机器视觉技术基础教学教案全.docx
《机器视觉技术基础教学教案全.docx》由会员分享，可在线阅读，更多相关《机器视觉技术基础教学教案全.docx（13页珍藏版）》请在冰豆网上搜索。
机器视觉技术基础教学教案全
教案
课程名称
机器视觉概述
授课时长
40min
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
通过学习，让学生对机器视觉这项技术有一个基本的了解
重点、难点
了解机器视觉的工作原理以及硬件环境搭建。
教学内容
教学过程与详细内容
教学设计
引入：
机器视觉是一项综合技术，被广泛应用于现代化工业中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。
本章就针对机器视觉的基本原理以及应用方向问题进行解释和说明。
讲授过程：
1.对机器视觉进行初步认识，
2.了解机器视觉的工作原理，一个完整的机器视觉系统由多个模块组成，一般包括光源、镜头、相机、图像采集模块、图像处理模块、交互界面等。
3.了解机器视觉硬件环境搭建。
1）机器视觉中光源的选型
2）机器视觉相机的选型，
3）机器视觉项目选型要关注的镜头参数：
接口、最大靶面尺寸、物距与焦距、光圈、分辨率与成像质量、镜头倍率与视场范围。
4）图像采集卡的技术参数：
图像传输格式、图像格式、传输通道数、分辨率、采样频率与传输速率。
了解图像采集卡的各种种类。
4.机器视觉的应用与展望。
（1）在工业领域的应用
（2）在医学领域的应用
（3）在交通领域的应用
（4）在农业领域的应用
（5）在生活领域的应用
归纳、总结：
本节课主要针对机器视觉的基本原理以及应用方向问题进行解释和说明。
结尾：
鼓励学生课后复习。
播放机器视觉相关视频，引入课题，激发学生学习兴趣
详细讲解机器视觉的工作原理及应用
总结、归纳机器视觉的工作原理及应用
教案设计方案
微课名称
数字图像基础
微课时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
对图像处理的一些基础内容进行简单介绍与了解。
重点、难点
初步认识图像与数字图像并了解其分类，了解图像数字化的基本原理，认识图像灰度直方图，掌握图像像素间的关系。
教学内容
教学过程与详细内容
教学设计
引入：
学习机器视觉，其实质就是对各类图像的处理过程，数字图像处理技术在当今世界应用已经非常普遍，应用手段越来越丰富，功能也越来越强大。
本节将对有关图像处理的一些基础内容进行简单介绍。
讲授过程：
1.了解图像与数字图像的概念与分类，
2.掌握图像数字化的过程：
采样，图像量化与压缩编码，对数字图像的表示以及采样、量化参数与数字化图像间的关系进行初步了解。
3.了解图像灰度直方图的概念与性质。
直方图的应用：
1.用于判断图像量化是否恰当；
2.用于确定图像二值化的阈值。
4.了解图像像素间的关系。
1）相邻像素的概念。
2）像素间的邻接性、连通性、区域和边界。
归纳、总结：
本节课对机器视觉的本质数字图像处理进行简单介绍，使学生能掌握图像与数字图像以及图像数字化的知识。
结尾：
鼓励学生课后复习。
播放图像与数字图像相关视频，引入课题，激发学生学习兴趣
详细讲解图像数字化与图像灰度直方图。
总结、归纳数字图像处理。
教案设计方案
名称
了解和熟悉HALCON
时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
让学生了解HALCON开发界面，学会运用HALCON软件。
重点、难点
初步认识机器视觉软件HALCON，并了解其功能及应用简介；掌握软件图像采集；了解常见的数据结构。
教学内容
教学过程与详细内容
教学设计
引入：
HALCON是工业视觉领域有利的工具，在HALCON开发环境下提供了许多助手工具，可以方便开发人员进行快速仿真。
本章介绍了主要介绍了HALCON软件及其交互式的编程环境DEvelop以及HALCON的数据结构类型。
讲授过程：
1.走进HALCON，对HALCON进行初步认识与了解。
2.了解HALCON功能及应用简介。
3.了解HDevelop图形组件的主界面及子窗口。
5.掌握软件图像采集过程。
3）获取非实时图像。
4）获取实时图像。
6.掌握HALCON数据结构：
1）HALCONImage图像
2）HALCONRegion区域
3）HALCONXLD轮廓
4）HALCON句柄
5）Tuple数组
归纳、总结：
本节课对HALCON软件进行详细介绍，使学生能掌握机器视觉的软件适用。
结尾：
鼓励学生课后复习。
通过操作HALCON，引入课题，激发学生学习兴趣
详细讲解HALCON软件各部分知识。
总结、归纳HALCON软件。
教案设计方案
名称
图像预处理
时长
授课方式
演示法、讲授法、总结归纳法、拓展延伸
教学目的
