机器视觉系统设计五大难点详解文档格式.docx

1、机器视觉系统主要由三部分组成：图像的 获取、图像的处理和分析、输出或显示。近80%的工业视觉系统主要用在检测方 面，包括用于提高生产效率、控制生产过程中 的产品质量、采集产品数据等。产品的分类和 选择也集成于检测功能中。下面通过一个用于 生产线上的单摄像机视觉系统，说明系统的组 成及功能。视觉系统检测生产线上的产品，决定产品是 否符合质量要求，并根据结果，产生相应的信 号输入上位机。图像获取设备包括光源、摄像 机等；图像处理设备包括相应的软件和硬件系 统；输出设备是与制造过程相连的有关系统， 包括过程控制器和报警装置等。数据传输到计 算机，进行分析和产品控制，若发现不合格品， 则报警器告警，并

2、将其排除出生产线。机器视 觉的结果是CAQ系统的质量信息来源，也可 以和CIMS其它系统集成。图像的获取图像的获取实际上是将被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，它主要由三部分组成：*照明*图像聚焦形成*图像确定和形成摄像机输出信号1、照明照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少 30%的应用效果。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。过去，许多工业用的机器视觉系统用可见 光作为光源，这主要是因为可见光容易获得， 价格低，并且便于操作。常用的几种可见光源 是白帜灯、日光灯、

3、水银灯和钠光灯。但是， 这些光源的一个最大缺点是光能不能保持稳 定。以日光灯为例，在使用的第一个100小时 内，光能将下降15%，随着使用时间的增加， 光能将不断下降。因此，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。另一个方面，环境光将改变这些光源照射 到物体上的总光能，使输出的图像数据存在噪 声，一般采用加防护屏的方法，减少环境光的 影响。由于存在上述问题，在现今的工业应用中，对于某些要求高的检测任务，常采用 X射线、超声波等不可见光作为光源。但是不可见 光不利于检测系统的操作， 且价格较高，所以, 目前在实际应用中，仍多用可见光作为光源。照明系统按其照射方法可分

4、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，照像机拍摄要求与光源同 步。2、图像聚焦形成被测物的图像通过一个透镜聚焦在敏感 元件上，如同照像机拍照一样。所不同的是照 像机使用胶卷，而机器视觉系统使用传感器来 捕捉图像，传感器将可视图像转化为电信号， 便于计算机处理。选取机器视觉系统中的摄像机应根据实 际应用的要求，其

5、中摄像机的透镜参数是一项 重要指标。透镜参数分为四个部分： 放大倍率、 焦距、景深和透镜安装。3、图像确定和形成摄像机输出信号机器视觉系统实际上是一个光电转换装 置，即将传感器所接收到的透镜成像，转化为 计算机能处理的电信号、摄像机可以是电子管 的，也可是固体状态传感单元。电子管摄像机发展较早，20世纪30年代 就已应用于商业电视，它采用包含光感元件的 真空管进行图像传感，将所接收到的图像转换 成模拟电压信号输出。具有 RS-仃0输出制式 的摄像机可直接与商用电视显示器相连。固体状态摄像机是在 20世纪60年代后 期，美国贝尔电话实验室发明了电荷耦合装置（CCD），而发展起来的。它上分布于各个

6、像 元的光敏二极管的线性阵列或矩形阵列构成， 通过按一定顺序输出每个二极管的电压脉冲， 实现将图像光信号转换成电信号的目的。输出 的电压脉冲序列可以直接以 RS-170制式输入标准电视显示器，或者输入计算机的内存，进 行数值化处理。CCD是现在最常用的机器视觉 传感器。图像处理技术机器视觉系统中，视觉信息的处理技术主 要依赖于图像处理方法，它包括图像增强、数 据编码和传输、平滑、边缘锐化、分割、特征 抽取、图像识别与理解等内容。经过这些处理 后，输出图像的质量得到相当程度的改善，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。1、图像的增强图像的增强用于调整图像的对比度，突

7、出 图像中的重要细节，改善视觉质量。通常采用 灰度直方图修改技术进行图像增强。图像的灰度直方图是表示一幅图像灰度 分布情况的统计特性图表，与对比度紧密相 连。通常，在计算机中表示的一幅二维数字图 像可表示为一个矩阵，其矩阵中的元素是位于 相应坐标位置的图像灰度值，是离散化的整 数，一般取0 , 1 ,255。这主要是因为 计算机中的一个字节所表示的数值范围是 0255。另外，人眼也只能分辨 32个左右的 灰度级。所以，用一个字节表示灰度即可。但是，直方图仅能统计某级灰度像素出现 的概率，反映不出该像素在图像中的二维坐 标。因此，不同的图像有可能具有相同的直方 图。通过灰度直方图的形状，能判断该

8、图像的 清晰度和黑白对比度。如果获得一幅图像的直方图效果不理想， 可以通过直方图均衡化处理技术作适当修改， 即把一幅已知灰度概率分布图像中的像素灰 度作某种映射变换，使它变成一幅具有均匀灰 度概率分布的新图像，实现使图象清晰的目2、 图像的平滑图像的平滑处理技术即图像的去噪声处 理，主要是为了去除实际成像过程中，因成像 设备和环境所造成的图像失真，提取有用信 息。众所周知，实际获得的图像在形成、 传输、接收和处理的过程中，不可避免地存在着外部 干扰和内部干扰，如光电转换过程敏感元件灵 敏度的不均匀性、数字化过程的量化噪声、传 输过程中的误差以及人为因素等，均会使图像 变质。因此，去除噪声，恢复

