目录
第1章搭建机器视觉处理平台 (1)
1.1 选择相机 (1)
1.1.1 扫描类型(Scan type) (1)
1.1.2 相机分辨率(Camera Resolution) (2)
1.1.3 相机的图像传输方式 (3)
1.2 选择图像采集板卡 (5)
1.3 选择软件处理平台 (6)
1.3.1 超高性价比的学习平台 (7)
第1章搭建机器视觉处理平台
1.1 选择相机
光源选择好了以后，下一步就是选择相机。通常，在工业相机的说明书上，会出现这样的指标，如图2.1所示。
图2.1 工业相机指标(来自https://www.doczj.com/doc/478253361.html,)
下面本文将详述工业相机常见的指标，以帮助大家选择合适的相机。
1.1.1扫描类型(Scan type)
相机中的成像元件是CCD芯片。如果CCD芯片只有一行感光器件(如图2.2左所示)，换句话说，每次只能对物体的一条线进行成像，那么，这种扫描类型成为线扫描(line scan)，这样的相机称为线阵相机。如果CCD芯片的感光区是个矩形阵面(如图2.2右所示)，换句话说，每次能对物体进行整体成像，那么，这种扫描类型成为面扫描(line scan)，这样的相机称为面阵相机。
图2.2 面阵CCD vs. 线阵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，可以实现运动物体的连续检测，比如传送带上的滤波等带状物体(这种情况下，面阵相机很难检测)；其缺点是需要拼接图像的后续处理。图2.3给出了线阵相机的一个成像实例，以帮助大家更好的理解线阵相机的成像过程。
图2.3 线阵相机成像实例
按照扫描方式不同，面阵相机还可以分为隔行扫描(Interlaced scan)和逐行扫描(Progressive Scan)。隔行扫描方式下一幅完整图像分两次显示，首先显示奇数场（1、3、5……），再显示偶数场（2、4、6……），如图2.4所示。
奇数场偶数场
+
帧
=
图2.4 隔行扫描成像过程
隔行扫描相机的优点是价格便宜，但由于隔行扫描方式是先扫奇数场，再扫偶数场，所以隔行扫描相机在拍运动物体的时候容易出现锯齿状边缘或叠影。
逐行扫描相机则没有上述的缺点，由于所有行同时曝光，不会分先后，所以在拍摄运动图像画面清晰，失真小。其余参数相似的情况下，逐行扫描相机要比隔行扫描相机贵。
1.1.2相机分辨率(Camera Resolution)
分辨率是影响图像效果的重要因素，我们一般用水平和垂直方向上所能显示的像素数来表示分辨率，例如640×480。该值越大图形文件所占用的磁盘空间也就越多，从而图像的细节表现得更充分。
与分辨率联系非常紧密的参数是视场(Field of View)和特征分辨率(Feature Resolution)，如图2.5所示。视场是指能拍摄到的范围，特征分辨率是指能分辨的实际物理尺寸。
图2.5 视场和特征分辨率
NI Vision Module中的图像算法要求，物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。
1.1.3相机的图像传输方式
按照不同的图像传输方式，相机可以大略的分为模拟相机和数字相机。
1．模拟相机
模拟相机以模拟电平的方式表达视频信号，如图2.6所示。模拟相机现在使用非常广泛，其优点是技术成熟、成本低廉、对应的图像采集卡价格也比较低。8-bit的图像采集卡可以提供256级的灰度，对于大部分的图像应用已经足够了。
图2.6 模拟视频信号
模拟相机有四个非常成熟的标准：PAL、NTSC、CCIR和RS-170，如表2.1所示。里面需要关注的参数有帧率、彩色/黑白、分辨率。
表2.1 模拟相机标准
标准 使用地 帧率 帧/秒 彩色/黑白分辨率 PAL 欧洲25 彩色768×676
NTSC 美国、日本30 彩色640×480
CCIR 欧洲25 黑白768×676
RS-170 美国、日本30 黑白640×480
由表2.1可以用看出，不同的标准对应不同的参数，这些参数必须正确告知图像采集卡，
才能获得准确的图像。在NI Measurement & Automation中，可以根据相机模拟图像的输出格式来配置图像采集卡，如图2.7所示。
图2.7 配置图像采集卡
模拟相机也有一些缺点，比如帧率不高，分辨率不高等等。在高速、高精度机器视觉应用中，一般都会考虑数字相机。
2．数字相机
数字相机先把图像信号数字化后通过数字接口传到电脑中。常见的数字相机接口有Firewire、CameraLink、GigE和USB。
