机器视觉创新综合试验
机器视觉创新综合实验
一、介绍：
机器视觉系统的特点是提高生产的自动化程度。在一些不适合人工作的危险环境下或者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；同时在大批量生产过程中，人工视觉检测产品效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和自动化程度。在现代化生产中，人们广泛的将机器视觉系统广泛地用于工况监测、成品检验和质量控制等领域。本实验模拟机器视觉系统在生产实践中的多种应用，深化同学对机器视觉系统的认识。
二、涉及内容：
光电检测、信息光学、数字图像处理
三、实验原理
（1）机器视觉系统的基本构成及工作原理：
一个典型的工业机器视觉系统包括：光源、镜头、相机（包括CCD相机
和COMS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。
1）照明系统
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。
2）图像传感系统
机器视觉的图像传感器一般包括三个部分：镜头，摄像机，图形采集卡。
一般来说，图像传感器实施对景物图像的采集；图形采集卡承担着对摄像机所采集图像的前置处理任务，是图像传感器与主处理器之间的链接“桥梁”。
3）图像处理系统
机器视觉系统的图像处理系统软件主要包括计算机操作系统及其应用软件、图像处理算法软件、控制软件等。其中，图像处理算法软件是机器视觉系统中最为关键的软件，因为它反映出对不同被测对象图像特征检测的核心思想（数学模型）。实际上图像处理算法的涉及范围十分广阔，根据应用目的的不同，可包括摄像机标定算法、图像输入处理、图像滤波、边缘检测、特征提取、图像匹配、深度识别。（2）图像采集设备的研究
1）、远心光路
远心光路就是孔径光阑位于光学系统焦点处的光路。
在测量仪器中，远心光路的作用是非常明显的，因为它大大降低了因系统离焦而引起的测量误差。远心光路中按照光阑位置的不同，又分为物方远心光路和像方远心光路，光阑在像方焦点处的为物方远心光路，光阑在物方焦点处的为像方远心光路。
在图7-1中，光阑在物镜上，为非远心光路。按照测量要求，被测物AB的像A'B '应与分划板MN重合。但在实际测量中往往因调试误差而产生离焦，物
图7-1
非远心光路
面位置实际位于A i B i处，它的像与MN不重合，在MN上的投影为CD，这样就导致了测量误差。
在图7-2中，在像方焦点上加上孔径光阑，成为物方远心光路。由于调焦不准，物面由AB移动至A i B i,同时像面也由A'B'移动至A'i B'i处，但由于是远心光路，主光线平行于光轴，出射主光线通过焦点，主光线方向没有任何改变，A i B i的像A'i B i'在分划板上的投影仍为A'B'因此没有引起测量误差。当然，由于离焦，像在分划板上的投影有一些弥散，但投影中心没有变化，虽然也会造成判读误差，但是相比投影误差会小得多。
在图7-3中，把光阑放在物镜的前焦面处。由于轴外主光线在像方是平行的，即使调焦有误差，其主光线在分划板上的位置也没有变化，读数还是相同的。
综上所述，因主光线平行于光轴，造成的结果是物体前后移动时，在像面上的像点只会模糊而位置中心不变。
2）、景深
在实际测量中，被测物都是有一定空间深度的，也就是说，需要将一定深度范围的物空间成像在一个平面上。
M
可得Vi J ， 扁
1
，
物空间所成的像，在像平面上除了与其共轭的物平面的像之外， 同时还映出 了位于共轭物平面前后的空间点的像，这些非共轭点在像平面上所成的像不再是 点像，而是一些相应光束的截面一弥散斑。这些弥散斑尺寸足够小时，可以将其 等效地视为空间物点的共轭像，并认为所成的由弥散斑组成的像是清晰的。
能在像平面上获得清晰像的空间深度称为景深。
图7-4
B i
B 2
如图7-4所示，因为理想像面B 上的弥散斑Z '和Z '分别与物空间对准面 A 上的弥散斑Z i Z 2相共轭，则有，
乙 | |乙，Z 2
| |Z2
，
（1）式中，1是共轭面A'和A 的垂轴放大率。 由图中
相似三角形得
Z i
h -l Z 2
_ l -12
2
(1)
_ h T D l i
， D 于是有
l
h -
D -Z i
(2)
设乙二乙二Z, Z 2
l
2
D Z 2，
Z
代入
⑷式,
(4)
A A
乙｛
B 2
｝乙
-l i
l
2DI I 二Z
D"2-Z2
综上所述，景深与光瞳（光圈）口径D，对准距离I，垂轴放大率1 ,允许弥散斑直径Z?等诸多因素有关。当I、一：、Z ?固定时，景深厶随光瞳（孔径光阑）口径D的加大而减小。远心光路的孔径光阑一般不大，且由于主光线的特性使得系统在一定离焦范围内成像倍率不变，所以其景深比非远心光路要大。
3）、畸变
在理想光学系统中，一对共轭的物像平面上，放大率是常数。但是对于实际光学系统只有视场较小时有这个性质。当视场较大或很大时，像的放大率随视场而异，这就使像相对于物会失去相似性。这种使像变形的成像缺陷称为畸变。
设某一视场实际放大率为B，它与理想放大率P之差B - 0与P之比的百分数就作为该视场的畸变，以q表示，
即q 二^^ 100%，
式中［为像高与物高之比，设y p，为实际像高，y。?为理想像高。
则'汇—注，因此q =y p￡y_y。丄y I。。％=y p —y。他％。
y y
yjy y；
四、实验内容及步骤
本实验的内容包括让用户通过实验对远心镜头有个实践上的认识，并对远心镜头的重要参数景深和畸变进行测量。实验步骤如下：
1）、远心镜头景深测量
图7-5 景深测量光路图
（1）按照图7-5建好实验光路，并将各部件的光轴调至同轴等高。
（2）将CMO摄像机拧上镜头，USB插头连接上计算机。在计算机上打开该
摄像机（如果计算机事先没有安装驱动程序，需用光盘安装相应的CMO摄像机
的驱动程序）。
（3）将分辨率板数字朝上，正面（刻字面）面对镜头，稳定的置于干板架
上，不得遮挡刻有条纹和数字的有效区域，调整干板架支杆的高度，使图形区的中心与镜头中心等高。
（4）在计算机上观察分辨率板的成像是否正立，旋转镜头使屏幕上成像正立，微调干板架支杆高度使分辨率板的像位于窗口正中央。
