机器视觉
基于visual C++ 的数字图像处理
摘要
机器视觉就是用机器代替人眼来做测量和判断。它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；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获取信息。本文主要介绍的是数字图像处理中的一些简单应用，通过对图像进行滤波、增强、灰度变换、提取特征等处理来获取图像的信息，达到使图像更清晰或提取有用信息的目的。
关键字：机器视觉、灰度图处理、滤波、边缘提取、连通区域
目录
摘要 (2)
目录 (3)
1 概述 (4)
2技术路线 (4)
3实现方法 (5)
3.1灰度图转换 (5)
3.2 直方图均衡化 (6)
3.3均值滤波和中值滤波 (6)
3.4灰度变换 (7)
3.5拉普拉斯算子 (8)
4 轮廓提取 (9)
5 数米粒数目 (15)
6 存在的问题 ................................................................................................ 错误！未定义书签。
7 总结 ............................................................................................................ 错误！未定义书签。
8 致谢 ............................................................................................................ 错误！未定义书签。参考文献 . (17)
1 概述
本次设计是根据“机器视觉”课程的作业要求，使用工具visual c++ 完成一些简单数字图像处理。按照作业要求，本文介绍了以下五种处理的原理、实现方法和实现结果：
1、24位彩色到灰度图的转换
2、直方图均衡化
3、均值滤波和中值滤波
4、拉普拉斯算子
5、灰度变换
然后，本文着重介绍了一种轮廓提取的方法，对焊缝缺陷的轮廓进行提取，分析了该方法的优缺点、存在的问题、拟解决方法。
最后，根据课堂兴趣，分析了一种数连通区域的方法，对一幅含有米粒的图进行了举例。
2技术路线
数字图像的处理方法很多，常用的有空域和频域的方法。以灰度图为例，空域的方法是直接对各个像素的或某个像素区域进行变换，即f(x,y) —> g(x,y)，方法举例有均值滤波、中值滤波、微分运算、灰度变换等；频域的方法是通过傅里叶变换得到图像的频谱特征，再根据频率特性设计滤波器，达到预期的目的。
本文中举例的几种方法都是在空域进行的。其界面设计如图2.1所示。其中二值化处理、反相处理等是对单个像素点进行处理，均值滤波、轮廓提取是对一块像素区域进行处理。
图2.1 图像处理界面
3实现方法
3.1灰度图转换
日常生活中获取的很多图像都是彩色图像，为方便处理，首先应该进行灰度图转换。对于一幅位图，其结构由文件头、位图信息头、颜色信息和图像数据四部分组成。从一幅24位真彩色图到灰度图的转换过程中，需要改变除需要修改文件的数据区以外，文件头、文件信息头的部分信息也要做相应计算修改。本文采取了一种简单的方法，在不修改文件头、文件信息头的条件下，完成灰度图的转换，具体实现如下：
1、已知原图像数据存储区为m_pData，新建一片存储区m_pData2；
2、通过公式0.3*r+0.59*g+0.11*b得到各像素的灰度信息，存储在m_pData2
中；
3、将m_pData中各像素的r、g、b值设定为相应的灰度值；
4、用m_pData中的数据进行显示和保存，用m_pData2中的数据进行计算。
这种实现方法的优点是不需要计算修改文件头，但是每次显示或者存盘都要将m_pData2中的数据复制到m_pData 中，比较麻烦。
3.2 直方图均衡化
将图像从彩色转换到灰度图后，可以对其进行各种转换。直方图均衡化是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。这是对图像的非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，适用于背景和前景都太亮或者太暗的图像。 一幅灰度级为[0,L-1]范围的数字图像的直方图是离散函数:
h(r k ) = n k
（r k 是第k 级灰度,n k 是图像中灰度级为r k 的像数个数）
直方图均衡化的目的即通过点运算使得输入图像转化为在每一灰度级上都有相同的像素点数的输出图像，即输出图像的直方图是平的。
h(r k ) = wide*height/L
（wide 、height 为图像的宽和高，单位：像素）
为达到以上目的，灰度级为k 的像素应映射到的灰度级为：
0(1),0,1,2, (1)