Camera Link是一个工业高速串口数据连接标准，它是由National Instruments、摄像头供应商和其他图像采集公司在2000年10月联合推出的，它在一开始就对接线、数据格式、触发、相机控制等做了考虑，所以非常方便机器视觉应用。Camera Link的数据传输率可达1Gbits/s，可提供高速率、高分辨率和高数字化率，信噪比也大大改善。Camera Link的标准数据线长3米，最长可达10米。如果您是高速或高分辨率的应用，Camera Link肯定是首选。
Firewire即IEEE1394，开始是为数字相机和PC连接设计的，它的特点是速度快(400Mbits/s)，通过总线供电和支持热插拔。另外值得一提的是，如果PC上自带Firewire接口，那么不需要为相机额外购买一块图像采集卡了，这在成本上也是一种优势。
GigE，即千兆以太网接口，它似乎综合了高速数据传输和远距离的特点，而且电缆便宜(网线)。缺点是支持这种接口的相机型号比较少，选择有限。
USB相机较多的用在娱乐上，比如USB摄像头，USB工业相机型号也比较少，在工业中的使用程度不高。但正是因为USB摄像头超级低廉（不到100元人民币），所以本文把USB摄像头作为机器视觉学习的硬件平台，这样可以方便大家以低廉的成本进入机器视觉
领域。
1.2 选择图像采集板卡
一般来说，选好相机后，图像处理板卡也就确定了。生产图像处理板卡的厂家非常多，如果您的应用除了单纯的图像处理外，还包括数据采集、运动控制等要求的话，选择National Instruments公司的图像处理板卡是一个不错的选择。因为所有功能都可以在一个统一的软件平台(LabVIEW)和硬件平台(PXI)上完成，方便系统集成。
在https://www.doczj.com/doc/478253361.html,/camera上提供一个相机选择助手，如图2.8所示。
图2.8 相机选择助手
在相机选择助手选择相应的参数，如供应商、扫描模式、接口类型、分辨率等，就可以查到到相应的应用比较成熟的相机，并且还可以比较同类型的相机。
点击到感兴趣的相机页面，不仅可以获得相机相关的信息，还可以得到图像采集卡的推荐，如图2.9所示。推荐的图像采集卡都是经过NI公司验证过的，所以可以把兼容性问题降到最低。
图2.9 相机信息页面
1.3 选择软件处理平台
机器视觉处理软件有很多种，比如源代码开放的OpenCV，Mathworks公司的图像处理工具包，Matrox公司的Imaging Library，National Instruments公司的LabVIEW等等。
如果目标是机器视觉算法研究，需要考虑软件的源代码是否开放。
如果目标是机器视觉系统的开发，需要考虑的因素有：图像处理函数库是否完备；发布费用是否高昂；使用是否方便；开发平台是否统一；与硬件结合是否容易；公司的售后服务及技术支持是否到位等等。
机器视觉系统开发带有很强的试验性质，通常需要多种处理算法混合在一起才能取得目标效果，需要一边尝试一边开发。如果图像处理函数库不够完备，那么开发起来，处理过程将受到很多限制。
商业的软件平台通常会收取发布费用，如果产品比较低端，那昂贵的发布费用将占去大部分利润。
对于系统开发来说，商品的上市时间是一个重要的因素，大量的时间花在源代码的调试上是一件得不偿失的事情，所以软件的易用程度和学习曲线将是一个重要的考虑因素。
机器视觉系统是一个涵盖机械、图像处理、数据采集和运动控制等的复杂系统，如果开发平台统一，容易集成诸如数据采集和运动控制等功能的话，那比较容易开发出功能更加复杂、附加值更加高的产品。笔者在学生期间曾经做过一套系统，在VC下进行图像采集与处理，用单片机系统实现数据采集，用PLC进行电机控制，然后用RS485进行通信。在这个工程项目中，必须学习VC，Keil C和GXDeveloper三种开发平台，且不说各模块功能的实现，单是设计和开发通讯协议，就在三个平台间辗转反侧，花了很多精力和时间。
另外，如果供应商的技术支持很好，比如有免费800电话，工程师现场支持等服务的话，会非常有助于项目的开发。笔者在项目开发时，遇到问题的主要解决途径就是Google和论坛。
本文将介绍National Instruments公司的LabVIEW开发平台，在这个平台不仅可以学习图像采集、图像处理及机器视觉，学完后还能将所学到的知识和技能直接用于机器视觉系统的开发。
1.3.1超高性价比的学习平台
