机器视觉检测的分析简答作业及答案要点.docx

机器视觉检测的分析简答作业及答案要点.docx

《机器视觉检测的分析简答作业及答案要点.docx》由会员分享，可在线阅读，更多相关《机器视觉检测的分析简答作业及答案要点.docx（14页珍藏版）》请在冰豆网上搜索。

机器视觉检测的分析简答作业及答案要点

2012 研究生机器视觉课程检测及课程设计内容

一、回答下列问题：

1、什么是机器视觉，它的目标是什么？

能否画出机器视觉检测系统的结构

方块图，并说出它们的工作过程原理和与人类视觉的关系？

机器视觉是机器（通常指计算机）对图像进行自动处理并报告“图像 中

有 什么”的过程，也就是说它识别图像中的内容。

图像中的内容往往是某些机

器零件，而处理的目标不仅要能对机器零件定位，还要能对其进行检验。

原始数据特征向量类别标识

特征度量模式分类器

机器视觉系统的组成框图

2、在机器视觉检测技术中：

什么是点视觉技术、一维视觉技术、二维视觉

技术、三维视觉技术、运动视觉技术、彩色视觉技术、非可见光视觉技

术等？

能否说出他们的应用领域病句、案例？

能否描述它们的技术特点？

答：

点视觉：

用一个独立变量表示的视觉称之为点视觉。

如应用位移传感

器测量物体的移动速度。

一维视觉：

普通的 CCD。

两维视觉：

用两个独立变量表示的视觉称之为两维视觉。

比如普通

的 CCD。

三维视觉：

用三个独立变量表示的视觉称之为三维视觉。

比如用两

个相机拍摄（双目视觉）；或者使用一个相机和一个辅助光源。

彩色视觉：

用颜色作为变量的视觉称之为彩色视觉。

物体的颜色是由

照射光源的光谱成分、光线在物体上反射和吸收的情况决定的。

比如，

一个蓝色物体在日光下观察呈现蓝色，是由于这个物体将日光中的蓝光

反射出来，而吸收了光谱中的其他部分的光谱，而同样的蓝色物体，

在红色的光源照射下，则呈现红紫色，

非可见光视觉技术：

用非可见光作为光源的视觉技术。

比如非可见

光成像技术。

1

种类                      名

称

成本

亮度

稳定度

使用寿命

复杂设计

温度影响

荧光灯

低

差

差

一般

低

一般

卤素灯+光纤导管

高

好

一般

差

一般

差

LED 光源

一般

一般

好

好

高

低

3、机器视觉检测技术中：

光源的种类有哪些？

不同光源的特点是什么？

光

照方式有几种？

不同光照方式的用途是什么？

又和技术特点和要求？

机器视觉检测技术中光源有以下几种：

荧光灯，卤素灯+光纤导管，

背景光法（背光照射）是将被测物置于相机和光源之间。

这种照明方式的优点

是可将被测物的边缘轮廓清晰地勾勒出来。

由于在图像中，被测物所遮挡的部

分为黑色，而未遮挡的部分为白色，因此形成“黑白分明”的易于系统分析的

图像。

此方法被应用于 90%的测量系统中。

前景光法（正面照射）是将灯源置于被测物和相机之前。

又可分为明场照射和

暗场照射。

明场照射是为了获得物体的几乎全部信息，照射物体的光在视野范

围之内几乎全部反射回去；暗场照射是为了获取物体表面的凹凸，照射物体的

光在视野范围之外有部分光反射回去。

同轴光法是将灯源置于被测物和相机之间。

4、机器视觉检测系统中，光学系统的作用是什么？

光学器件有哪几种，它

们各自的作用是什么？

光学镜头有几种类型，它们各自有何用途？

光学

镜头有哪些技术参数，各自对测量有什么影响？

答：

机器视觉检测系统中，光学系统用来采集物体的轮廓、色彩等

信息。

光学器件主要有：

镜头、成像器件（CCD 和 CMOS）、光圈、快门

等。

镜头的作用是对成像光线进行调焦等处理，使成像更清晰；成像器

2

件的作用是将光学图像转换成模拟电信号；光圈的作用如同人得瞳孔，

控制入射光的入射量，实现曝光平衡；快门的作用是将想要获取的光学

图像照射在成像器件上，获取想要的光学图像，排除干涉等。

光学镜头的类型：

标准镜头、广角镜头、远摄镜头、鱼眼镜头、反

射式镜头、变焦镜头和特殊镜头等。

标准镜头的作用是获取和人眼观看效果类同的图像；广角镜头的

作用是近距离拍摄较大场景的图像；远摄镜头的作用是远距离摄取景物

的较大影象，对拍摄不易接近的物体，如动物、风光、人的自然神态，

均能在远处不被干扰的情况下拍摄；鱼眼镜头的作用是近距离拍摄更大

场景的图像；反射式镜头的作用是更远距离摄取物体图像；变焦镜头的

作用是在不改变拍摄距离的情况下，能够在较大幅度内调节底片的成像

比例。

光学镜头的技术参数有分辨率，失真，透光，暗角盲区。

5、光电转换器件 CCD 和 CMOS 的作用是什么？

各自的工作原理是什么，

它们的差别是什么？

它们有哪些主要的技术参数，其作用是什么？

光电转换器件 CCD 和 CMOS 的作用是作为半导体光敏元件把光信号转

换为电信号。

CCD（Charge—Coupled Demce）电路耦合器件的工作原理：

CCD 电路

耦合器分三个阶段采集图像信号，首先将光信号转换为电信号，然后暂时存放

在 CMOS 存储器中，最后用时钟脉冲顺序读出信号。

CMOS（Complement

Metal Oxide Semiconuctor）是互补金属氧化物场效应的简称，其工作原理为：

CMOS 传感器中每一个感光元件都直接整合了放大器和模数转换逻辑，当感光

二极管接受光照、产生模拟的电信号之后，电信号首先被该感光元件中的放大

器放大，然后直接转换成对应的数字信号。

换句话说，在 CMOS 传感器中，每

一个感光元件都可产生最终的数字输出，所得数字信号合并之后被直接送交

DSP 芯片处理。

从技术角度来讲二者的主要区别如下：

（a）信息读取方式不同；（b）

速度有所差别；（c）电源及耗电量；（d）成像质量

3

CCD 和 CMOS 主要参数:

CCD 或 CMOS 尺寸 、CCD 或 CMOS 像素、水

平分辨率、最小照度，也称为灵敏度、 扫描制式、摄像机电源、信噪比、视频

输出接口、镜头安装方式。

6、机器视觉检测技术中，图像处理的中心任务是什么？

什么是图像预处理，

能否说出几种与处理的方法和算法？

边缘检测和边缘提取有何区别？

图

像分割有几种方法？

如何理解图像处理中的卷积？

能否描述空间域处理

和变换域处理的方法和用途？

机器视觉检测技术中，图像处理的中心任务是消除图像中无关的信息，

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，从而

改进特征抽取、图像分割、匹配和识别的可靠性。

图像预处理即在图像分析中，对输入图像进行特征抽取、分割和匹配前

所进行的处理。

是将每一个文字图像分检出来交给识别模块识别的这一过程。

边缘检测使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯

度大的边、线特征的过程。

边缘提取是要保留图像弧度变化比较剧烈的区域，

从数学上最直观的方法就是微分（对于数字图像来说就是差分），在信号处理的

角度来看，也可以说是高通滤波器，即保留高频信号。

图象分割有三种不同的方法，其一是将各象素划归到相应物体或区域的

象素聚类方法即区域法，其二是通过直接确定区域间的边界来实现分割的边界

方法，其三是首先检测边缘象素再将边缘象素连接起来构成边界形成分割。

图

像分割主要包括 4 种技术：

并行边界分割技术、串行边界分割技术、并行区域

分割技术和串行区域分割技术。

图像处理中的卷积就是定义图像是 f（x），模板是 g（x），然后将模版 g（x）在

图像中移动，每到一个位置,就把 f（x）与 g（x）的定义域相交的元素进行乘积并且

求和，得出新的图像一点（通常是灰度值），把新得到的像素集合起来就是卷积

后的图像。

空间域是指图像本身，空间域图像处理的方法是直接对图像的像素进行

处理，主要是亮度（灰度级）变换和空间滤波两种方法。

7、机器视觉算法中，你能说出几种与检测有关的方法，能否实践一种算法

4

用于机器视觉检测（如：

各阶矩的应用等）？

有 Canny 边缘检测方法，差分边缘检测法，roberts 边缘检测法，prewitt

边缘检测法，laplace 边缘检测法，log 边缘检测法等算法。

下面实现一种基于 c++软件语言的程序算法：

HDIB SUSANEdgeDetectDIB（HDIB hDib）{

SetCursor（LoadCursor（NULL, IDC_WAIT））;

DWORD dwDataLength = GlobalSize（hDib）;

HDIB hNewDib = GlobalAlloc（GHND,dwDataLength）;

if（!

hNewDib）{

SetCursor（LoadCursor（NULL, IDC_ARROW））;

return NULL;

}

LPBYTE lpDIB = （LPBYTE）GlobalLock（hNewDib）;

if（lpDIB == NULL）{

SetCursor（LoadCursor（NULL, IDC_ARROW））;

return NULL;

}

LPBYTE lpDIBSrc = （LPBYTE）GlobalLock（hDib）;

memcpy（lpDIB, lpDIBSrc,

sizeof（BITMAPINFOHEADER）+PaletteSize（lpDIBSrc））;

DWORD lSrcWidth = DIBWidth（lpDIBSrc）;

DWORD lSrcHeight = DIBHeight（lpDIBSrc）;

WORD wBitCount =（（LPBITMAPINFOHEADER）lpDIBSrc）->biBitCount;

DWORD lSrcRowBytes =WIDTHBYTES（lSrcWidth*（（DWORD）wBitCount））;

LPBYTE lpOldBits = FindDIBBits（lpDIBSrc）;

LPBYTE lpData = FindDIBBits（lpDIB）;

5

//图像变换开始//////////////////////////////////////////

DWORD i, j, h, k, offset;

int NearPoint[37];

int OffSetX[37] = { -1, 0, 1,

-2,-1, 0, 1, 2,

-3,-2,-1, 0, 1, 2, 3,

-3,-2,-1, 0, 1, 2, 3,

-3,-2,-1, 0, 1, 2, 3,

-2,-1, 0, 1, 2,

-1, 0, 1 };

int OffSetY[37] = { -3,-3,-3,

-2,-2,-2,-2,-2,

-1,-1,-1,-1,-1,-1,-1,

0, 0, 0, 0, 0, 0, 0,

1, 1, 1, 1, 1, 1, 1,

2, 2, 2, 2, 2,

3, 3, 3 };

if（wBitCount == 8）{

int thre, same, max, min;

//统计象素亮度最大值和最小值

max = min = 0;

for（i=0;i

for（j=0;j

offset = lSrcRowBytes*i+j;

if（max < （int）（*（lpOldBits+offset）））

max = （int）（*（lpOldBits+offset））;

if（min > （int）（*（lpOldBits+offset）））

6

min = （int）（*（lpOldBits+offset））;

}

//相似度阈值为最大值和最小值差的 1/10

thre = （max-min）/10;

for（i=3;i

for（j=3;j

//统计圆形邻域内相似的点的个数

same = 0;

for（h=0;h<37;h++）

NearPoint[h] =（int）（*（lpOldBits+lSrcRowBytes*（i+OffSetY[h]）+（j+OffSetX[h]）））;

for（h=0;h<37;h++）

if（（（int）abs（NearPoint[h]-NearPoint[18]）） <= thre） same++;

if（same > 27）

*（lpData+lSrcRowBytes*i+j） = 255;

else *（lpData+lSrcRowBytes*i+j） = 0;

