机器视觉系统————图像采集卡收藏
图像采集卡是机器视觉系统的重要组成部分，其主要功能是对相机所输出的视频数据进行实时的采集，并提供与PC的高速接口．
一、图像采集卡的基本概念
1、图像采集卡（Frame Graber）
图像采集卡是图像采集部分和处理部分的接口。图像经过采样、量化以后转换为数字图像并输入、存储到帧存储器的过程，叫做采集、数字化。
2、A/D转换
视频量化处理是指将相机所输出的模拟视频信号转换为PC所能识别的数字信号的过程，即A/D转换。视频信号的量化处理是图像采集处理的重要组成部分。
A/D转换过程
3、传输通道数（Channel）
采集卡同时对多个相机进行A/D转换的能力。如：2通道、4通道。
4、分辨率
采集卡能支持的最大点阵反映了其分辨率的性能。即，其所能支持的相机最大分辨率。
5、采样频率
采样频率反映了采集卡处理图像的速度和能力。在进行高速图像采集时，需要注意采集卡的采样频率是否满足要求。
6、传输速率
指图像由采集卡到达内存的速度。主流图像采集卡与主板间都采用PCI接口，其理论传输速度为132MB/S。
7、图像格式（像素格式）
(1)黑白图像：通常情况下，图像灰度等级可分为256级，即以8位表示。在对图像灰度有更精确要求时，可用10位，12位等来表示。
(2)彩色图像：彩色图像可由RGB（YUV）3种色彩组合而成，根据其亮度级别的不同有8－8－8，10－10－10等格式。
8、图像采集卡附加功能
相机触发功能
灯源控制功能
基本I/O功能
相机复位功能
相机时序输出功能
9、颜色空间
对一种颜色进行编码的方法统称为“颜色空间”或“色域”(Color Space)。
——RGB(16位/24位/32位)
——YUV(YCbCr)
——其他(HSV、CMYK、数码相机自定义格式等)
——Alpha通道
10、帧和场
——标准的模拟视频信号是隔行信号，一帧分成两场
——偶数场包含所有的偶数行(0, 2, . . . )
——奇数场包含所有的奇数行(1, 3, . . . )
——采集和传输的过程中使用的是场，而不是帧
——一帧图像的两场之间有时间差
二、图像采集卡基本原理
1、视野(FOV)或现场是相机及光学系统“看”到的真实世界的具体部分。
2、CCD芯片将光能转化为电能。
3、相机将此信息以模拟信号的格式输出至图像采集卡。
4、AD –转换器将模拟信号转换成8 位（或多位）的数字信号。每个象素独立地把光强以灰度值(Gray level)的形式表达。
5、这些光强值从CCD芯片的矩阵中被存储在内存的矩阵数据结构中。
三、视觉系统成象原理
灰度值（Gray Level）——象素光强弱信息的表示灰度值为真实世界图像量化的表现方法。通常灰度值从最黑到最白为0 －255。光线进入CCD象素，如果光强达到CCD感应的极限，此象素为纯白色。对应于内存中该象素灰度值为255。如果完全没有光线进入CCD象素，此象素为纯黑色。对应于内存中该象素灰度值为0。
四、图像采集卡的组成
?视频输入模块；
?模数转换（A/D）模块；
?时序及采集控制模块；
?图像处理模块；
?总线接口及控制模块；
?输出及控制模块
五、图像采集卡分类
1、依据输入信号类型可以分为
模拟制式图像采集卡
数字图像采集卡
2、依据功能可以区分为
单纯功能的图像采集卡
集成图像处理功能的采集卡
六、图像采集卡的基本技术参数
?输入接口：数字，模拟；
?灰度等级；
?分辨率；
?带宽；
?传输速率；
七、板卡硬件发展趋势
1、传统图像采集卡（A/D转换）最终将被淘汰
2、CAMERALINK，FIREWIRE等数字接口采集卡很快将被广泛使用
本文来自CSDN博客，转载请标明出处：https://www.doczj.com/doc/121401313.html,/happyopencv/archive/2008/10/19/3097938.aspx
机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式 机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。 机器视觉检测的一般模式如图1所示： 图1机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就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图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理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，特征提取，目标识别与理解等内容。 1.3分拣 对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2典型的机器视觉检测系统 3光源