（5）将分辨率板与镜头第一光学面的距离调整至GCO-2301镜头Re设计值, 并微调一维平移台使成像清晰。
（6）使分辨率板滑块远离镜头，观察显示屏上的图像，直至图像出现明显
模糊现象，记下此时分辨率板滑块在光学导轨上的位置。再使分辨率板滑块靠近镜头，直至图像再次出现明显模糊现象，记下此时分辨率板滑块在光学导轨上的位置（本实验所使用的镜头，这两个位置的距离约为70mm。
（7）利用分辨率板滑块在光学导轨上的读数粗调分辨率板到镜头第一光学
面的距离，利用一维平移台微调这个距离。使分辨率板在步骤（3）所得出的成像区间中每2mm成像一次，点击’单帧采集’并保存每次成像的图像。由于一维平移台的调整范围有限，所以采用粗调微调结合的方式来使位移的变化能够覆盖0-
70mm范围。
（8）读取上一步中所得到的各组数据，作出分辨率-物距曲线。
（9）本实验以分辨率在12lp/mm及其以上，为可接受的分辨率，由此得到
成像清晰的物距范围，最大物距和最小物距的差值即为景深。
（10）将远心镜头替换为非远心镜头，重复上述实验步骤，测得非远心镜头的景深之后，与远心镜头的景深相比较。（得到远心镜头具有能够三维大景深成像）。
2）、远心镜头畸变的测量
利用已知的标准长度（例如：刻度白屏）对DHC S像测量软件进行标定（1）按照图7-6建好实验光路，将目标物更换为刻度白屏。
（2）打开DHC图像测量软件，点击菜单栏“设备-大恒HV摄像机（若采集
设备为CCD摄像机则选择大恒SV摄像机）”。
（3）点击工具栏“开始采集图像”，在软件的成像窗口内呈现白屏的图像。
适当调整刻度尺的位置。使其成像的位置尽量靠近下面所用的滑动标尺且与窗口的上边缘平行。（加一张显示屏的实景图）
（4）调整两个滑块的相对位置，使刻度尺在成像窗口中成像清晰。
（5）点击菜单栏“系统-标定”或者直接点击工具栏“校正工具图表丄”，这时系统弹出红色的滑动标尺（有水平方向和竖直方向两个）和校正窗口，反选校正窗口内的“ X=丫选项”。
（6）鼠标放在滑动标尺水平方向和竖直方向的交点处，拖动滑动标尺，使
滑动标尺左端与图像中的刻度尺0刻度线重合，将鼠标放到水平滑动标尺的右端拖动调整滑动标尺长度，使滑动标尺右端与白屏的10mm位置重合。这时在校正窗口内有X和丫方向上长度和像素之比的详细信息。点击确定，即完成了实验所用图像测量软件的标定。
3）利用DHC图像测量软件测量远心镜头的畸变
（1）将目标物滑块上的实验仪器更换为剪式升降台。
（2）将待测目标靶板正对镜头横向竖直放置与剪式升降台上
（3）调整升降台的高度，使目标靶板的像占满测量软件的成像区域，并且
测量软件成像区域正中心有一条黑色粗刻线，调整物距使靶板在摄像机上成像清晰。
（4）在成像窗口中镜头的中央位置选择一条黑色粗刻线，测量其宽度，作
为镜头成像的近轴理想像高y o。具体测量方法如下，点击测量软件界面菜单栏
“测量-画线”，鼠标移至所选黑色粗刻线的上边缘，单击鼠标选定直线第一点，向下拖动鼠标，利用软件自动产生的水平辅助线使所画直线与黑色粗刻线的边缘垂直，鼠标移至黑色粗刻线的下边缘，单击鼠标选定直线第二点，这时软件会在所画直线上直接给出直线的长度，测得黑色粗刻线的宽度，从而得到镜头成像的近轴理想像高y o?。测量多组数据取平均值，以消除像差和人为因素所带来的误差。
（5）在成像窗口中的待测点位置选择一条黑色粗刻线，按照步骤（3）中的
方法测量其宽度，作为该点处的镜头成像的偏轴实际像高yp，。同样测量多组数据取
平均值。
F F
（6）该被测点处的相对畸变即为q二yp100%。
（7）本实验取4个被测点，分别测量相对畸变。
（8）点击软件菜单栏“文件-保存图片”，以保存实验数据所用主要器件：远心镜头，CMOS目标物。
4）测量
我们可以利用此系统测量一些日常生活中的常见物，可测量的参数包括线长、周长、角度等数据。、
五、实验结果分析
特测物
5
i 思考一下畸变的种类有哪些，此镜头属什么类型。 2、一般采用什么方法消除畸变。 实验数据记录 物距（mm 分辨率（lp/mm ）
CCD
远心
it
头
Halcon机器视觉实验指导书
机器视觉软件HALCON 实验指导书 目录 实验1 HALCON 概述，应用范例 实验2 HDevelop介绍，操作编程范例 实验3 HALCON编程接口，高级语言编程 实验4 HALCON数据结构，采集硬件接口 实验5 HALCON采集硬件配置，图像采集 实验6 HALCON二维测量，配准测量与识别定位 实验7 HALCON一维测量，尺寸测量 实验8 HALCON三维测量，3D重建测量 实验1 HALCON 概述，应用范例 实验2 HDevelop介绍，操作编程范例 1 邮票分割 文件名: stamps.dev 第一个例子进行文件分析任务。图5.1展示了部分邮票目录页。它描述了两种不同的邮票：以图形描述为主和以文字描述为主。 为了使用这个例子，必须把文字描述转化为计算机所能理解的形式。你可能使用OCR编程方式，你很快发现由于邮票的图形描述会导致大多数的可使用模块产生错误。于是另一项任务必须要进行预处理：对所有的邮票进行转化(例如,把邮票转化为灰色有价值的纸)，这样就可以使用OCR处理邮票的剩余部分了。
当创造一个应用程序来解决这种问题,对要处理的对象进行特征提取是非常有帮助的。这个任务可以为新手提供解决的这类问题一些的经验。 ●一般而言，特征提取有如下步骤：邮票比纸要黑。 ●邮票包含图像的部分不重叠。 ●邮票具有最大最小尺寸。 ●邮票是长方形的。