前文中提到，USB 摄像头常用于家庭娱乐，但由于其价格低廉，非常适合做学习机器视觉的入门级硬件。本节将介绍LabVIEW平台下，如何利用USB 摄像头学习机器视觉的方法。
1.买一个支持DirectShow的USB摄像头，就是QQ聊天的那种，免驱的。我买的是剑桥
A36 Pro,不到100元RMB。
2.安装LabVIEW7.1以上的版本，参加任何的NI研讨会都可以拿到LabVIEW的试用光
盘，也可以到https://www.doczj.com/doc/478253361.html,/labview/下载
3.安装NI Vision Development Module，参加NI 机器视觉研讨会就可以拿到Vision
Development Module的试用光盘，或者到网上去下载，需要注意的是Vision Development Module的版本号要和LabVIEW对应，比如LabVIEW使用的是8.2，那么Vision Development Module也要使用8.2。
4.到https://www.doczj.com/doc/478253361.html,/devzone/cda/epd/p/id/5030去下载NI-IMAQ for USB Cameras，这是
在LabVIEW下，支持DirectShow的USB Camera的驱动并安装。
5.如果您用的是中文WinXP SP2操作系统，还需要到
https://www.doczj.com/doc/478253361.html,/ni/board/message?board.id=170&thread.id=154541&view=by_threadin g&page=5去下载一个dll文件(ImaqDirectShowDll)，并用该文件覆盖system32文件夹下的同名文件。
上述系统的总花费就是一个可以用于QQ聊天的USB摄像头。
当系统配置好后，可以到C:\Program Files\National Instruments\LabVIEW 8.5\examples\IMAQ文件夹下，双击imaqUSB examples.llb文件，打开Grab.vi，然后运行。如果运行成功，则可以获得图像，如图2.10所示。
图2.10 USB Camera Grab.vi
机器视觉（相机、镜头、光源）全面概括 分类：机器视觉2013-08-19 10:52 1133人阅读评论(0) 收藏举报机器视觉工业相机光源镜头 1.1.1视觉系统原理描述 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。 2.1.1视觉系统组成部分 视觉系统主要由以下部分组成 1.照明光源 2.镜头 3.工业摄像机 4.图像采集/处理卡 5.图像处理系统 6.其它外部设备 2.1.1.1相机篇 详细介绍： 工业相机又俗称摄像机，相比于传统的民用相机（摄像机）而言，它具有高的图像稳定性、高传输能力和高抗干扰能力等，目前市面上工业相机大多是基于CCD（Charge Coupled Device）或CMOS（Complementary Metal Oxide
Semiconductor）芯片的相机。CCD是目前机器视觉最为常用的图像传感器。它集光电转换及电荷存贮、电荷转移、信号读取于一体，是典型的固体成像器件。CCD的突出特点是以电荷作为信号，而不同于其它器件是以电流或者电压为信号。这类成像器件通过光电转换形成电荷包，而后在驱动脉冲的作用下转移、放大输出图像信号。典型的CCD相机由光学镜头、时序及同步信号发生器、垂直驱动器、模拟/数字信号处理电路组成。CCD作为一种功能器件，与真空管相比，具有无灼伤、无滞后、低电压工作、低功耗等优点。CMOS图像传感器的开发最早出现 在20世纪70 年代初，90 年代初期，随着超大规模集成电路(VLSI) 制造工艺技术的发展，CMOS图像传感器得到迅速发展。CMOS图像传感器将光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上，还具有局部像素的编程随机访问的优点。目前，CMOS图像传感器以其良好的集成性、低功耗、高速传输和宽动态范围等特点在高分辨率和高速场合得到了广泛的应 用。、 分类： 任何东西分类一定有它自己的分类标准，工业相机也不例外，按照芯片类型可以分为CCD相机、CMOS相机；按照传感器的结构特性可以分为线阵相机、面阵相机；按照扫描方式可以分为隔行扫描相机、逐行扫描相机；按照分辨率大小可以分为普通分辨率相机、高分辨率相机；按照输出信号方式可以分为模拟相机、数字相机；按照输出色彩可以分为单色（黑白）相机、彩色相机；按照输出信号速度可以分为普通速度相机、高速相机；按照响应频率范围可以分为可见光（普通）相机、红外相机、紫外相机等。 