让学生掌握图像预处理的具体使用方法。
重点、难点
感兴趣区域（ROI）的截取，图像的变换与校正，增强图像的具体实现。
教学内容
教学过程与详细内容
教学设计
引入：
图像预处理是图像处理非常关键的一环，主要目的是按照指定需要突出图像的有用信息，消除图像中无关的信息，将图像转化为更适合人或计算机分析处理的形式，从而改进特征抽取、图像分割、匹配和识别的可靠性。
本章将深入介绍图像预处理的几种常用算法。
讲授过程：
1.了解感兴趣区域（ROI）的截取，主要分为两步：
①选择关注区域，②裁剪区域；
2.掌握图像的变换与校正，变换与校正主要运用了线性代数里面有关平移、旋转和缩放的矩阵知识，在Halcon中使用仿射变换的相关算子，就是把HALCON中的平移、旋转和缩放结合起来进行运用。
3.掌握增强图像的具体实现，图像增强的具体实现包括两大类的知识：
频率域法和空间域法，前者把图像看成一种二维信号，采用低通滤波（即只让低频信号通过）法，可去掉图像中的噪声。
采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。
空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
归纳、总结：
本节课主要介绍了如何对图像进行预处理，包括感兴趣区域（ROI）的截取，图像的变换与校正以及增强图像的具体实现方法。
结尾：
鼓励学生课后复习。
采用具体例子引入课题，激发学生学习兴趣
详细讲解图像预处理中ROI的截取，图像的变换与校正以及增强图像的具体实现方法。
总结、归纳图像预处理的方法。
微课教案设计方案
名称
图像分割
时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
对图像分割及其实现方法有一定了解。
重点、难点
了解图像分割的基本概念，了解阈值分割、边缘检测、区域分割、Hough变换、动态聚类分割、分水岭算法等图像分割算法。
教学内容
教学过程与详细内容
教学设计
引入：
在前述章节中，描述了对感兴趣区域的截取，对图像的位置转换等操作。
但是这些操作不能为我们提供图像中所包含物体的信息。
为得到图像中的物体信息，我们必须进行图像分割，即提取图像中与感兴趣物体相对应的那些区域。
描述的更正式些，分割操作以一幅图像作为输入而返回一个或多个区域或亚像素轮廓作为输出。
讲授过程：
1.了解阈值分割算法，掌握根据直方图谷底确定阈值法、实验法、局部阈值分割方法等方法。
2.了解区域分割算法，掌握基于区域的图像分割方法中的区域生长算法和区域分裂与合并算法。
3.了解边缘检测算法，理解边缘检测的相关知识。
4.了解Hough变化及其基本原理。
5.对分水岭算法有基本的认识。
归纳、总结：
本章主要介绍了图像分割的基本概念、公式推导、适用情况及使用注意事项。
具体介绍了阈值分割、边缘检测、区域分割、Hough变换、动态聚类分割、分水岭算法等图像分割算法。
对于选择何种图像分割方法进行处理，还要考虑实际问题的特殊性。
结尾：
鼓励学生课后复习。
采用具体例子引入课题，激发学生学习兴趣
详细讲解阈值分割、边缘检测、区域分割、Hough变换、动态聚类分割、分水岭算法等图像分割算法。
总结、归纳图像分割的各种算法。
微课教案设计方案
微课名称
特征提取
微课时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
对如何根据图像的特征进行目标提取有一定了解。
重点、难点
了解图像特征的基本概念，掌握与区域形状特征相关的一些算子，掌握基于灰度值与图像纹理的特征。
教学内容
教学过程与详细内容
教学设计
引入：
在前面的各节中，我们已经了解到了如何从图像中提取区域或亚像素精度轮廓。
尽管区域和轮廓非常有用，但它们有时还是不够用的，因为它们只包含对分割结果的原始描述。
图像的特征描述了图像的某种属性，当通过分割、形态学处理得到一些区域后，这些区域就构成了一个集合。
如何从这些集合中选择出需要的区域，这就需要使用特征作为判断和选择的依据。
本章介绍Region区域类型的一些主要参数，介绍如何根据图像的特征进行目标提取。
讲授过程：
2.了解图像特征的概念、分类及特征提取的一般原则。
2.了解区域形状特征，掌握区域面积、中心点坐标、区域的宽度和高度等特征量。
3.了解基于灰度值的特征，掌握灰度区域的最大、最小灰度值及其面积和中心，能根据灰度特征值选择区域。
4.了解基于图像纹理的特征，掌握使用灰度共生矩阵来描述这些特征的方法。
归纳、总结：
本章主要介绍了Region区域类型的一些主要参数，介绍如何根据图像的特征进行目标提取。
结尾：
鼓励学生课后复习。
利用计算机识别图像的本质来引入课题，激发学生学习兴趣
详细讲解如何根据图像的特征进行目标提取。
总结、归纳图像特征提取。
微课教案设计方案
名称
图像的形态学处理