图 5.1: Mi c he l图表的部分页. 如果直接使用属性清单而非编程，任务会变得很简单。可惜由于语言的含糊，这是不可能的。所以你需要建构具有精确的语法和语义的语言,尽可能接近非正式的描述。使用HDevelop语法，一个通常的程序看起来如下： dev_close_window () read_image (Catalog, ’swiss1.tiff’) get_image_pointer1 (Catalog, Pointer, Type, Width, Height) dev_open_window (0, 0,Width/2, Height/2, ’black’, WindowID) dev_set_part (0, 0,Height-1, Width-1) dev_set_draw (’fill’) threshold (Catalog, Dark, 0, 110) dev_set_colored (6) connection (Dark, ConnectedRegions) fi l l_u p (ConnectedRegions, RegionFillUp) select_shape (RegionFillUp, StampCandidates, ’area’, ’and’, 10000, 200000) select_shape (StampCandidates, Stamps, ’compactness’, ’and’, 1, 1.5) smallest_rectangle1 (Stamps, Row1, Column1, Row2, Column2) dev_display (Catalog) dev_set_draw (’margin’) dev_set_line_width (3) disp_rectangle1 (WindowID, Row1, Column1, Row2, Column2) 由于一些为止的操作符合不熟悉的语法，这个程序咋看起来会很晦涩。但如果仔细看一下这个操作符，你就会注意以下说明的直接联系。 threshold选择全部图像像素黑暗比值。 connection 合并所有选定像素触摸相互连通区。 selectshape选择区域面积(属性:'面积')在指定区间内。 sm allestrec tangle1计算每个区域的坐标(连续/栏)的包围矩形。 一旦用户熟悉了承操作符和语法、转换就变得很容易。特别需要指出，对于程序来说，图像或者加工区是否被处理并不重要，你可以使用相同的方法处理他们。. 由于中间数据结构的内存管理对用户来说是透明的，你可以不必理会它，你可以集中解决图像分析任务。
建筑工程测量实验报告
江西理工大学建筑工程测量 实验报告 专业建筑学 年级13级 班级**** 学号**** 姓名**** 2015年月日
目录 第一部分实验项目内容及要求第二部分实验报告 第三部分实验心得体会和建议
第一部分实验项目内容及要求
第二部分实验报告 实验报告一 日期2015.10.10 班组第六组学号*号姓名**** ㈠完成下列填空 1.安置仪器后，转动三个脚螺旋使圆水准器气泡居中，转动 目镜对光螺旋看清十字丝，通过镜筒上方的缺口和准星瞄准水准尺，转动水平微动螺旋精确照准水准尺，转动物镜对光螺旋进行对光消除视差，转动微倾螺旋使符合水准器气泡居中，最后读数。 2.消除视差的步骤是转动目镜对光螺旋使十字丝清晰，再转动 物镜对光螺旋使水准尺的分划像清晰。 ㈡实验记录和计算 1.记录水准尺上读数填入表2-1-1中。
表2-1-1 2.计算(基于黑红面读数的平均值) ⑴A点比C点低0.199 m。 ⑵B点比D点高0.388 m。 ⑶C点比E点高0.154 m。 ⑷假设C点的高程H C=158.936 m，求A点、B点、C点、D点、E点的高程，即：A A= 158.737 m，H B= 159.070 m，H C= 158.936m，H D= 158.682 m，H E= 158.782 m，水准仪的视线高程 H I= 160.458 m。 ㈢出图2-1-1中水准仪各部件的名称
图2-1-1 1）目镜对光螺旋；2）望远镜； 3）水准管；4）水平微动螺旋； 5）圆水准器；6）校正螺旋； 7）水平制动螺旋；8）准星； 9）脚螺旋；10）微倾螺旋； 11）水平微动螺旋；12）物镜对光螺旋； 13）缺口；14）三脚架。 实验报告二水准测量 日期2015.10.10 班组第六组学号*号姓名*** ㈠水准测量的外业记录及其高程计算 实验数据记入表2-2-1，进行高程的计算，并进行验算，以确保各项计算准确无误。 表2-2-1 水准测量的外业记录及其高程计算
机器视觉简介
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。 【应用领域】 机器视觉广泛应用于各个方面，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。 【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)、影像获取卡(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。 以上涵盖大部分的机器视觉系统组成部分，在本实验室中机器视觉的主要系统组成为：光源、工控机、工业相机、镜头；其中在进行算法设计时尽量的减少对于光源条件的依赖（实验室的光源性能一般，光照条件良好）。 图1 典型的机器视觉系统
图2 本实验室的机器视觉的主要组成 尽量以本实验室现有的实验条件为主，其他需要的部分按实际要求也可以添加。 【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。
2018年机器视觉实验报告-范文模板 (13页)
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 机器视觉实验报告 实验报告 课程名称： 班级： 姓名： 学号： 实验时间： 实验一 一．实验名称 Matlab软件的使用 二．实验内容 1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等； 2.了解帮助文档help中演示内容demo有哪些； 3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。 三．实验原理： 通过matlab工具箱来进行图像处理 四．实验步骤 1. 双击桌面上的matlab图标，打开matlab软件 2. 了解菜单栏、工具栏、状态栏、命令窗口等