j j n k L k L n s ==-=-∑ 其具体的实现步骤如下：
1、统计直方图数组，用一个数组p 记录p[i]，即直方图分布;
2、i 从1开始，令s[i] = s[i-1] + p[i]，即得到累积分布；
3、一个数组L 记录新的s 的索引值：令L[i] = s[i] * (256-1)，这里默认L=256；
4、依次循环每一个像素，取原图的像素值作为数组L 的下标值，取该下标对应的L 数组值为均衡化后的像素值。
3.3均值滤波和中值滤波
由于在图像的形成、传输、和接收的过程中，不可避免的存在着外部干扰和内部干扰，会存在着一定的噪声，因此需要进行平滑或滤波。改善图像质量的方
法很多，这里简要描述常用的均值滤波和中值滤波。
均值滤波，即采用当前像素的邻域平均灰度值来代替原值，达到减弱噪声的目的。特点是实现简单，有一定程度的滤波效果，但是是以图像模糊为代价的。其实现步骤如下：
1、取得原图像大下，新建数据区；
2、循环取得各点像素值，根据设定的模板大小求取邻域内的像素平均值，
放到新建的数据区；
3、依次循环直至整幅图像处理完；
4、将新建数据区的数据复制到原数据区。
中值滤波是采用当前像素的邻域内灰度值居中的像素值来代替原值，是一种统计滤波方式。因为一些干扰噪声往往具有较大或较小的灰度值，因此可以被滤掉，对于椒盐噪声有较好效果。其实现方法如下：
1、取得原图像大小，新建数据区；
2、循环取得各点像素值，根据设定的模板大小求取邻域内的像素中间值，
放到新建的数据区；
3、依次循环直至整幅图像处理完；
4、将新建数据区的数据复制到原数据区。
3.4灰度变换
在得到原图像灰度图的基础上，可以对原图像进行一些基本变换，达到便于分辨、滤除噪声、图像锐化等目的。例如，二值化处理可以缩减图像信息量，便于实时处理；反色变换可以突出一些很亮的细节；对数变换可以压缩图像亮区的灰度值，拉伸暗区的灰度值，从而突出暗区的图像特征；幂次变换可以增强图像对比度……这里简要举例如下。
1、反转变换
反色变换实现比较简单，只需要依次读取个像素点的灰度值，令其等于L-1-r （r为原灰度值）即可，不需要另外开辟内存空间。
2、幂次变换
幂次变换即依次求取各个像素点的幂次即可，根据需要乘以相应系数，达到不同效果。即：
=
s crγ
在做幂次变换的过程中，当γ取值较大时易产生数据溢出现象，经过将s调整为长整型解决这个问题。
3、对数变换
对数变换即依次求取各个像素点的对数，也可乘以相应系数，达到不同效果。即：
=+
s c r
log(1)
在以上处理中，可能会出现灰度值大于L-1或者小于0的情况，需要再进行线性变换处理，或者直接将小于0的灰度值设为0，将大于L-1的灰度值设为L-1
4、分段线性变换
对原图像不同的像素值进行不同程度的变量或变暗处理能达到增强对比度或者突出某些细节的作用。分段线性变换即是通过设定不同区域的处理方法达到不同处理效果的变换。其实现方法如下：
4.1、设定分段线性变换的两个转折点；
4.2、新建数据区，大下为L；
4.3、循环计算0——L-1各个像素值变换后的值，放到新建的数据区；
4.4、依次循环每一个像素，取原图的像素值作为新建数据区的索引，取该索
引对应的新建数据区的像素值。
4.5、依次处理直至整幅图像处理完毕。
这种方法先一次计算完0—L-1的所有灰度值对应的像素值，对于较大的图像可以节约计算量。
3.5拉普拉斯算子
在实际的图像处理过程中，往往需要突出图像中的细节或增强被模糊了的图像细节，以便于识别或后续处理。其基本方法是进行微分运算，找到变化较显著
的点或线，即认为是边界。通常可以用一阶微分和二阶微分。一阶微分的极值处是边界点，二阶微分的过零点为边界点。这里介绍一种基于二阶微分的图像增强方法：拉普拉斯算子。拉普拉斯算子是x和y方向上的二阶微分相加得到的，是各向同性滤波器。通过将该算子与原图像做卷积运算达到边缘提取的效果。常用的算子有以下几种：
程序实现方法如下：
1、取得原图像大小，新建数据区；
2、循环取得各点邻域像素值，根据设定的模板大小（这里是3*3）依次做卷
积运算，放到新建的数据区；
3、依次循环直至整幅图像处理完；
4、将新建数据区的数据复制到原数据区。
通过拉普拉斯算子可以提取轮廓，但是同时也放大了噪声信号，所以可以先滤波，再提取轮廓。另外，拉普拉斯算子与原图卷积之后，还要做过零检测，才能得到单像素边缘，这里略掉此步。
4 轮廓提取
在了解了图像的基本处理方法的基础上，下面具体分析焊缝缺陷的轮廓提取。这里以一副24位位图（如图4.1所示）为例。
图4.1 焊缝缺陷
4.1构造CDib类
在新建完一个单文档应用程序后，首先应构造一个图像处理的基类，用来封装位图的基本操作。该类需完成文件的读写操作、位图信息获取、位图的显示等内容。
4.2灰度转换
在打开位图后，首先需要进行灰度转换，将24位位图转换为灰度图，便于后续处理。如前所述，这里的灰度转换只修改了数据区，未改变文件的文件头和位图信息头。处理后图像如图4.2所示。
图4.2 灰度图
4.3一阶微分