微课时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
让学生掌握使用HALCON进行图像的形态学处理。
重点、难点
二值图像的腐蚀与膨胀、开运算与闭运算；二值图像的形态学应用。
教学内容
教学过程与详细内容
教学设计
引入：
在前面章节我们已经讨论了如何分割区域。
我们已经看到了分割结果中经常包含不想要的干扰。
因此，通常我们必须调整分割后区域的形状以获取我们想要的结果。
这是数学形态学领域的课题。
本章我们将介绍图像形态学的基本原理以及在HALCON中的运用。
讲授过程：
1、掌握二值图像的的基本形态学运算；
2、掌握灰度图像的的基本形态学运算；
3、了解二值图像的形态学应用。
归纳、总结：
本章详细介绍了形态学的基本概念并学习了多种常见的形态学算法及其典型应用。
结尾：
鼓励学生课后复习。
采用具体例子引入课题，激发学生学习兴趣
详细讲解二值图像的腐蚀与膨胀、开运算与闭运算。
总结、归纳图像形态学的基本原理及其运用。
微课教案设计方案
名称
图像模板匹配
微课时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
介绍图像模板匹配技术的实现方法。
重点、难点
了解图像匹配的概念及主要方法、两种图像匹配方法的算法原理以及图像金字塔的作用及常用类型，掌握HALCON软件中匹配助手的使用方法。
教学内容
教学过程与详细内容
教学设计
引入：
在数字图像领域中，常常需要通过模板图像与测试图像之间的比较，找到测试图像上与模板图像相似的地方，这种技术称为图像的模板匹配。
本章将对图像模板匹进行详细讲解。
讲授过程：
1.分析灰度值匹配算法，掌握灰度值匹配法的基本原理。
2.了解基于形状的模板匹配，掌握不变矩匹配法、距离变换匹配法、最小均方误差匹配法等方法。
3.了解图像金字塔的作用及常用类型。
4.了解HALCON软件中匹配助手的使用方法。
归纳、总结：
本章详细介绍了两种图像匹配方法的算法原理及基于HALCON的相应例程，并且介绍了图像金字塔的作用及常用类型，之后详细介绍了HALCON软件中匹配助手的使用方法。
结尾：
鼓励学生课后复习。
采用具体例子引入课题，激发学生学习兴趣
详细讲解图像模板匹配中基于灰度值匹配、基于形状特征匹配以及基于相关性特征匹配等具体实现方法。
总结、归纳图像模板匹配的主要方法。
微课教案设计方案
名称
3D立体视觉
微课时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
介绍3D立体视觉的实现方法。
重点、难点
了解如何运用相机标定将相机坐标系与世界坐标系进行对应、掌握获取图像三维信息的两种方法。
教学内容
教学过程与详细内容
教学设计
引入：
机器视觉算法的效果严重依赖于输入图像的质量，表面缺陷检测、深度检测、共面性检测、曲面度检测等均是3D视觉技术的优势。
本章将介绍立体视觉的相关基础知识。
讲授过程：
1.介绍了如何运用相机标定将相机坐标系与世界坐标系进行对应。
2.了解双目立体视觉，双目视觉系统可分为数字图像采集、相机标定、图像预处理与特征提取、图像校正、立体匹配、三维重建六大部分
3.了解激光三角测量，激光三角测量拥有高速度、高精度、多功能、多参数、小尺寸的特点。
归纳、总结：
本章中我们介绍了如何运用相机标定将相机坐标系与世界坐标系进行对应，如何校正镜头的各种畸变，以及介绍了获取图像三维信息的两种方法，分别是双目立体视觉、激光三角测量。
结尾：
鼓励学生课后复习。
采用具体例子引入课题，激发学生学习兴趣
详细讲解双目立体视觉与激光三角测量两种获取图像三维信息的方法。
总结、归纳3D立体视觉的实现方法。
微课教案设计方案
名称
Halcon相关实例和算法
微课时长
授课方式
软件录屏演示、讲授法、总结归纳法、拓展延伸
教学目的
介绍Halcon相关实例和算法。
重点、难点
4个项目案例的开发过程，各个案例的图像处理算法和检测步骤。
教学内容
教学过程与详细内容
教学设计
引入：
为了强调机器视觉的工程应用，本章主要介绍4个项目案例的开发过程，来展示机器视觉算法如何综合应用，以及算法在解决典型机器视觉应用问题的强大威力。
讲授过程：
1.了解基于HALCON的车牌识别技术研究及其工作原理。
2.了解齿轮参数测量系统及其算法检测。
3.了解智能缺陷检测系统设计，图像处理算法和检测步骤。
4.了解几何测量系统设计，图像处理算法和检测步骤。
归纳、总结：
本章主要介绍4个项目案例的开发过程，根据具体的使用场景选择合适的图像处理算法和检测步骤，再具体剖析这4个项目案例时涉及硬件系统、检测算法、具体实现的详细过程。
结尾：
鼓励学生课后复习。
采用具体例子引入课题，激发学生学习兴趣
详细讲解四个案例的图像处理算法和检测步骤。
总结、归纳4个项目案例的开发过程。
升级会员 