如下图1-1所示 图 1-1 3. 了解帮助文档help中演示内容demo有哪些； 步骤如下图1-2 图1-2 打开help内容demo后，里面的工具箱如图所示。 图1-3 4. 找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4 ，图1-5所示 图 1-4 图 1-5 五.实验总结和分析 通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。 实验二 一．实验名称 图像的增强技术 二．实验内容 1.了解图像增强技术/方法的原理； 2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三．实验原理： 通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。
机器视觉在线检测详解
广东省东莞市莞城区莞太路34号东莞市创意产业中心园区8座502 Unit 502, Building 8, Creative Industry Center Park, No. 34 Guantai Road, Guancheng District, Dong Guan 523000, P.R.China 机器视觉在线检测详解 机器视觉的一个重要应用就是进行在线检测。这个与物体静止时的视觉检测系统不同，最起码图像摄取的速度要足够快才行，不然就不可能在被测物体运动时获取足够清晰的图像，再一个就是机器视觉软件的图像处理能力也要足够强，分析判断周期要够短，不然等反应过来了，产品可能都已经走出次品剔除系统的工作范围了。这样的机器视觉在线检测就是不合格的。 1 机器视觉在线检测的基本原理 基于机器视觉的在线检测系统的基本原理：首先通过视觉传感器获取高速流水线上运动待检测物体图像，图像传送到计算机后，计算机调用专用的图像处理软件来对检测物体进行检测、测量、分析、判断。多功能检测实验平台的硬件结构如图1所示，机器视觉在线检测系统的基本模块包括：传动装置、专用LED光源、图像采集模块、电气控制模块。 2 多功能检测实验平台运动控制部分设计 在这套系统中，运动控制部分选用工业PC＋运动控制卡＋步进电机的控制模式。运动控制卡是步进电机公司的MPC01。它配备了许多功能强大、内容丰富的运动控制软件工具和函数库。MPC01运动函数库用于二次开发，用户只要用C／C＋＋或Visual Basic等编制所需的用户界面程序，并把它与MPC01
运动库链接起来，就可以开发出自己的控制系统。 3 专用LED光源 光源对图像质量的影响是至关重要的，考虑到本套试验平台将要进行各种物品的检测实验，开发设计了多种专用LED照明方案以适应各种不同的待检物体。直环型用于各种具有稳定照度和清晰图像的工件；狭角型用于各种透明工件或低对比度工件；棒型用于透明、光滑、镀金表面；圆顶型用于不平整或弯曲的表面检测，金属包片上的印刷字体或弯曲表面的孔穴；背光型用于透明材料或液体的检测；同轴型用于光滑、电镀、低反射表面。 4 高速图像采集系统 图像采集部分将完成流水线上的运动图像获取，采集图像质量的好坏将直接影响整个检测效率。图像采集部分主要由CCD摄像机完成。CCD摄像机摄取图像信号，由图像采集卡将图像信号采集进来。本套实验装置选用两个方位的摄像机对待检测物体进行检测，一个俯拍位一个侧拍位，对有些待检测物体可以进行多方位的检测。摄像机采用的是Pulnix公司的TM6703，采集卡选用Matrox 公司的Comora2。 4.1 图像采集卡 Matrox Corona Ⅱ是Matrox Graphics Inc．生产的图像控制器，可采集隔行扫描／逐行扫描的分量RGB信号和单／双路黑白模拟视频信号；3路10bit A／D转换器；24-bit RS-422／LVDS数字接口；模拟情况下采集率达到30MHz，RS-422数字模式下达25MHz，LVDS数字模式下达40MHz；连接2个RGB 或6个模拟黑白视频信号；32-bit／33MHz PCI总线主模式；扩展板上实时采
机器视觉实验报告3
实验五图像的分割与边缘提取 一、实验内容 1.图像阂值分割 实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
2.边缘检测 实验代码： clear all, close all; I=imread('flower.tif'); BW1=edge(I,'sobel'); BW2=edge(I,'canny'); BW3=edge(I,'prewitt'); BW4=edge(I,'roberts'); BWS=edge(I,'log'); figure(1), imshow(I), title('Original Image'); figure(2), imshow(BW1), title('sobel'); figure(3), imshow(BW2), title('canny'); figure(4), imshow(BW3), title('prewitt'); figure(5), imshow(BW4), title('roberts'); figure(6), imshow(BWS), title('log'); %在完成上述试验后,查看函数edge()使用说明。help edge 运行结果：
人工智能课程大纲课程体系：《机器视觉技术》课程产品白皮书(2019V1.0)
《机器视觉技术》产品白皮书