区别： 1、工业相机的性能稳定可靠易于安装，相机结构紧凑结实不易损坏，连续工作时间长，可在较差的环境下使用，一般的数码相机是做不到这些的。例如：让民用数码相机一天工作24小时或连续工作几天肯定会受不了的。 2、工业相机的快门时间非常短，可以抓拍高速运动的物体。 例如，把名片贴在电风扇扇叶上，以最大速度旋转，设置合适的快门时间，用工业相机抓拍一张图像，仍能够清晰辨别名片上的字体。用普通的相机来抓拍，是不可能达到同样效果的。
第一章机器视觉系统构成与关键技术 1、机器视觉系统一般由哪几部分组成？机器视觉系统应用的核心目标是什么？主要的分 成几部分实现？ 用机器来延伸或代替人眼对事物做测量、定位和判断的装置。组成：光源、场景、摄像机、图像卡、计算机。用机器来延伸或代替人眼对事物做测量、定位和判断。三部分：图像的获取、图像的处理和分析、输出或显示。 2、图像是什么？有那些方法可以得到图像？ 图像是人对视觉感知的物质再现。光学设备获取或人为创作。 3、采样和量化是什么含义？ 数字化坐标值称为取样，数字化幅度值称为量化。采样指空间上或时域上连续的图像（模拟图像）变换成离散采样点（像素）集合的操作；量化指把采样后所得的各像素的灰度值从模拟量到离散量的转换。采样和量化实现了图像的数字化。 4、图像的灰度变换是什么含义？请阐述图像反色算法原理？ 灰度变换指根据某种目标条件按照一定变换关系逐点改变原图像中每一个像素灰度值，从而改善画质，使图像的显示效果更加清晰的方法。对于彩色图像的R、G、B各彩色分量取反。 第二章数字图像处理技术基础 1、对人类而言，颜色是什么？一幅彩色图像使用RGB色彩空间是如何定义的？24位真彩 色，有多少种颜色？ 对人类而言，在人类的可见光范围内，人眼对不同波长或频率的光的主观感知称为颜色。 一幅图像的每个像素点由24位编码的RGB 值表示：使用三个8位无符号整数（0 到255）表示红色、绿色和蓝色的强度。256*256*256=16,777,216种颜色。 2、红、绿、蓝三种颜色为互补色，光照在物体上，物体只反射与本身颜色相同的色光而吸 收互补色的光。一束白光照到绿色物体上，人类看到绿色是因为？ 该物体吸收了其他颜色的可见光，而主要反射绿光，所以看到绿色。 3、成像系统的动态范围是什么含义？ 动态范围最早是信号系统的概念，一个信号系统的动态范围被定义成最大不失真电平和噪声电平的差。而在实际用途中，多用对数和比值来表示一个信号系统的动态范围，比如在音频工程中，一个放大器的动态范围可以表示为： D = lg（Power_max / Power_min）×20； 对于一个底片扫描仪，动态范围是扫描仪能记录原稿的灰度调范围。即原稿最暗点的密度（Dmax）和最亮处密度值(Dmin)的差值。 我们已经知道对于一个胶片的密度公式为D = lg（Io/I）。那么假设有一张胶片，扫描仪向其投射了1000单位的光，最后在共有96%的光通过胶片的明亮（银盐较薄）部分，而在胶片的较厚的部分只通过了大约4%的光。那么前者的密度为： Dmin=lg（1000/960）= 0.02； 后者的密度为： Dmax=lg（1000/40）= 1.40 那么我们说动态范围为：D=Dmax-Dmin=1.40-0.02=1.38。
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
. ;.. 经过机器视觉技术及应用这门课程的学习，我觉得受益匪浅。可以说这门课 程更偏重于实践，也很好的锻炼了我们，老师讲课很认真，ppT准备的很详细，对于一些关键问题的讲解更是深入浅出。机器视觉技术，即采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两种把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别，进而根据判别的结果来控制现场的设备动作。机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一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。 机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别，机器视觉是将计算机视觉应用于工业自动化。 