图像处理及识别技术在机器人路径规划中的一种应用 摘要：目前，随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分，路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分，这三部分可以并行执行，提高机器人路径规划系统的稳定性和实时性。在感知环节，视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术，研究了图像处理及识别技术在路径规划中是如何应用的，机器人将采集到的环境地图信息发送给计算机终端，计算机对图像进行分析处理与识别，将结果反馈给机器人，并给机器人发送任务信息，机器人根据接收到的信息做出相应的操作。 关键词：图像识别；图像处理；机器人；路径规划 ABSTRACT：At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition，image processing, robot，path planning
机器视觉基础知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是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。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+视觉自动上下料定位的应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 案例二：视觉检测在电子元件的应用： 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
机器视觉系统中常用工业相机的分类 根据不同感光芯片划分 我们知道感光芯片是摄像机的核心部件，目前摄像机常用的感光芯片有CCD和CMOS 两种： １．CCD摄像机，CCD称为电荷耦合器件，CCD实际上只是一个把从图像半导体中出 来的电子有组织地储存起来的方法。 称为互补金属氧化物半导体，CMOS实际上只是将晶体管２．CMOS摄像机，CMOS“” 放在硅块上的技术，没有更多的含义。 表示互补金属氧化物半导体，但是不论CCD 表示电荷耦合器件而CMOS“” 尽管CCD“” 对于图像感应都没有用，真正感应的传感器称做图像半导体，CCD和CMOS 或者CMOS“” 传感器实际使用的都是同一种传感器图像半导体，图像半导体是一个P N结合半导体，能 “” 够转换光线的光子爆炸结合处成为成比例数量的电子。电子的数量被计算信号的电压，光线进入图像半导体得越多，电子产生的也越多，从传感器输出的电压也越高。 1 因为人眼能看到Lux照度（满月的夜晚）以下的目标，CCD传感器通常能看到的照度 传感器感光度的到倍，所以目前一般CCD摄像机的图像质范围在Lux，是CMOS310 0.1~3 量要优于CMOS摄像机。CMOS可以将光敏元件、放大器、A/D转换器、存储器、数字 信号处理器和计算机接口控制电路集成在一块硅片上，具有结构简单、处理功能多、速度快、耗电低、成本低等特点。CMOS摄像机存在成像质量差、像敏单元尺寸小、填充率低等问题，年后出现了有源像敏单元结构，不仅有光敏元件和像敏单元的寻址开关，而且还1989“” 有信号放大和处理等电路，提高了光电灵敏度、减小了噪声，扩大了动态范围，使得一些参数与CCD摄像机相近，而在功能、功耗、尺寸和价格方面要优于CCD，逐步得到广泛的应用。CMOS传感器可以做得非常大并有和CCD传感器同样的感光度，因此非常适用于特殊 应用。CMOS传感器不需要复杂的处理过程，直接将图像半导体产生的电子转变成电压信号，因此就非常快，这个优点使得CMOS传感器对于高帧摄像机非常有用，高帧速度能达 到到帧秒。 400100000/ 按输出图像信号格式划分 模拟摄像机 模拟摄像机所输出的信号形式为标准的模拟量视频信号，需要配专用的图像采集卡才能 转化为计算机可以处理的数字信息。模拟摄像机一般用于电视摄像和监控领域，具有通用性好、成本低的特点，但一般分辨率较低、采集速度慢，而且在图像传输中容易受到噪声干扰，导致图像质量下降，所以只能用于对图像质量要求不高的机器视觉系统。常用的摄像机输出信号格式有： 中国电视标准，行，场 PAL（黑白为CCIR），62550