目录 1引言........................................................................ - 3 -2产品概述.................................................................... - 4 - 2.1产品体系............................................................ - 4 - 2.2产品资源............................................................ - 5 -3产品介绍.................................................................... - 8 - 3.1机器视觉技术........................................................ - 8 - 3.1.1课程说明........................................................ - 8 - 3.1.2教学大纲....................................................... - 12 - 3.1.3教学指导....................................................... - 16 -4配套产品................................................................... - 19 - 4.1实验设备........................................................... - 19 - 4.2软件平台........................................................... - 24 -5技术支持................................................................... - 28 - 5.1.1升级服务....................................................... - 28 - 5.1.2师资培训....................................................... - 28 -
建筑工程混凝土实验实验报告
姓名： 院校学号： 学习中心： _______________ 层次：专升本 专业：土木工程 实验一：混凝土实验 一、实验目的：1、熟悉混凝土的技术性质和成型养护方法；2、掌握砼拌合物工作性的测定和评定方法；3、通过检验砼的立方体抗压强度，掌握有关强度的评定方法。 二、配合比信息： 1 .基本设计指标 (1)设计强度等级C30 (2)设计砼坍落度30-50mm 2.原材料 (1)水泥：种类复合硅酸盐水泥强度等级C32.5 (2)砂子：种类河砂细度模数 2.6 (3)石子：种类碎石粒级5-31.5mm
(4)水：洁净的淡水或蒸馏水
3.配合比：（kg/m3） 三、实验内容： 第1部分：混凝土拌合物工作性的测定和评价 1、实验仪器、设备：电子秤、量筒、坍落度筒、拌铲、小铲、捣棒（直径16mm、长600mm, 端部呈半球形的捣棒）、拌合板、金属底板等。 2、实验数据及结果
第2部分：混凝土力学性能检验 1、实验仪器、设备：标准试模：150mm X 150mm X 150 mm 、振动台、压力试验机(测量精度为土1%,时间破坏荷载应大于压力机全量程的20%;且小于压力机全量程的80%。、压力试验机控制面板、标准养护室(温度20C±2C,相对湿度不低于95%。 2、实验数据及结果 四、实验结果分析与判定： (1、混凝土拌合物工作性是否满足设计要求，是如何判定的？ 答：满足设计要求。实验要求混凝土拌合物的塌落度30—50mm,而此次实验结果中塌落度 为40mm, 符合要求；捣棒在已塌落的拌合物锥体侧面轻轻敲打，锥体逐渐下沉表示粘聚 性良好；塌落度筒提起后仅有少量稀浆从底部析出表示保水性良好。
实训一 机器视觉技术
实训一机器视觉技术 （一）机器视觉技术 1.目标→图像摄取装置（CMOS和CCD）→图像信号→图像处理系统→数字化信号 2.机器视觉系统组成部分：光源、镜头、相机、图像处理单元、图 象处理软件、监视器、输入/输出控制单元。 3.特点：提高生产的柔性和自动化程度。 4.应用：生产流水线的检测系统（汽车零件、纸币印刷质量）、智能 交通管理系统、金相分析、医疗图象分析、无人机、机器人等。 （二）机器视觉实训系统 大恒DHLAB-BASE-PY-AF型平移式机器视觉教学实验平台 组成部分：相机安装模块、光源安装模块、平台方形载板、运动控制面板 由组成部分可推测，在机器视觉系统识别物体时，相机的焦距、光源的种类、光圈的大小、曝光时间的长短、载板移动速度的大小都将会对获取图像产生不同的影响。 平台：速度可调；手动或自动运动模式； 摄像头：紧凑型数字摄像机 感光元件：1/1.8”CCD；分辨率为1628（H）x 1236（V）；像素尺寸4.4um x 4.4um。
（三）实训内容 【1】一维条码检测 1. 条形码(barcode)是将宽度不等的多个黑条和空白，按照一定的编码规则排列，用以表达一组信息的图形标识符，在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用。 2. 摄像机位置离检测平面大概47cm，光源离检测平面约36cm。 3. 实验步骤如下： ①放置条形码在载物平台上，使其处于镜头正下方； ②调整焦距、改变光圈大小，使物体清晰，对比度高、明暗适中； ③利用计算机软件控制相机对物体成像； ④通过改变曝光量、增益、光源、载物台移动速度，观察成像结果并加以比较。 ⑤结果如下： 条形码A 不开光圈、无速度曝光量增益识别结果 1000 0 没有图像 2500 0 不能识别 60000 0 正确识别 60000 5 正确识别 60000 6.4 错误识别 60000 7 没有图像条形码B 不开光圈、无速度曝光量增益识别结果 60000 2 没有图像 60000 6.4 正确识别 60000 20 错误识别 35000 6.4 不能识别 40000 6.4 正确识别 开光圈曝光量增益识别结果 60000 6.4 没有图像 2000 6.4 正确识别 速度曝光量增益识别结果 小60000 6.4 正确识别
机器视觉测量技术
机器视觉测量技术 杨永跃 合肥工业大学 2007.3
目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像