}

}

if（wBitCount == 24）{

int theSame[3], theMax[3], theMin[3], theThre[3];

memset（theMax, 0, sizeof（int）*3）;

memset（theMin, 0, sizeof（int）*3）;

for（i=0;i

for（j=0;j

offset = lSrcRowBytes*i+j*3;

for（k=0;k<3;k++）{

7

if（theMax[k] < （int）（*（lpOldBits+offset+k）））

theMax[k] = （int）（*（lpOldBits+offset+k））;

if（theMin[k] > （int）（*（lpOldBits+offset+k）））

theMin[k] = （int）（*（lpOldBits+offset+k））;

}

}

for（k=0;k<3;k++）

theThre[k] = （theMax[k]-theMin[k]）/10;

for（i=3;i

for（j=3;j

memset（theSame, 0, sizeof（int）*3）;

for（k=0;k<3;k++）{

for（h=0;h<37;h++）

NearPoint[h] =（int）（*（lpOldBits+lSrcRowBytes*（i+OffSetY[h]）+（j+OffSetX[h]）*3+k））;

for（h=0;h<37;h++）

if（（（int）abs（NearPoint[h]-NearPoint[18]）） <= theThre[k]）theSame[k] ++;

}

if（（theSame[0] > 27） && （theSame[1] > 27） &&（theSame[2] > 27））

memset（lpData+lSrcRowBytes*i+j*3, 255, 3）;

else

memset（lpData+lSrcRowBytes*i+j*3, 0, 3）;

}

}

GlobalUnlock（hDib）;

GlobalUnlock（hNewDib）;

SetCursor（LoadCursor（NULL, IDC_ARROW））;

8

return hNewDib;