对灰度图进行一阶微分处理，得到大致的轮廓。处理后图像如图4.3所示。
图4.3 一阶微分（prewitt）
4.4滤波
对一阶微分后的图像进行滤波处理，保留裂纹的轮廓，衰减其余部分。在这里进行了膨胀、腐蚀处理，处理后图像如图4.4所示。
图4.4 一阶微分滤波后图像
4.5相加
将滤波后的图像与原灰度图相加。为了不至于显得太亮，对滤波后的图像进行了一次分段线性变换，将最大灰度值压缩到100。处理后图像如图4.5所示。
图4.5 相加
4.6轮廓提取
最后对图像进行轮廓提取。这里使用了Log算法（不完全）和canny算法。比较结果显示canny算法（高低阈值分别取0.913和0.3）效果更优。Canny算法的具体步骤包括以下几步：
1、用高斯滤波器平滑图象；
2、用一阶偏导的有限差分来计算梯度的幅值和方向；
3、对梯度幅值进行非极大值抑制；
4、用双阈值算法检测和连接边缘。
Canny算法的最后结果如图4.6所示。
图4.6 轮廓图
4.7检验
为了检验边缘提取的准确性，将轮廓图与原灰度图叠加，其效果如图4.7所示。
此效果基本上满足要求，轮廓大致形态吻合，但是轮廓线与原图中轮廓有一定误差。分析其原因，可能是轮廓提取的步骤中，先做一阶微分再与原图相加不是很合理，对一阶微分图进行膨胀和腐蚀也有一定误差，最终导致轮廓膨胀了。另外，轮廓尚未封闭，方法有待改进。
图4.7 叠加图
因此，对于这幅图还做了如下两种轮廓提取方法。
方法二如图4.8所示。处理步骤依次为：将原图灰度化，中值滤波（3*3），均值滤波（9*9），原灰度图减去滤波后的图，二值化（阈值14），膨胀，腐蚀，canny提取轮廓，与原灰度图相加。
方法三如图4.9所示。处理步骤与方法二类似，只是去掉了膨胀和腐蚀。
相比方法一，这两种方法的效果也是基本上满足要求，但是轮廓的封闭性好一些，尤其是方法三，与原图的吻合性也相对较好。但是，这样处理的轮廓边缘带有毛刺，尚不能完全消除，尚待解决。
图4.8 轮廓提取方法二
图4.9 轮廓提取方法三
另外，与MATLAB提取的轮廓图做一对比。MATLAB提取的轮廓图如图4.10所示，其步骤如图4.11所示。此轮廓图基本上完全封闭，相比以上三种方法效果最好。
图4.10 轮廓图（MATLAB）
图4.11 MATLAB提取轮廓步骤
5 数米粒数目
在得到图像的轮廓的基础上，下面再具体分析一个数出米粒数目的例子。其
原图如图5.1所示。
图5.1 原图
首先对原图用canny算法进行轮廓提取，高低阈值分别取0.71和0.3时效果如图5.2所示。
图5.2 轮廓图
然后数出米粒数目。其实现方法如下：
定义要检测的连通区域为x（0或255），这里取255，即白色；
1、在已经得到轮廓图的前提下，进行二值化处理；
2、逐行检测，当检测到像素值为x时，进行判断：
如果右上点为x，则标记为与右上点相同，同时检测左前点、左上点
是否为x，是则将它们做上相同标记；
如果左上点为x，则标记为与左上点相同；
如果左前点为x，则标记为与左前点相同；
否则做上新的标记。
此算法实现简单，但是在修改标记时对图像进行了多次局部扫描。可以通过在第一次扫描时先做不同标记，最后对图像做一次整体扫描来解决。
按照如上方法扫描完整幅图像后得到米粒数目为83，基本正确。但是轮廓提取过程中图像内部存在没滤掉的白色线条，使得数出来的米粒数目可能不准确。预计可以通过轮廓处理算法的改进或者轮廓提取前滤波达到更好效果。
机器视觉——光源篇收藏 一、为什么要使用光源 ?目的 将被测物体与背景尽量明显分别，获得高品质、高对比度的图像?地位 机器视觉三大技术（采像技术，处理技术，运动控制技术）之一?重要性 直接影响系统的成败，处理精度和速度 二、光源的种类 ?理想的光源应该是明亮，均匀，稳定的 ?视觉系统使用的光源主要有三种 高频荧光灯 光纤卤素灯 LED（发光二极管）照明 ?高频荧光灯 使用寿命约1500－3000小时 优点：扩散性好、适合大面积均匀照射 缺点：响应速度慢，亮度较暗 ?光纤卤素灯 使用寿命约1000小时 优点：亮度高 缺点：响应速度慢，几乎没有光亮度和色温的变化 ?LED灯
使用寿命约10000－30000小时 可以使用多个LED达到高亮度，同时可组合不同的形状 响应速度快，波长可以根据用途选择 三、LED光源的优势 ?可制成各种形状、尺寸及各种照射角度； ?可根据需要制成各种颜色，并可以随时调节亮度； ?通过散热装置，散热效果更好，光亮度更稳定； ?使用寿命长（约3万小时，间断使用寿命更长）； ?反应快捷，可在10微秒或更短的时间内达到最大亮度； ?电源带有外触发，可以通过计算机控制，起动速度快，可以用作频闪灯；?运行成本低、寿命长的LED，会在综合成本和性能方面体现出更大的优势；?可根据客户的需要，进行特殊设计。 四、LED光源的颜色 ?主要颜色 红色 蓝色 绿色 白色 ?其他颜色 橙色 红外 紫外 五、照明技术的基础知识 1、照射光的种类