5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像 第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术 第八章图像测量软件 （多媒体介绍） 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界，有效解决问题。 人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器，赋予人类视觉功能极其重要。 机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。 机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、 超声成像、CT等 数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角 点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理 分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并 确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用 工业检测—文件处理，毫微米技术—多媒体数据库。 许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位
建筑工程测量实验报告
建筑工程测量实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
江西理工大学 建筑工程测量 实验报告 专业建筑学 年级13级 班级 **** 学号 **** 姓名 **** 2015年月日 目录 第一部分实验项目内容及要求 第二部分实验报告 第三部分实验心得体会和建议
实验报告一 日期班组第六组学号 *号姓名**** ㈠完成下列填空 1.安置仪器后，转动三个脚螺旋使圆水准器气泡居中，转动 目镜对光螺旋看清十字丝，通过镜筒上方的缺口和准星瞄准水准尺，转动水平微动螺旋精确照准水准尺，转动物镜对光螺旋进行对光消除视差，转动微倾螺旋使符合水准器气泡居中，最后读数。 2.消除视差的步骤是转动目镜对光螺旋使十字丝清晰，再转动 物镜对光螺旋使水准尺的分划像清晰。 ㈡实验记录和计算 1.记录水准尺上读数填入表2-1-1中。 表2-1-1
2.计算(基于黑红面读数的平均值) ⑴ A点比C点低 m。 ⑵ B点比D点高 m。 ⑶ C点比E点高 m。 ⑷假设C点的高程H C= m，求A点、B点、C点、D点、E点的高程，即： A A= m，H B= m，H C= ，H D= m，H E= m，水准仪的视线高程 H I= m。 ㈢出图2-1-1中水准仪各部件的名称 图2-1-1 1）目镜对光螺旋； 2）望远镜； 3）水准管； 4）水平微动螺旋； 5）圆水准器； 6）校正螺旋； 7）水平制动螺旋； 8）准星； 9）脚螺旋； 10）微倾螺旋； 11）水平微动螺旋； 12）物镜对光螺旋； 13）缺口； 14）三脚架。 实验报告二水准测量 日期班组第六组学号 *号姓名 *** ㈠水准测量的外业记录及其高程计算 实验数据记入表2-2-1，进行高程的计算，并进行验算，以确保各项计算准确无误。
基于机器视觉的表面缺陷检测系统设计
编号 本科生毕业设计 基于机器视觉的表面缺陷检测系统设计 Surface defect detection system design based on machine vision 学生姓名 专业电子信息工程 学号 指导教师 学院电子信息工程学院 二〇一三年六月
毕业设计（论文）原创承诺书 1．本人承诺：所呈交的毕业设计（论文）《基于机器视觉的表面缺陷检测系统设计》，是认真学习理解学校的《长春理工大学本科毕业设计（论文）工作条例》后，在教师的指导下，保质保量独立地完成了任务书中规定容，不弄虚作假，不抄袭别人的工作内容。 2．本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。 3．在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。 4．本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。 以上承诺的法律结果将完全由本人承担！ 作者签名：年月日
中文摘要 为了不断提高产品质量和生产效率，金属工件表面缺陷在线自动检测技术在生产过程中显得日益重要。针对金属工件表面的多种缺陷，本文设计了一套基于机器视觉能够实现对金属工件表面缺陷进行实时在线、无损伤的自动检测系统。该系统采用面阵CCD和多通道图像采集卡作为图像采集部分，提高了检测系统的速度并降低了对CCD的性能要求，使系统在现有的条件下比较容易实现实时在线检测；采用自动选取图像分割阈值，根据实际应用的阈值把工件信息从图像中提取出来并扫描工件图像中的信息，实现了系统的自动测量；根据扫描得到的工件信息去除掉工件边缘的光圈，利用自动选取的阈值对金属工件表面的图像进行二值化分割，从而实现各种缺陷的自动提取及识别。 关键词：机器视觉表面缺陷CCD 图像处理缺陷检测
机器视觉与智能检测创新实践
《机器视觉与智能检测创新实践》课程设计报告 题目：基于可见光红外光图像的处理 班级： 姓名： 学号： 指导老师： 日期：
一、实验目的 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。本实验的目的就是通过学生自身动手实验，使学生对机器视觉系统及图像处理有一定的认识。同时加深学生的动手能力和培养学生的创新能力。 二、实验设备 机器视觉实验平台，计算机，Matlab软件等 三、实验任务 （1）对采集的近红外图像进行增强、分割和细化（自己挑选成像效果较好的手背或手掌的近红外图像） 1、了解增强、分割和细化等处理的概念和效果并编程实现增强、分割和细化； 2、分别比较不同增强、分割和细化方法的优劣 （2）对采集到的可见光手掌图像进行分割得到手掌及手指的轮廓。
