的有效性和可靠性的大幅度下降。将人的视觉引入机器视觉中,机器视觉也存在着这样的障碍。它主要表现在三个方面:一是如何准确、高速(实时)地识别出目标;二是如何有效地增大
[Labview经验]机器视觉系列—— Vision 基础知识上集汇总
[Labview经验]机器视觉系列——Vision 基础知识上集 第1章节（上） 1.1 机器视觉简介与硬体介绍 1.1.1 前言 对于首次接触「机器视觉」的朋友来说，对这个名词肯定有点陌生，所以我们先来简单介绍一下这个专有名词。 「机器视觉」是泛指搭载视觉影像系统的检测设备，影像系统主要是由相机、镜头与光源等光学仪器所建构而成的。利用这些检测器材广泛地投入各种应用，如产品的瑕疵检测（Inspection）、辨识产品外观（Recognition）与量测产品尺寸（Measurement），而视觉对位（Alignment）与自动化做结合，搭配运动控制或机械手臂，可进行物料的定位与校正，完成手眼协调的视觉伺服系统（Visual Servo System）。 图1.1 - 搭载相机的机器手臂所构成的视觉伺服系统架构 机器视觉一直以来都受到相关产业的重视，这边列出几项机械视觉的特色： ?安全性高 ??具备高解析度 ??拥有全检能力 ?资料重现性好 ?可降低人工成本 ?可搭配高速运动控制 ?可配合运动控制系统进行回馈控制（智慧型自动化） 目前使用机器视觉的领域非常广泛，与它相关的热门产业包括半
导体、光电、机密工业与製造业等，主要的应用是将这些技术导入产品检测与自动化生产，目的就是为了提升产能、增加良率与减少人员配置。 接着，我们来简单的了解一些与机器视觉相关的专有名词： 影像系统（Image System） 构成机器视觉最基本架构就是包含相机与镜头的影像系统，最重要的五个基本参数必须先弄清楚： 图1.2 - 影像系统的示意图 1. 感光元件大小（Sensor Size）：相机内部感光元件的尺寸 2. 工作距离（Working Distance）：相机镜头前缘到物体表面的距离 3. 景深（Depth of Field）：能维持影像距焦清晰的有效距离 4. 视野範围（Field of View）：相机所能撷取到物体的实际範围 5. 解析度（Resolution）：指的是相机拍摄物体可辨识的最小尺寸，解析度越高，检测精度也较好，表 示能从影像中获取有用的资讯越多 光圈（F） 用来表示所控制的光源进入镜头的总量，类似人类的瞳孔，光圈越大，表示能进入的光越多，反之越少。镜头上都会标示最大光圈值，如标示值为「1:1.8」，表示该镜头的最大光圈值为「1.8」，而数字越小，代表大光圈，反之越小。 图1.3 - 不同F值所代表的光圈大小