8、你编写并运行通过了哪些图像处理的计算机程序程序，能否写出流程图？

答：

运用 matlab 编写过读取原始图像，对图像进行灰度处理，对灰度图像进行

直方图、均值滤波、中值滤波、图像锐化、表面边缘检测及提取等程序。

灰度处理

直方图均值滤波中值滤波图像锐化表面边缘检测

9、综合机器视觉检测技术课程内容，在设计一个机器视觉检测系统时，设

计过程应如何进行，需重点考虑什么问题？

答：

1）选取合理的光源；

2）选取合适的镜头；

3）选取合适的信息处理系统；

4）设计合理的检测控制系统；

5）针对用户需求根据软件设计相对应的程序。

个人觉得应该重点考虑光照的方式和图像提取的方法，合理的光

照可以让采集系统得到高质量的图像，简化软件算法，提高检测速度。

合适的提取方法可以是任务完成的更轻松出色！

同时，由于机器视觉是一种比较复杂的系统，大多数系统检测对

象都是运动的物体，系统与运动物体的匹配和协调动作尤为重要，所

以系统给各部分的动作时间和处理速度带来了严格的要求。

9

10、机器视觉检测技术的输入、输出接口有哪些，其各自的特点及用途可否

描述？

有 Camera Link,IEEE 1394,USB2.0,Ethernet,USB3.0

Camera Link 680Mb/s

IEEE 1394400Mb/s

USB2.0 480Mb/s

Ethernet 1Gb/s

Camera Link 规范由自动图像协会（AIA）提供支持，对摄像机接口、电缆和

抓帧器进行了标准化，用于转换摄像机数据，通常通过 PCITM 或者 PCIe®总线

将数据传送至计算机。

相比于 USB 接口，早期在 USB1.1时代，1394a 接口在速度上占据了很大的

优势，在 USB2.0推出后，1394a 接口在速度上的优势不再那么明显。

同时现在

绝对多数主流的计算机并没有配置1394接口，要使用必须要购买相关的接口卡

，增加额外的开支。

目前单纯1394接口的外置式光储基本很少，大多都是同时

带有1394和 USB 接口的多接口产品，使用更为灵活方便。

USB2.0虽然标称速度可以，但事实上大多数厂商对高速状态下的 USB 传输

支持的还是很差，他们只满足于民用级别的传输，很难达到工业用的标准，13

94相对成熟多了，不管从速度还是底层 driver 来看，目前我看到的，1394比 U

SB 好很多。

11、你参与了图像采集实验吗？

有何体会？

参与了一些简单的图像采集实验，比如用摄像头采集一幅图像，然后进

行图像的各种处理，如果摄像头是黑白摄像头那么采集图像后就可以对图像进

行二值、锐化、平滑、边缘检测及提取等处理，摄像头要是彩色的就要先把图

像转化为灰度图像再对图像进行各种处理。

参与了这些图像采集实验后我觉得

图像采集实验重在后期处理上当然前期采集图像也很重要，所以我们要更加努

力学习 matlab 及 c++还有 VC 中涉及到图像处理的部分，为以后遇到更难更复

杂的图像采集实验时打下坚实的基础。

12、你对本课程学习有何体会（自学和课堂）、收获和建议？