四、相关概念介绍 1、光谱 光谱是复色光经过色散系统（如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，如图1所示。 光波是由原子内部运动的电子产生的。各种物质的原子内部电子的运动情况不同，所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，已成为一门专门的学科——光谱学。 图1 可见光的光谱图 种类：发射光谱物体发光直接产生的光谱叫做发射光谱。发射光谱有两种类型：连续光谱和明线光谱。 连续分布的包含有从红光到紫光各种色光的光谱叫做连续光谱。炽热的固体、液体和高压气体的发射光谱是连续光谱。例如电灯丝发出的光、炽热的钢水发出的光都形成连续光谱。 只含有一些不连续的亮线的光谱叫做明线光谱。明线光谱中的亮线叫做谱线，各条谱线对应于不同波长的光。稀薄气体或金属的蒸气的发射光谱是明线光谱。明线光谱是由游离状态的原子发射的，所以也叫原子光谱。
机器视觉与智能检测相关课题创新实践-实验报告
《机器视觉与智能检测相关创新实践》 课外实验报告 实验一、图像融合 1.实验内容： 对同一场景的红外图像和可见光图像进行融合，采用图1中的参考图形，以及自己 的手掌图像（可见光图像和红外光图像），并对结果进行简要分析，融合方法可采 用以下方法中的一种或多种：直接加权融合方法，傅里叶变换融合方法，小波变换 融合方法； 2.实验目标： 1）. 了解融合的概念； 2）. 比较融合方法中不同参数的效果（如直接加权融合中权值的分配） 3.参考图像： （a）红外图像（b）可见光图像 图1 待融合图像 4.实验内容 1）直接加权融合方法： 线性混合操作也是一种典型的二元（两个输入）的像素操作：
通过在范围内改变。 核心代码：image((Y1+Y2)/2); %权值相等 图2 直接融合图像1 图3 直接融合图像2 改变参数的影响：那个图的参数比例高，那个图在融合图像中的影响就越高。2）傅里叶变换融合：
对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。然后通过在频域的处理来实现融合。 图4傅里叶变换融合图像1 图5 傅里叶变换融合2 3）小波融合： 小波变换（Wavelet Transform）是一种新型的工程数学工具，由于其具备的独特数学性质与视觉模型相近，因此，小波变换在图像处理领域也得到了广泛的运用。用在图像融合领域的小波变换，可以说是金字塔方法的直接拓展。
图6 小波融合1 图7 小波融合2 5．实验完整代码 1．直接融合 addpath('E:\学习\课件\机器视觉创新实践\曾东明') Y1=imread('1.PNG'); subplot(1,3,1); imshow(Y1); title(' 直接融合1.PNG');
社会实践实习报告：建筑工程测量实训报告
( 实习报告 ) 单位：_________________________ 姓名：_________________________ 日期：_________________________ 精品文档 / Word文档 / 文字可改 社会实践实习报告：建筑工程测 量实训报告 Social practice practice report: construction engineering survey training report
社会实践实习报告：建筑工程测量实训报 告 社会实践实习报告：建筑工程测量实训报告 进入大学的第一次测量实训终于在大家的期盼中来了，因为大家都想抓紧实训的时间好好休息一下，可是，现实是如此的残酷！ 开始老师让我们先从理论下手，介绍了水准仪和经纬仪的构成以及它的使用方法，我们都很认真的记载着老师所讲的重点，在学习中，我知道了测量人员是工程建设的开路先锋，是确保工程质量的“千里眼”，我为能成为测量人而感到自豪！老师还说了，让我们好好保护仪器！我们知道了：人在仪器在，人亡仪器也不能亡！可是让人疑惑的是老师总让我们做好“军训”的打算，有那么辛苦吗？ 很快我就见到了传说中的水准仪，它长得真的很不咋的，可是在老师的介绍下，我知道了它是一个很有内涵的仪器！千万不能小
看它！但是还好的就是它的螺栓比较少，所以我还能接受！可是调节经纬仪的过程就比较复杂了，螺旋比较多，测量时仪器不停的转动，脑袋就晕了，对准后就不知螺旋在哪了，只能瞎摸。但有句话叫“熟能生巧”，这句话一点不假，在实训中，这个成语就得到验证，尽管开始是有点生疏，但经过一圈测量，想不熟也挺难的，而且速度也不断的提高。 下面就来谈谈具体的！我是第一批在校内测量经纬仪的！它的螺栓比水准仪多多了！弄得我头晕眼花的！没办法！我必须要坚持下去！第一个下午，我们全组组员就遇到大麻烦了！因为经纬仪的调整要三个地方全部调好，可是我们老是没办法让它们全都统一，老是这儿调好了，那儿的气泡又跑了！我们组是第八组，组员有6个，而别的组是5个人，所以我们要比别的组要更抓紧时间，可是当第九组已经测六个点时，我们组还压根没挪窝，可是越急越不知道该怎么办！后来在别的组来了一个同学，我们连忙请教他！ 1.先要让三脚架的中心大约和地面的点进行对齐。 2.调节气泡让它处于圆水准器的中间部分。
机器视觉测量实验报告
《机器视觉应用实验报告》 姓 名 黄柱汉 学 号 201341304523 院 系 机械与汽车工程学院 专 业 仪器仪表工程 指导教师 全燕鸣 教授 2015年04月16日