工业镜头的概念及分类 工业镜头的概念及分类 工业镜头一般称为摄像镜头或摄影镜头，简称镜头，其功能就是光学成像。镜头是机器视觉系统中的重要组件，对成像质量有着关键性的作用，它对成像质量的几个最主要指标都有影响，包括：分辨率、对比度、景深及各种像差。镜头不仅种类繁多，而且质量差异也非常大，但一般用户在进行系统设计时往往对镜头的选择重视不够，导致不能得到理想的图像，甚至导致系统开发失败。本文的目的是通过对各种常见镜头的分类及主要参数介绍，总结各种因素之间的相互关系，使读者掌握机器视觉系统中镜头的选用技巧。 根据有效像场的大小划分 把摄影镜头安装在一很大的伸缩暗箱前端，并在该暗箱后端安装一块很大的磨砂玻璃。当将镜头光圈开至最大，并对准无限远景物调焦时，在磨砂玻璃上呈现出的影像均位于一圆形面积内，而圆形外则漆黑，无影像。此有影像的圆形面积称为该镜头的最大像场。在这个最大像场范围的中心部位，有一能使无限远处的景物结成清晰影像的区域，这个区域称为清晰像场。照相机或摄影机的靶面一般都位于清晰像场之内，这一限定范围称为有效像场。由于视觉系统中所用的摄像机的靶面尺寸有各种型号，所以在选择镜头时一定要注意镜头的有效像场应该大于或等于摄像机的靶面尺寸，否则成像的边角部分会模糊甚至没有影像。 根据焦距分类 根据焦距能否调节，可分为定焦距镜头和变焦距镜头两大类。依据焦距的长短，定焦距镜头又可分为鱼眼镜头、短焦镜头、标准镜头、长焦镜头四大类。需要注意的是焦距的长短划分并不是以焦距的绝对值为首要标准，而是以像角的大小为主要区分依据，所以当靶面的大小不等时，其标准镜头的焦距大小也不同。变焦镜头上都有变焦环，调节该环可以使镜头的焦距值在预定范围内灵活改变。变焦距镜头最长焦距值和最短焦距值的比值称为该镜头的变焦倍率。变焦镜头有可分为手动变焦和电动变焦两大类。 变焦镜头由于具有可连续改变焦距值的特点，在需要经常改变摄影视场的情况下非常方便使用，所以在摄影领域应用非常广泛。但由于变焦距镜头的透镜片数多、结构复杂，所以最大相对孔径不能做得太大，致使图像亮度较低、图像质量变差，同时在设计中也很难针对各种焦距、各种调焦距离做像差校正，所以其成像质量无法和同档次的定焦距镜头相比。 实际中常用的镜头的焦距是从4毫米到300毫米的范围内有很多的等级，如何选择合适焦距的镜头是在机器视觉系统设计时要考虑的一个主要问题。光学镜头的成像规律可以根据两个基本成像公式牛顿公式和高斯公式来推导，对于机器视觉系统的常见设计模型，我们一般是根据成像的放大率和物距这两个条件来选择合适焦距的镜头的，在此给出一组实用的计算公式： 放大率：m=h’/h=L’/L 物距：L = f(1+1/m) 像距：L’= f(1+m) 焦距：f = L/(1+1/m) 物高：h = h’/m = h’(L-f)/f 像高：h’ = mh = h(L’-f)/f 特殊用途的镜头
第2章机器视觉系统与数字图像处理 2.1机器视觉系统 2.1．1机器视觉系统简介 机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科，其能以及应用范围随着工业自动化的发展逐渐完善和推广，其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展，有力地推动了机器视觉的发展。机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。 机器视觉系统通过图像摄取装置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。机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成。在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去；在一些不适合人工作业的危险工作环境或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。机器视觉系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平 机器视觉系统的优点有：1.非接触测量，对于被检测对象不会产生任何损伤，而且提高了系统能够的可靠性；2.较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展人眼的视觉范围；3.长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉系统则可以长时间地作测量、分析和识别任务。机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和
机器视觉检测的基础知识~相机 容来源网络，由“机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在机械展. 相机都有哪些种类？我们常说的CCD就是相机么？除了2D平面相机，是否还有其他种类的相机，原理又是什么？下面这篇文章给您一一道来。 一，相机就是CCD么？ 通常，我们把所有相机都叫作CCD，CCD已经成了相机的代名词。正在使用被叫做CCD的很可能就是CMOS。其实CCD和CMOS都称为感光元件，都是将光学图像转换为电子信号的半导体元件。他们在检测光时都采用光电二极管，但是在信号的读取和制造方法上存在不同。两者的区别如下： 二，像素。 所谓像素，是指图像的最小构成单位。电脑中的图像，是通过像素（或者称为PIXEL）这一规则排列的点的集合进行表现的。每一个点都拥有色调和阶调等色彩信息，由此就可以描绘出彩色的图像。 ▼例如：液晶显示器上会显示「分辨率：1280×1024」等。这表示横向的像素数为1280，纵向的像素数为1024。这样的显示器的像素总数即为1280×1024＝1,310,720。由于像素数越多，则越可以表现出图像的细节，因此也可以说「清晰度更高」。