目前在机器视觉系统中；CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。在未来的几年内，随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。加之机器视觉的介入，自动化将朝着更智能、更快速的方向发展。 通过本课程的学习，我们掌握了一些机器视觉方面的基本知识。这门课对于我们生活方面有很大的实用性，可以让我们了解到机器视觉的基本构造，对成为技术应用型人才，适应社会和培养实践能力与技能都起到了很大的作用。这样的学习让我们将知识更灵活的运用，更好的将知识和实践结合在一起并转化为技能。 通过这门课程的学习，我们懂得更多，收获更多，提升了自身操作能力的同时又学到了很多东西，我相信在以后的课堂学习和实践学习中可以掌握更多更深入的知识，不断的提高自身的学习与应用能力。
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：
机器视觉测量技术 杨永跃 合肥工业大学 2007.3
目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像
5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像 第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术 第八章图像测量软件 （多媒体介绍） 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界，有效解决问题。 人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器，赋予人类视觉功能极其重要。 机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。 机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、 超声成像、CT等 数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角 点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理 分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并 确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用 工业检测—文件处理，毫微米技术—多媒体数据库。 许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位
目录 第3章图像采集 (1) 3.1采集单幅图像 (1) 3.1.1基于图像采集卡的Snap操作 (1) 3.1.2基于USB摄像头的Snap操作 (3) 3.1.3使用Snap.vi进行连续图像采集的速度问题 (4) 3.2采集连续图像 (5) 3.2.1基于图像采集卡的Grab操作 (6) 3.2.2基于USB摄像头的Grab操作 (7) 3.3多缓冲区采集方式 (8) 3.3.1Sequence图象采集方式 (9) 3.3.2Ring图象采集方式 (10) 3.4触发 (11) 3.4.1触发信号类型 (11) 3.4.2触发方式图象采集的实现 (12) 3.5图像保存与读取 (14) 3.5.1图像文件格式简介 (14) 3.5.2保存图像 (15) 3.5.3读取图像 (16)
第3章图像采集 当选定好机器视觉的软硬件平台后，下一步就是图像采集。本章将详细讨论基于USB 摄像头的图像采集和工业相机的图像采集，大家可以根据手中硬件的不同而选读不同的部分。从软件的视角来看，尽管硬件不同，但编程的思路和模式是基本一致的。 本文使用的工业相机是Panasonic的BP330，它是一款遵循CCIR标准的黑白相机，图像采集卡是NI公司的PCI-1407(任何标准制式的黑白模拟相机都可以接到PCI-1407)。把相机连接到PCI-1407后，即可在MAX下找到PCI-1407，点击Grab 按钮，还可以采集到图像，如图3.1所示。 图3.1 在MAX里面采集图像 如果你使用的是USB 摄像头，那么请参考Error! Reference source not found.Error! Reference source not found.，运行imaqUSB examples.llb中的Grab.vi。在软硬件正常工作的情况下，可以看到从USB 摄像头中传出的图像，如Error! Reference source not found.所示。 在进行机器视觉系统开发前，我们通常都会如上所示先验证软硬件是否能正常工作，以便后续开发。 3.1 采集单幅图像 3.1.1基于图像采集卡的Snap操作 采集单幅图像是基本的图像采集操作之一，对应的动作叫Snap。每次Snap时，图像数据先从相机传到图像采集卡，然后再传到计算机的内存(图像处理缓冲区)中去，如图3.2所示。