华南理工大学实验报告 课程名称：机器视觉应用 机械与汽车工程学院系仪器仪表工程专业姓名黄柱汉 实验名称机器视觉应用实验日期2015.4.16 指导老师全燕鸣 一、实验目的 主要目的有以下几点： 1.实际搭建工业相机、光源、被摄物体图像获取系统，自选Labview或Matlab、 Halcon、Ni Vision软件平台，用打印标定板求解相机内外参数以及进行现场 系统标定； 2.进行一个具体实物体的摄像实验，经图像预处理和后处理，获得其主要形状 尺寸的测量（二维） 3.进行一个具体实物体的摄像实验，经图像预处理和后处理，识别出其表面缺 陷和定位。 二、实验原理 “机器视觉”是用机器代替人眼来进行识别、测量、判断等。机器视觉系统是通过摄像头将拍摄对象转换成图像信号，然后再交由图像分析系统进行分析、测量等。一个典型的机器视觉系统包括照明、镜头、相机、图像采集卡和视觉处理器5个部分。 HALCON是在世界范围内广泛使用的机器视觉软件，拥有满足各类机器视觉应用的完善开发库。HALCON也包含Blob分析、形态学、模式识别、测量、三维摄像机定标、双目立体视觉等杰出的高级算法。HALCON支持Linux和Windows，并且可以通过C、C++、C#、Visual Basic和Delphi语言访问。另外HALCON与硬件无关，支持大多数图像采集卡及带有DirectShow和IEEE 1394驱动的采集设备，用户可以利用其开放式结构快速开发图像处理和机器视觉应用软件，具有良好的跨平台移植性和较快的执行速度。 本实验包括对被测工件进行尺寸测量和表面缺陷检测。尺寸测量是通过使用机器视觉来对考察对象的尺寸、形状等信息进行度量；缺陷检测是通过机器视觉手段来分析零部件信息，从而判断其是否存在缺陷。
建筑测量实训心得
建筑测量实训心得 This model paper was revised by the Standardization Office on December 10, 2020
实训心得 一周的测量实训结束了，风风雨雨中我们小组圆满的完成了本次实训这次实习的内容是对工程测量知识的实践化,实习的要求是让每个同学都对工程测量的实际操作能够达到基本掌握的程度。这次实习与以前的课堂实习相比，时间更加集中、内容更加广泛、程序更加系统，完全从控制测量生产实际出发，加深对书本知识的进一步理解、掌握与综合应用，是培养我们理论联系实际、独立工作能力、综合分析问题和解决问题的能力、组织管理能力等方面素质。也是一次具体的、生动的、全面的技术实践活动 通过这次为期一周的测量实训，我学会了更熟练的使用水准仪、经纬仪。很好的巩固理论教学知识，提高了实际操作技能，实训是我们教学中一个与理论相结合的桥梁，使得我们与所学专业相联系，增强我们对本专业的感性认识，收集处理信息的能力，获取新知识的能力，发现问题，分析问题和解决问题的能力，为以后到工作岗位上打下坚实的基础。 这次的实训目的主要是1.巩固课堂教学知识，加深对控制测量学的基本理论的理解，能够用有关理论指导作业实践，做到理论与实践相统一，提高分析问题、解决问题的能力，从而对控制测量学的基本内容得到一次实际应用，使所学知识进一步巩固、深化。2.通过实习，熟悉并掌握三、四等控制测量的作业程序及施测方法。3.掌握用测量平差理论处理控制测量成果的基本技能。4.通过完成控制测量实际任务的锻炼，提高独立从事测绘工作的计划、组织与管理能力，培养良好的咱也品质和职业道德。5.熟
halcon机器视觉试验平台设计方案与研究报告
封面
作者：PanHongliang 仅供个人学习 基于HALCON的机器视觉系统的研究与实现 摘要 近年来，机器视觉系统以其高效率、高可靠、低成本的特点在国外取得了广泛的应用。机器视觉系统适用于众多领域，例如工业自动化、医药业、制造业、农业等，弥补了人类视觉的很多不足。本文采用德国MVTec公司的专业机器视觉软件HALCON来开发机器视觉系统，提出了相关机器视觉实现方法，
并且在机器视觉实验平台上完成了一个弹簧片检测任务。 目前关注较多的是机器视觉系统的硬件部分，而机器视觉软件部分关注较少，一个先进的机器视觉系统除了具有高性能的硬件外，还需要有高性能的软件，虽然说许多常见的开发软件例如Mircosoft的Visual Studio、NI的LabWindows\CVI等等都可以开发机器视觉系统，但是开发周期比较长，针对性较弱，程序的复杂程度较高。而采用HALCON作为机器视觉和图像处理核心软件，不仅大大缩短了开发周期，降低了开发难度，而且可以参考HALCON 提供的众多机器视觉和图像处理例程来针对具体的任务做具体开发。 文章的第一章研究了机器视觉系统的组成、应用现状和发展，并且对机器视觉软件HALCON做了概述。第二章根据相关要求，选择合适的硬件单元，设计和搭建了VS-ZM1200机器视觉实验平台。第三章研究了机器视觉中常用的一些图像处理技术，重点讨论了在弹簧片检测任务中所采用的图像处理技术和算法，如图像的增强，分割，边缘检测等。第四章研究了机器视觉软件，重点研究了HALCON，并且对在Visual C++开发环境下如何使用HALCON编写的程序做了讨论。第五章介绍了在VS-ZM1200机器视觉实验平台上，使用HALCON和Visual C++开发的一套弹簧片检测系统，该系统完成关于弹簧片的尺寸参数测量和外观参数判别的任务。 第一章：绪论 1.1机器视觉概述 人类在征服自然、改造自然和推动社会进步的过程中,为了克服自身能力、能量的局限性,发明和创造了许多机器来辅助或代替人类完成任务。这类机器,我们通常称为智能机器,它能模拟人类的功能,能感知外部世界并有效地解决人所希望解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官,而视觉,是人类最重要的感觉功能。视,就是看。觉,就是感觉、感知。通过看来感知外部世界丰富多采的信息。“百闻不如一见”,这句话生动地说明了视觉对获得客观世界信息的重要性。据统计,人所感知的外界信息有80%以上是由视觉得到的[1],通过视觉,我们可以感受到物体的位置,亮度以及物体之间的相互关系等。因此,对于智能机器来说,赋予机器人类的视觉功能对发展智能机器是极其重要的,由此形成了 一门新的学科———机器视觉。 机器视觉，就是用机器（通常是数字计算机）代替人眼来做测量及判断，对图像进行自动处理并报告“图像中有什么”的过程。美国制造工程师协会（SME Society of Manufacturing Engineers）机器视觉分会和美国机器人工业协会（RIA Robotic Industries Association）的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”。具体来讲，是指通过镜头将被测目标转化为图像信号，投射至影像接受器件（一般为 CCD 元件）上再通过数字计算机进行分析处理。CCD是英文（Charge Coupling Device）的缩写，其中文含义为电荷耦合组件。当不同强度的光线照射在CCD表面，CCD