9、原始图像是图像 处理中的一个重要内容。3、 图像的数据编码和传输数字图像的数据量是相当庞大的，一幅 512*512 个像素的数字图像的数据量为 256K字节，若假设每秒传输 25帧图像，则传输的信道速率为52.4M 比特/秒。高信道速率意 味着高投资，也意味着普及难度的增加。因此, 传输过程中，对图像数据进行压缩显得非常重 要。数据的压缩主要通过图像数据的编码和变 换压缩完成。图像数据编码一般采用预测编码，即将图 像数据的空间变化规律和序列变化规律用一 个预测公式表示，如果知道了某一像素的前面 各相邻像素值之后，可以用公式预测该像素 值。采用预测编码，一般只需传输图像数据的 起始值和预测误差，

10、因此可将 8比特/像素压缩到2比特/像素。变换压缩方法是将整幅图像分成一个个小的（一秀取8*8或16*16 ）数据块，再将这 些数据块分类、变换、量化，从而构成自适应的变换压缩系统。该方法可将一幅图像的数据 压缩到为数不多的几十个特传输，在接收端再 变换回去即可。4、 边缘锐化图像边缘锐化处理主要是加强图像中的 轮廓边缘和细节，形成完整的物体边界，达至I 将物体从图像中分离出来或将表示同一物体 表面的区域检测出来的目的。它是早期视觉理 论和算法中的基本问题，也是中期和后期视觉 成败的重要因素之一。5、 图像的分割图像分割是将图像分成若干部分，每一部 分对应于某一物体表面，在进行分割时，每一 部

11、分的灰度或纹理符合某一种均匀测度度量。某本质是将像素进行分类。分类的依据是像素 的灰度值、颜色、频谱特性、空间特性或纹理 特性等。图像分割是图像处理技术的基本方法 之一，应用于诸如染色体分类、景物理解系统、 机器视觉等方面。图像分割主要有两种方法：一是鉴于度量 空间的灰度阈值分割法。它是根据图像灰度直 方图来决定图像空间域像素聚类。但它只利用 了图像灰度特征，并没有利用图像中的其它有 用信息，使得分割结果对噪声十分敏感；二是 空间域区域增长分割方法。它是对在某种意义 上（如灰度级、组织、梯度等）具有相似性质 的像素连通集构成分割区域，该方法有很好的 分割效果，但缺点是运算复杂，处理速度慢。 其

12、它的方法如边缘追踪法，主要着眼于保持边 缘性质，跟踪边缘并形成闭合轮廓，将目标分割出来；锥体图像数据结构法和标记松弛迭代 法同样是利用像素空间分布关系，将边邻的像 素作合理的归并。而基于知识的分割方法则是 利用景物的先验信息和统计特性，首先对图像 进行初始分割，抽取区域特征，然后利用领域 知识推导区域的解释，最后根据解释对区域进 行合并。6、图像的识别图像的识别过程实际上可以看作是一个 标记过程，即利用识别算法来辨别景物中已分 割好的各个物体，给这些物体赋予特定的标 记，它是机器视觉系统必须完成的一个任务。按照图像识别从易到难，可分为三类问 题。第一类识别问题中，图像中的像素表达了 某一物体的

13、某种特定信息。如遥感图像中的某一像素代表地面某一位置地物的一定光谱波 段的反射特性，通过它即可判别出该地物的种 类。第二类问题中，待识别物是有形的整体， 二维图像信息已经足够识别该物体，如文字识 别、某些具有稳定可视表面的三维体识别等。 但这类问题不像第一类问题容易表示成特征 矢量，在识别过程中，应先将待识别物体正确 地从图像的背景中分割出来，再设法将建立起 来的图像中物体的属性图与假定模型库的属 性图之间匹配。第三类问题是由输入的二维 图、要素图、2 维图等，得出被测物体的三 维表示。这里存着如何将隐含的三维信息提取 出来的问题，当是今研究的热点。目前用于图像识别的方法主要分为决策理论和结构

14、方法。决策理论方法的基础是决策 函数，利用它对模式向量进行分类识别，是以 定时描述（如统计纹理）为基础的；结构方法 的核心是将物体分解成了模式或模式基元，而 不同的物体结构有不同的基元串（或称字符 串），通过对未知物体利用给定的模式基元求 出编码边界，得到字符串，再根据字符串判断 它的属类。这是一种依赖于符号描述被测物体 之间关系的方法。那么，机器视觉系统设计的难点都有哪 些？本文主要总结了一下五点，第一：打光的稳定性工业视觉应用一般分成四大类：定位、测量、检测和识别，其中测量对光照的稳定性要 求最高，因为光照只要发生 10-20%的变化, 测量结果将可能偏差出 1-2个像素，这不是软 件的问题，这是光照变化，导致了图像上边缘 位置发生了变化，即使再厉害的软件也解决不 了问题，必须从系统设计的角度，排除环境光 的干扰，同时要保证主动照明光源的发光稳定 性。当然通过硬件相机分辨率的提升也是提高 精度，抗环境干扰的一种办法了。比如之前的 相机对