三，像素直径。 所谓像素直径，是指每个CCD元件的大小，通常使用μm作为单位。严谨的说，这个大小中包含了受光元件与信号传送通路。（＝像素间距，即某个像素的中心到邻近一个像素的中心的距离。）。也就是说，像素直径与像素间距的值是一样的。如果像素直径较小，则图像将通过较小的像素进行描绘，因此可以获得更加精细的图像。可以通过像素直径和有效像素数，求出CCD元件的受光部的大小。 假设某个 CCD 元件的条件如下所示： ·有效像素数…768 × 484 ·像素直径…8.4 μm× 9.8μm 则受光部的大小为 ·横向768 × 8.4μm＝ 6.4512 mm ·纵向484 × 9.8μm＝ 4.7432 mm 四，CCD的大小。 ▼CCD感光元件的大小，一般分为采用英寸单位表示和采用APS-C大小等规格表示这2种方式。采用英寸表示时，该尺寸并不是拍摄的实际尺寸，而是相当于摄像管的对角长度。例如，1/2英寸的CCD表示「拥有相当于1/2英寸的摄像管的拍摄围」。为什么如此计算呢，这是由于当初制造CCD的目的就是用来代替电视机录像机的摄像管的。当时，由于想要继续使用镜头等光学用品的需求比较强烈，由此就诞生了这种奇怪的规格。主要的英寸规格的尺寸如下表所示。
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。
机器视觉入门知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是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。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 啤酒厂采用的填充液位检测系统为例来进行说明： 当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒 瓶和持续的流程统计数据。
机器人视觉引导玩偶定位应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 视觉检测在电子元件的应用：
数字图像处理与机器视觉 2015-2016期末试卷参考答案南昌大学研究生2015,2016年第2学期期末考试试卷 试卷编号: (开)卷课程名称: 数字图像处理与机器视觉适用班级: 2015级硕士研究生姓名: 学号: 专业: 学院: 机电工程学院考试日期: 题号一二三四五六七八九十总分累分人 签名题分 10 15 15 10 20 30 100 得分 考生注意事项:1、本试卷共4页，请查看试卷中是否有缺页或破损。如有请报告以便更换。 2、使用A4答题纸，注意装订线。 一、单项选择题(从下列各题四个备选答案中选出一个正确答案，并将其 代号填在题前的括号内。每小题1分，共10分) ( b )1.图像与灰度直方图间的对应关系是: a.一一对应 b.多对一 c.一对多 d.都不对 ( d )2. 下列算法中属于图象平滑处理的是: a.Hough变换法 b.状态法 c.高通滤波 d. 中值滤波 ( c )3.下列算法中属于图象锐化处理的是: a.局部平均法 b.最均匀平滑法 c.高通滤波 d. 中值滤波 ( d )4. 下列图象边缘增强算子中对噪声最敏感的是: a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( b )5. 下列算法中属于点处理的是: a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d )6.下列算子中利用边缘灰度变化的二阶导数特性检测边缘的是:
a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c )7.将灰度图像转换成二值图像的命令为: a.ind2gray b.ind2rgb c.im2bw d.ind2bw ( d )8.数字图像处理的研究内容不包括: a.图像数字化 b.图像增强 c.图像分割 d.数字图像存储 ( d )9.对一幅100?100像元的图象，若每像元用,bit表示其灰度值，经霍夫曼编码后图象的压缩比为2:1，则压缩图象的数据量为: a.2500bit b.20000bit c.5000bit d.40000bit ( b )10.图像灰度方差说明了图像哪一个属性: a.平均灰度 b.图像对比度 c.图像整体亮度 d.图像细节 第 1 页 二、填空题(每空1分，共15分) l. 图像处理中常用的两种邻域是 4-邻域和 8-邻域。 2.图象平滑既可在空间域中进行，也可在频率域中进行。 3.常用的灰度内插法有最近邻元法、双线性内插法和三次内插法。 4. 低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。 5.Prewitt边缘检测算子对应的模板是和。 -1 -1 -1 -1 0 1 0 0 0 -1 0 1 1 1 1 -1 0 1 (不分先后) 6.图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。 7.灰度直方图的纵坐标是该灰度出现的频率。 8.依据图象的保真度，图象编码可分为无失真(无损)编码和有失真(有损)编码两 种。
机器视觉应用有哪些浅谈机器视觉软件的介绍与选择 本文主要是关于机器视觉的相关介绍，并着重对机器视觉的应用场景进行了详尽的阐述。 机器视觉机器视觉是人工智能正在快速发展的一个分支。简单说来，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，得到被摄目标的形态信息，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。 机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O 卡等）。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。［2］机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境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，在大批量重复性工业生产过程中，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。 一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、显微镜头）、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。 系统可再分为 一、采集和分析分开的系统。 主端电脑（Host Computer） 影像撷取卡（Frame Grabber）与影像处理器 影像摄影机 定焦镜头镜头 显微镜头
机器视觉检测系统的最经典结构一个典型的机器视觉系统主要包括五大块，分别是照明、镜头、相机、图像采集和视觉处理器。 下面，我们就来认识一下这五个结构的用途、特点与工作情况。 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。 照明系统可以将被测物特征最大化，并减少相应的背景中对比物的影响，使高速相机可以清晰地“看见”被测物。 高对比的图像可以降低系统难度并提高系统的稳定性；反之，低对比的图像会增加系统的处理时间并使加大系统的复杂度。 机器视觉应用的成功很大一部分取决于照明设置，一个合适的照明系统可以使整个视觉检测系统更具有效率和准确性。 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炽灯、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。 机器视觉照明要点有使用强光检测缺失的材料、使用合适的波长进行精确定位、使用非散射照明检测玻璃裂缝、使用扩散光检查透明包装、使用颜色来创建对比度等。 相机镜头由多个透镜、可变（亮度）光圈和对焦环组成。使用时由操作者观察相机显示屏来调整可变光圈和焦点，以确保图像的明亮程度及清晰度。 在选择镜头时需要考虑多个方面的因素如焦距、目标高度、影像高度、放大倍数、影像至目标的距离等。 在实际应用中“选择与视场相符的透镜”及“以大景深聚焦图像”是选择镜头时非常重要的两个方面。 机器视觉相机的目的是将通过镜头投影到传感器的图像传送到能够储存、分析和（或者）显示的机器设备上。