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
机器视觉测量技术杨永跃合肥工业大学 2007.3 目录 第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式
2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像
第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
3 第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界,有效解决问题。 人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器,赋予人类视觉功能极其重要。 机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。 机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等 数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定
机器视觉 市场调研报告 营业部:李凯丽 2015年9月2日
机器视觉技术是一项新兴产业，自起步发展至今，机器视觉在中国经历了三个发展阶段，其功能以及应用范围随着工业自动化的发展也在逐渐完善和推广。而在世界范围内，机器视觉已经为人类解决了许多重大问题，由于机器视觉自身领域的特点，目前应用于工业、农业、交通运输业、新兴行业等多领域，创造了人工无法比拟的经济和社会价值。本文从机器视觉的发展、机器视觉的应用领域、竞争状态、市场规模和预测等多方面，调研了机器视觉行业的发展状态，为公司投资机器视觉领域提供了参考依据。 关键词：机器视觉、市场规模、竞争、前景
第一章机器视觉发展背景 (3) 1.1 机器视觉综述 (3) 1.1.1 机器视觉定义及组成 (3) 1.1.2 行业发展阶段 (5) 1.1.3 机器视觉特点及应用优点 (6) 1.2 机器视觉行业发展特性 (7) 1.3 产业链分析 (8) 1.4 行业发展环境分析 (9) 1.4.1 行业政策环境 (9) 1.4.2 行业技术环境分析 (10) 第二章国际机器视觉行业发展趋势和现状 (11) 2.1 市场发展规模 (11) 2.1.1 产业发展历程 (11) 2.1.2 应用现状分析 (12) 2.1.3 产业市场规模和格局 (13) 2.2 行业分布状况和发展趋势 (14) 2.2.1 产业地区分布情况 (14) 2.2.2 发展趋势预测 (16) 第三章中国机器视觉行业的发展现状和趋势 (18) 3.1 发展现状及市场规模 (18) 3.1.1 产业发展历程 (18) 3.1.2 市场规模 (19) 3.2 行业竞争现状 (21) 3.2.1 行业竞争主体 (21) 3.2.2 企业分布状况 (26) 3.3 发展趋势 (27) 第四章机器视觉的应用 (29) 4.1 应用领域分布 (29) 4.2 机器视觉在各行业的应用情况 (30) 4.2.1 在工业领域中的应用 (30) 4.2.2 在农业领域中的应用 (34) 4.2.3 在医药行业中的应用 (36) 4.2.4 在交通领域中的应用 (37) 第五章机器视觉行业发展前景与投资建议 (39) 5.1 发展前景及进入壁垒 (39) 5.2 投资机会和风险 (41)