感觉自己还差的好多，以后还要多加学习，不会的要及时请教学长或者

老师。

上完这门课程感觉收获还是蛮大的，许老师给我们看了许多国际上先进

的产品，更加激励了我们在课下继续好好学习这门课程，建议就是老师再有什

么好的学习资料时希望老师可以继续提供给我们。

10

二、选择光源和镜头

1、若给出被测物体的长、宽、高及测量精度，你如何选择 CCD 和镜头

组成的摄像机，以保证完成测量任务。

说出计算公式、流程及过程。

答：

首先，选好镜头。

镜头的选择遵循以下七个原则：

1）相机的芯片尺寸；

2）相机接口类型；

3）镜头工作距离；

4）镜头视场角；

5）镜头光谱特性；

6）镜头畸变率；

7）镜头机械结构尺寸。

然后，选择 CCD。

CCD 的选择综合考虑如下五个方面：

1）感光芯片类型：

线阵、面阵；

2）视频特点：

包括点频、行频；

3）信号输出结口；

4）工作模式 ：

连续, 触发,控制 ,异步复位，长时间积分；

5）视频参数调整及控制方法：

Manual、RS232。

同时，选择 CCD 的时候应注意，1inch=16mm 而不是等于

25.4mm。

① 体最小的特征需要两个像素来表示，根据视场和相机分

辨率，我们可以计算出特征分辨率。

计算特征分辨率的

公式为：

特征分辨率=视场/（分辨率* 2）。

例如：

相机

分辨率为 640 x 480，横向的视场是 60mm，那么在横

向的特征分辨率为：

60/640*2 = 0.1875 mm。

看是否满

足测量精度要求，或者反求相机分辨率来选择 CCD。

② 根据测量需求选择合适的 CCD。

面阵相机的优点是价

格便宜，处理方面，可以直接获得一幅完整的图像。

线

阵相机的优点是速度快，分辨率高，可以实现运动物体

11

的连续检测；其缺点是需要拼接图像的后续处理。

三、设计测量系统

实验 1利用机器视觉图像信息，测量物体的几何尺寸及相关参数，并

对图像中每个物体进行分割。

（1） 实验目的：

理解机器视觉检测原理和方法

（2） 实验步骤：

a、 调“笔、放大镜、光盘”图像文件——显示该图像——设计一种

测量计算方法和算法：

1、 计算放大镜圆的尺寸和手柄长度；

2、 计算光盘的外部周长、直径和面积；

3、 计算笔的长度及直径。

b、调“卡片、笔、桌底”图像——显示该图像——设计一种测量计

算方法和算法：

1、计算卡片的面积和长、宽值；2、计算笔的长度；

c、记录、打印参数，分析测量误差。

d、对图像中的物体进行分割。

e、写出实验报告

（3） 如果让你自动识别图像中的物体，如何进行，给出方案。

笔、放大镜、光盘卡片、笔、桌底

四、图像处理软件开发

1、利用 MATLAB 提供的图像，完成图像的存取、像素的读写、直方图、

二值图像、图像平滑、图像锐化、表边缘检测及提取等程序（可用

12

C 或 Matlab），都要有流程图和源代码;

2、集成以上程序，建立 GUI 或其它窗口比并可运行这些程序。

13