热点论坛 Column 专栏 29 2006年2月刊 自动化博览 Selection Technique of Lens in Machine Vision System 1 概述 光学镜头一般称为摄像镜头或摄影镜头，简称镜头，其功能就是光学成像。镜头是机器视觉系统中的重要组件，对成像质量有着关键性的作用，它对成像质量的几个最主要指标都有影响，包括：分辨率、对比度、景深及各种像差。镜头不仅种类繁多，而且质量差异也非常大，但一般用户在进行系统设计时往往对镜头的选择重视不够，导致不能得到理想的图像，甚至导致系统开发失败。本文的目的是通过对各种常见镜头的分类及主要参数介绍，总结各种因素之间的相互关系，使读者掌握机器视觉系统中镜头的选用技巧。 2 机器视觉系统中常用镜头的分类 (1) 根据有效像场的大小划分 把摄影镜头安装在一很大的伸缩暗箱前端，并在该暗箱后端安装一块很大的磨砂玻璃，当将镜头光圈开至最大，并对准无限远景物调焦时，在磨砂玻璃上呈现出的影像均位于一圆形面积内，而圆形外则漆黑、无影像。此有影像的圆形面积称为该镜头的最大像场。在这个最大像场范围的中心部位，有一能使无限远处的景物结成清晰影像的区域，这个区域称为清晰像场。照相机或摄影机的靶面一般都位于清晰像场之内，这一限定范围称为有效像场。由于视觉系统中所用的摄像机的靶面尺寸有各种型号，所以在选择镜头时一定要注意镜头的有效像场应该大于或等于摄像机的靶面尺寸，否则成像的边角部分会模糊甚至没有影像。 根据有效像场的大小分类见表1。 表1 分类 (2) 根据焦距分类 根据焦距能否调节，可分为定焦距镜头和变焦距镜头两大类。依据焦距的长短，定焦距镜头又可分为鱼眼镜头、短焦镜头、标准镜头、长焦镜头、超长焦五大类。需要注意的是焦距的长短划分并不是以焦距的绝对值为首要标准，而是以像角的大小为主要区分依据，所以当靶面的大小不等时，其标准镜头的焦距大小也不同。变焦镜头上都有变焦环，调节该环可以使镜头的焦距值在预定范围内灵活改变。变焦距镜头最长焦距值和最短焦距值的比值称为该镜头的变焦倍率。变焦镜头有可分为手动变焦和电动变焦两大类。 变焦镜头由于具有可连续改变焦距值的特点，在需要经常改变摄影视场的情况下非常方便使用，所以在摄影领域应用非常广泛。但由于变焦距镜头的透镜片数多、结构复杂，所以最大相对孔径不能做得太大，致使图像亮度较低、图像质量变差，同时在设计中也很难针对各种焦距、各种调焦距离做像差校正，所以其成像质量无法和同档次的定焦距镜头相比。 实际中常用的镜头的焦距是从4毫米到1000毫米的范围内有很多的等级，如何选择合适焦距的镜头是在机器视觉系统设计时要考虑的一个主要问题。光学镜头的成像规律可以根据两个基本成像公式即牛顿公式和高斯公式来推导，对于机器视觉系统的常见设计模型，一般是根据成像的放大率和物距这两个条件来选择合适焦距的镜头的，在此给出一组实用的计算公式： ? 放大率：m=h’/h=L’/L ；? 物距：L = f(1+1/m)； 有效像场尺寸 3.2mm ×2.4mm （对角线4mm ） 4.8mm ×3.6mm （对角线6mm ）6.4mm ×4.8mm （对角线8mm ）8.8mm ×6.6mm （对角线11mm ）12.8mm ×9.6mm （对角线16mm ）21.95mm ×16mm （对角线27.16mm ）10.05mm ×7.42mm （对角线12.49mm ）36mm ×24mm 40mm ×40mm 80mm ×60mm 82mm ×56mm 240mm ×180mm 电视摄像镜头电影摄影镜头照相镜头 镜头类型 1/4英寸摄像镜头 1/3英寸摄像镜头1/2英寸摄像镜头2/3英寸摄像镜头1英寸摄像镜头 35mm 电影摄影镜头 16mm 电影摄影镜头135型摄影镜头127型摄影镜头120型摄影镜头中型摄影镜头大型摄影镜头 机器视觉系统 中镜头的选用技巧 王亚鹏（1972－） 男，河北安平人，现就职于中国大恒（集团）有限公司北京图像视觉技术分公司任副总工程师、开发部经理，研究方向为机器视觉、模式识别。 （中国大恒（集团）有限公司北京图像视觉技术分公司，北京 100080） 王亚鹏 机器视觉
第一章概述 点运算：在图像处理中，只输入该像素本身的灰度的运算方式。 领域运算：在图像处理中，不仅输入该像素f0本身的灰度，还要以该像素f0为中心的某局部领域(即邻域)中的一些像素的灰度进行运算的方式。 对比度/清晰度：画面黑与白的比值，也就是从黑到白的渐变层次。比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。【维基百科，课件上没找到】 第二章图像预处理 一、灰度变换（点运算） 目的：改善图像的灰度对比度或满足图像上灰度的某些特殊要求（问题：灰度偏暗或偏亮；范围不足；局部层次差） 1、灰度范围移动处理 g(i,j)=f(i,j)+d 当d>0时，灰度范围向高端移动，图像变亮； 当d<0时，灰度范围向低端移动，图像变暗； 2、灰度线性变换 （1）整体灰度线性变换 （g a=0,g b=255） （2）局部灰度线性变换 a. 限幅灰度拉伸-局部感兴趣（局部灰度拉伸到最大限度，而无用信息被抑制为黑色 或白色的单一灰度） b. 锯齿形灰度拉伸 将输入图像中不同灰度区间[f1,f2]、[f2,f3]、[f3,f4] 进行同样的灰度拉伸，使各个灰度区间都扩展到 允许的整个灰度范围[g a,g b]。 使输入图像中原来是缓慢变化的灰度，经变换后 在这些区间的f1、f2、f3等分割点的两端灰度发生 了突变。 c. 阈值灰度拉伸-二值图像