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 《机器视觉》教学大纲 课程编码：08241059 课程名称：机器视觉 英文名称：MACHINE VISION 开课学期：7 学时/学分：36/2 （其中实验学时：4 ） 课程类型：专业方向选修课 开课专业：机械工程及自动化 选用教材：贾云得编著《机器视觉》科学出版社 2002年 主要参考书： 1.ROBOTICS: Control, Sensing, Vision, and Intelligence, K. S. Fu，McGraw-Hill Publishing Company, 1987 2.张广军编著，机器视觉，科学出版社，2005年 执笔人：孔德文 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、彩色感知、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 一、课程性质、目的与任务 机器视觉课程是机械工程及自动化专业在智能机器方向的一门专业方向选修课。机器智能化是机械学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。本课程对于开阔学生视野、使学生了解本专业的发展前沿，把学生培养成面向二十一世纪的复合型人才具有重要的地位和作用。通过本课程的学习，学生也能掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础。 二、教学基本要求 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 本大纲仅列出达到教学基本要求的课程内容，不限制讲述的体系、方式和方法，列出的内容并非要求都讲，有些内容，可以通过自学达到教学基本要求。 使用CAI课件作为辅助教学手段可以节省大量时间，传递更多的信息量，所以本课程建议使用CAI课件。 作业是检验学生学习情况的重要教学环节，为了帮助学生掌握课程的基本内容，培养分析、运算的能力，建议布置作业5－8次，并在期末前安排一次综合作业作为主要考查环节。实验是教学的一个主要环节，实验时间共4学时，每次实验每小组4－6人，使每个学生均有亲自操作的机会。 三、各章节内容及学时分配 1．人类视觉与机器视觉 (4学时) : 人类视觉原理与视觉信息的处理过程；机器视觉理论框架与应用；成像几何学基础。 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 机器视觉习题 一、证明题 1. 请证明：平面内共线四点的交比为射影变换不变量。 2．请证明：“仿射变换保持平行性”与“仿射变换将无穷远点变换为无穷远点”这两个命题是等价的。 3. 请证明：若某点的齐次坐标为123(,,)x x x ，非齐次坐标为(,)x y ，则有如下关系成立： 123 3 ,x x x y x x = = 4. 请证明：平面内过一点的线束比等于任一直线截该线束得到的共线四点的交比。 5. 设二维仿射变换的变换矩阵为： 11 121321 2223 31 32 33a a a T a a a a a a ?? ??=?????? 请证明必有31320a a ==。 6. 在视觉测量中，经常遇到A x =的齐次方程组形式 。证明上述方程组的解一 定是矩阵T A A 的最小特征值所对应的特征向量。 7. 请证明：平面上无穷远直线的方程可以表示为30x =。 8. 请证明：共线四点的交比是射影变换不变量。 9. 证明：仿射变换将无穷远点变换为无穷远点。 10. 证明：若平面上两点的齐次坐标分别为x ~和'~x ,则过该两点的直线可表示为： '~ ~~x x l ?= 11. 证明：仿射变换保持平行性 12．证明：若平面上两条直线分别为l ~和'~ l ,则该两条直线的交点可表示为： '~~~l l x ?= 二、简答题 1. 三维刚体变换的旋转矩阵R 为什么是正交的？ 2. 在摄像机的线性标定中，加约束31=m 可以提高解算的稳定性。请说明该约束的含义？ 3. 在Zhang 的平面靶标自由移动摄像机标定中，若平面靶标为等间隔正方形的棋盘格形状，则在这种情况下，即使正方形棋盘格的边长未精确已知，也不影响摄像机内部参数的标定。请说明为什么。 4. 在Tsai 的摄像机径向约束两步标定方法中，如何确定y T 的符号？并说明为什么可以这样确定。 5. 在双目立体匹配中，若极线约束未知，应如何利用极线约束更好地实现双目立体匹配。请给出实现步骤。 6. 请给出线结构光视觉传感器的几何本质解释。 7. 摄像机的标定已经完成。若已知空间两点A 和B 的距离，则可以确定A 和B 两点在摄像机坐标系下的三维坐标。请判断上述结论是否正确，并给出详细解释。 8. 请解释平行双目的三维测量模型中，视差D=0时的含义。 