机器视觉与视觉检测知识点归纳Word下载.docx

机器视觉与视觉检测知识点归纳Word下载.docx

《机器视觉与视觉检测知识点归纳Word下载.docx》由会员分享，可在线阅读，更多相关《机器视觉与视觉检测知识点归纳Word下载.docx（7页珍藏版）》请在冰豆网上搜索。

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。

镜头主要参数：

焦距：

从镜头中心点到胶平面上所形成的清晰影像之间的距离，其大小决定视角大小（焦距小视角大观察范围大，焦距大视角小观察范围小）。

光圈/相对孔径：

光圈即通光量，大小为f/D,相对孔径是光圈的值的倒数。

视野范围：

衡量镜头成像范围，是相机实际拍到区域的尺寸。

景深：

在被摄物体聚焦清楚后，在物体前后一定距离内，其影像仍然清晰的范围，其随镜头的光圈值、焦距、拍摄距离而变化。

接口、工作距离、像面尺寸、分辨率等

镜头划分：

根据焦距是否能调节，分为定焦与变焦两种。

依据焦距长短，定焦分为鱼眼、短焦标准、长焦。

焦距的长短划分以像角的大小为主要划分依据。

镜头的选择：

机器视觉应该考虑的四个主要因素：

1.波长、变焦与否

确定镜头的工作波长及是否需要变焦。

2.特殊要求优先考虑

是否有测量功能，是否需要使用远心镜头，成像的景深是否很大等。

3.工作距离、焦距o（*￣）￣*）o？

4.像面大小和像质

所选镜头像面大小要与相机感光面兼容，遵循“大的兼容小的”原则。

5.光圈和接口

光圈影响像面亮度，镜头接口需和像面接口匹配，不能匹配就需考虑转接。

6.成本和技术成熟度

基本分析如下：

案例：

给硬币检测成像系统选配镜头。

（详细P44）

与白色LED光源配合使用，镜头应是可见光波段，定焦镜头；

用于工业检测，其中带有测量功能，所以要求畸变较小；

工作距离和焦距要满足一定关系；

选择镜头像面应该不小于CCD尺寸，即至少2/3in；

镜头的接口要求是C口，能配合相机使用。

图像采集卡：

概述：

将摄像机的图像视频信号，以帧为单位，送到计算机的内存和VGA帧存。

一般连接在台式机的PCI扩展槽上。

基本原理与技术参数：

图像采集卡基本结构大致相同，其基本组成模块各个部分主要构成及功能：

视屏输入模块：

是图像采集卡的前端，直接与相机相连。

A/D转换模块：

图像采集卡核心部分，将输入的模拟视屏信号转换为计算机可以识别的数字信号。

时序及采集控制模块：

包括图像采集卡中整个时序、同步、采集控制电路。

图像处理模块：

对A/D转换后的数字信号进行处理。

（实时转换数字信号为数据图像等，尽管可由主机来完成，但用图像采集卡硬件可获得更高的处理速度）。

PCI总线接口及控制模块：

完成对数字图像数据的传输。

相机控制模块：

提供相机的设置及其控制信号o（*￣）￣*）o？

数字输入、输出模块：

用于控制和响应外部信号。

分类：

按图像采集卡主要特性分：

可分为彩色图像采集卡与黑白图像采集卡、模拟图像采集卡与数字图像采集卡、面阵图像采集卡和线阵图像采集卡。

按用途划分：

可分为广播级（分辨率高，支持高清和标准，但所需硬盘空间大），专业级（性能比广播级稍低，分辨率相同，但压缩比稍大一些），民用级（动态分辨率一般较低）。

机器视觉系统的核心是图像采集和处理，选择机器视觉光源时应该考虑的主要特性:

1.亮度：

最佳选择是最亮的那个。

2.光源均匀性：

不均匀的光会造成不均匀的反射。

3.光谱特征：

光源颜色及物体表面颜色决定反射到摄像头的光能大小及波长。

4.寿命特性：

为使图像处理保持一致的精确，视觉系统必须保证长时间获得稳定一致的图像（光源一般需要持续使用）。

5.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。

光源的选型：

1.选择光照角度：

根据期望的图像效果，选择不同入射角度的光源。

高角度照射，图像整体较亮，适合表面不反光物体；

低角度照射，图像背景为黑，特征为白，可以突出被测物轮廓及表面凹凸变化；

多角度照射，整体效果柔和，适合曲面问题检测；

背光照射，图像效果为黑白分明的被测物轮廓，常用于尺寸测量；

同轴光照射，图像效果为明亮背景上的黑色特征，用于反光强烈的平面物体检测。

2.选择光源的颜色：

使用与被测物同色系的光会使图像变亮（如红红）；

使用与被测物相反色系的光会使图像变暗（如红蓝）；

波长越长，穿透能力越强；

波长越短，扩散能力越强。

红外的穿透能力强，可进行棕色玻璃瓶杂质检测（透光性差）；

紫外扩散能力强，对表面细微特征敏感，可进行食用油瓶上的文字检测（对比不明显）。

3.选择光源的形状和尺寸：

通常情况下选与被测物体形状相同的光源。

尺寸选择，要求保障整个视野内光线均匀，略大于视野为佳。

4.选择是否使用漫射光源：

如被测物体表面反光，最好用漫反射光源。

三机器视觉成像技术

光源的作用，就是获得对比鲜明的图像，具体有：

1.将感兴趣部分和其他部分的灰度值差异加大。

2.尽量消隐不感兴趣部分。

3.提高信噪比，利于图像处理。

4.减少因材质、照射角度对成像的影响。

适当的照明设计，有能使图像中的目标信息与背景信息得到最佳分离，以降低图像处理算法的难度等优点。

最佳照明方法和光源的选择往往需要大量的试验。

光源的种类：

1.自然光源：

即太阳光源。

2.人工光源：

即灯光光源,大多在自然光照度很低和夜晚摄像使用。

人工光源有：

1.荧光灯：

主要优点发光效能高，光线较分散，广泛用于较柔和的照明。

2.卤素灯：

金属卤素灯最大优点是发光效能高，其不能立即点亮。

又名冷光源，适合对环境温度比较敏感的场合。

O（*￣）￣*）o？

3.气体放电光源o（*￣）￣*）o?

4.发光二极管：

简称LED，与传统光源相比优点：

寿命长、启动时间短、结构牢固、发光效能高、能耗小、模型简单、发光的方向性很强。

5.激光光源o（*￣）￣*）o？

选择光源应考虑的系统特性：

1.对比度（非常重要）；

2.亮度；

3.鲁棒性；

4.光源可预测；

5.物体表面；

6.控制反射；

7.表面纹理；

8.表面形状等。

合适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。

机器视觉关心的是反射光（使用背光除外），光源控制的诀窍归结到一点就是如何控制光源反射。

如果能控制好光源的反射，那么就可以获得优质图像。

六种照明技术：

1.一般目的：

通用一般采用环状或点状照明。

2.背光照明：

产生很强对比度，常用于检测轮廓。

3.同轴照明：

对于实现扁平物体且有镜面特征的表面的均匀照明很有用。

4.连续漫反射照明o（*￣）￣*）o？

5.暗域照明：

相对于物体表面提供低角度照明；

6.结构光：

可测量相机到光源的距离。

彩色照明技术：

颜色三种基本属性：

亮度、色调、饱和度。

真彩色：

R,G,B三波段的合成显示图，

假彩色：

任意非R,G,B波段的合成图，

伪彩色：

只含有一个任意波段的图像显示

四机器视觉核心算法

图像预处理：

图像预处理主要目的是消除图中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据。

预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。

由于外界环境或设备本身原因，通常所获取的原始数字图像质量不是非常高，因此在对图像进行边缘检测、图像分割等操作前，一般都需要对原始数字图像进行增强处理（改善视觉效果和突出特征），图像增强是数字图像处理技术中最基本的内容之一，也是图像预处理的方法之一。

图像增强可分为：

基于空间域的（直接处理图像像素）如均值滤波，中值滤波；

基于频率域（修改图像傅里叶变换为基础）的如低通滤波，高频滤波器。

空间滤波的基本步骤：

1.建立一个掩模；

2.在待处理的图像中逐点移动掩模；

3.在每一点（x,y）处作相应的运算

频域滤波的基本步骤：

1.傅里叶变换；

2.频率域滤波处理：

3.傅里叶反变换（低频的信号包含了图像的粗糙背景信息，高频的信号携带了图像的细节部分信息）

数学形态学：

即是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。

基本运算有:

膨胀、腐蚀、开运算和闭运算（形态运算实质上是一种二维卷积运算）。

灰度均衡的目的是为了校正不均匀照射。

灰度直方图反映一副图像中各灰度级与各灰度级像素出现的频率之间的关系。

边缘检测：

计算机视觉模仿人类视觉认识目标过程（先分离边缘，再知觉、辨认），检测物体边缘时，先对其轮廓点进行粗略检测，然后通过链接规则把原来检测到的轮廓点连接起来，再作相应处理。

图像的边缘是图像的重要特征。

边缘检测算法四个步骤：

1.滤波：

主要基于图像强度的导数，导数计算对噪声敏感；

2.增强：

一般通过计算梯度幅值，凸显邻域强度有显著变化的点；

3检测：

通过梯度幅值阈值，检测出凸显的点中的边缘点；

4.定位o（*￣）￣*）o？

边缘检测算法：

梯度算子、方向算子、拉普拉斯算子和坎尼算子等