3、灰度非线性变化 （1）对数变化 g(i,j)=log[f(i,j)] 变换后的图像中低灰度区的灰度值 得到了拉伸，即对比度增强，而高灰度区 的灰度值被压缩，并且高低灰度区的灰度 过度平滑。 （2）连续函数变化 （3）二次变化 G(x,y)=f(x,y)2，0 什么是机器视觉技术？试论述其基本概念和目的。 答：机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。 机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。 机器视觉系统一般由哪几部分组成？试详细论述之。 答：机器视觉系统主要包括三大部分：图像获取、图像处理和识别、输出显示或控制。 图像获取：是将被检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。该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD和CMOS）采集物体影像。 图像处理和识别：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后，图像的质量得到提高，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。 输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。 试论述机器视觉技术的现状和发展前景。 答：。机器视觉技术的现状：机器视觉是近20～30年出现的新技术，由于其固有的柔性好、非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。 发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。 机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。答：一、在激光焊接中的应用。通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。 二、在火车轮对检测中的应用，通过机器视觉系统抓拍轮对图像，找出轮对中有缺陷的轮对，提高检测精度和速度，提高效率。 三、大批量生产过程中的质量检查，通过机器视觉系统，对生产过程中的产品进行质量检查跟踪，提高生产效率和准确度。 什么是傅里叶变换，分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。 答：傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。 一维连续函数的傅里叶变换为： 一维离散傅里叶变换为： 二维连续函数的傅里叶变换为： 二维离散傅里叶变换为： 图像傅立叶变换的基本概念：傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图 《图像处理与机器视觉》 作业 姓名： 学号： 专业：测试计量技术及仪器 时间：2016年4月 作业一：图像增强 1、图像灰度变换。 对图像（见图1）进行对比度拉伸，通过直方图获取灰度分布的最小、最大值。 图1 灰度拉伸 算法描述： 直方图均衡化是灰度变换的一个重要应用，它广泛应用在图像增强处理中。可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素取值的动态范围。由于许多图像的灰度值是非均匀分布的，而且灰度值集中在一个小区间内的图像也是很常见的。直方图均衡化就是一种通过重新均匀地分布各灰度值来增强图像对比度的方法。直方图均衡化处理是以累积分布函数（Cumulative Distri-bution Function- CDF ）为基础的直方图修改法。直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。 源程序： clear;clc;close; I=imread('E:\学习\图像处理与机器视觉\灰度变换.bmp');%读取图像 [m,n,o]=size(I); grayPic=rgb2gray(I); figure,imshow(I); figure,imshow(grayPic); gp=zeros(1,256); %计算各灰度出现的概率 for i=1:256 gp(i)=length(find(grayPic==(i-1)))/(m*n); end figure,bar(0:255,gp); title('原图像直方图'); xlabel('灰度值'); ylabel('出现概率'); newGp=zeros(1,256); %计算新的各灰度出现的概率 S1=zeros(1,256);(完整版)机器视觉思考题及其答案
图像处理与机器视觉
相关主题
文本预览