9. 基于平行纹理在摄像机上所成的像，如何确定在摄像机坐标系下，平行纹理所在空间平面的法向矢量？ 10. 在基于基线长度的双目视觉传感器标定中，系数α的符号如何确定？ 11. Hessian 矩阵的一维中心点提取中，要加判据011 ()[,]22x x -∈-，请解释为什 么？ 12. 请给出双目视觉传感器极线约束表达式的几何含义。 13. 基于2D 平面靶标自由移动的摄像机标定中，若第二个位置的靶标平面平行 于第一个位置的靶标平面，则第二个位置的靶标平面与摄像机之间的二维摄 八边形识别 本文将四个八边形的图像称为源图像（test.jpg），将单个多边形的图像称为待匹配图像（test1.jpg、test2.jpg）。 步骤1：角点检测函数 octagon_corner.m函数是利用课本上提到的Harris角点探测器，对整个图像提取角点。 步骤2：图像的预处理及角点匹配 octagon_search.m和octagon_source.m函数，分别对源图像和待匹配图像处理，用于将检测出的角点与各自归属的八边形匹配。 步骤3：交比计算 octagon_cal_much.m和octagon_cal_one.m函数，分别用于对源图像和待匹配图像计算交比。步骤4：找到最像的八边形 octagon_main.m主函数，将待匹配图像与源图像匹配。 匹配结果1： 匹配结果2： 代码 function theta=angle1(x1,y1,x2,y2,x3,y3) theta=acosd(dot([x1-x2,y1-y2],[x3-x2,y3-y2])/(norm([x1-x2,y1-y2])*norm([x3-x2,y3-y2]))); functionoctagon_CR=octagon_cal_much(point_devide) number_octagon=size(point_devide,3); octagon_angle=zeros(8,4,number_octagon); octagon_CR=zeros(8,number_octagon); x=zeros(4,1); y=zeros(4,1); l=zeros(4,1); for i=1:number_octagon for j=1:8 xx=point_devide(j,1,i); yy=point_devide(j,2,i); for k=1:4 if(j+k==8) x(k)=point_devide(8,1,i); y(k)=point_devide(8,2,i); else x(k)=point_devide(rem(j+k,8),1,i); y(k)=point_devide(rem(j+k,8),2,i); end end octagon_angle(j,1,i)=sind(angle1(x(1),y(1),xx,yy,x(3),y(3))); octagon_angle(j,2,i)=sind(angle1(x(2),y(2),xx,yy,x(3),y(3))); octagon_angle(j,3,i)=sind(angle1(x(1),y(1),xx,yy,x(4),y(4))); octagon_angle(j,4,i)=sind(angle1(x(2),y(2),xx,yy,x(4),y(4))); octagon_CR(j,i)=(octagon_angle(j,1,i)/octagon_angle(j,2,i))/(octagon_angle(j,3,i)/octagon_angle(j ,4,i)); end end functionoctagon_CR=octagon_cal_one(point_devide) number_octagon=size(point_devide,3); octagon_angle=zeros(8,4); octagon_CR=zeros(8,1); x=zeros(4,1); y=zeros(4,1); l=zeros(4,1); for j=1:8 xx=point_devide(j,1); yy=point_devide(j,2); for k=1:4 if(j+k==8) x(k)=point_devide(8,1); y(k)=point_devide(8,2); else x(k)=point_devide(rem(j+k,8),1);机器视觉教学大纲
机器视觉系统中镜头的选用技巧
机器视觉习题
北航机器视觉第一次作业——八边形识别
相关主题
文本预览