(1)直射光 主要来自于一个方向的光，可以在亮色和暗色阴影之间产生相对高的对比度图像。 (2)漫射光（扩散光） 各种角度的光源混合在一起的光。日常的生活用光几乎都是扩散光。 (3)偏振光 在垂直于传播方向的平面内，光矢量只沿某一个固定方向振动的光。通常是利用偏光板（片）来防止特定方向的反射。 (4)平行光 照射角度一致的光。太阳光就是平行光。发光角度越窄的LED直射光越接近平行光。 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。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。 2、六种照明技术 通用照明，背光，同轴（共轴），连续漫反射，暗域及结构光。(1)一般目的的照明 通用照明一般采用环状或点状照明。环灯是一种常用的通用照明方式，其很容易安装在镜头上，可给漫反射表面提供足够的照明。 (2)背光照明： 背光照明是将光源放置在相对于摄像头的物体的背面。这种照明方式与别的照明方式有很大不同因为图像分析的不是发水光而是入射光。背光照明产生了很强的对比度。应用背光技术时候，物体表面特征可能会丢失。例如，可以应用背光技术测量硬币的直径，但是却无法判断硬币的正反面。 (3)同轴照明： 同轴照明是与摄像头的轴向有相同的方向的光照射到物体的表面。同轴照明使用一种特殊的半反射镜面反射光源到摄像头的透镜轴方向。半反射镜面只让从物体表面反射垂直于透镜的光源通过。同轴照明技术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。此外此技术还可以实现使表面角度变化部分高亮，因为不垂直于摄像头镜头的表面反射的光不会进入镜头，从而造成表面较暗。连续漫反射照明：连续漫反射照明应用于物体表面的反射性或者表面有复杂的角度。连续漫反射照明应用半球形的均匀照明，以减小影子及镜面反射。这种照明方式对于完全组装的电路板照明非常有用。这种光源可以达到170立体角范围的均匀照明。 (4)暗域照明： 暗域照明是相对于物体表面提供低角度照明。使用相机拍摄镜子使其在其视野内，如果在视野内能看见光源就认为使亮域照明，相反的在视野中看不到光源就是暗域照明。因此光源是亮域照明还是暗域照明与光源的位置有关。典型的，暗域照明应用于对表面部分有突起的部分的照明或表面纹理变化的照明。 (5)结构光：结构光是一种投影在物体表面的有一定几何形状的光（如线形、圆形、正方形）。典型的结构光涉及激光或光纤。结构光可以用来测量相机到光源的距离。多轴照明：在许多应用中，为了使视野下不同的特征表现不同的对比度，需要多重照明技术。
1.什么是机器视觉 【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。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于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；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 正是由于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，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。【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) 影像撷取卡(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 【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。 2.镜头FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点 / 节点⑦畸变 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD；单色相机和彩色相机。 4.图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。 5.视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集
3D机器视觉应用解决方案
3D视觉 R G B + XYZ 机器需要显性的三维数据以更好地理解物理世界 2D机器视觉开始逐步普及 3D机器视觉刚刚开始落地
3D机器视觉普及的关键障碍 ?光学：精度、分辨率、量程等 硬件核心规格 ?电学：速度、接口、传输等 ?尺寸、功耗、结构等 硬件物理指标 ?工况条件适应性、稳定性 ?相机价格、上位机成本、软件成本 系统实施成本 ?使用和维护成本 ?3D视觉算法和软件的稀缺性 软件完整成熟 ?软件工程优化和实际使用场景下的成熟度商业软件和开源软件在硬件大量普及的基础上预期发展会加速起来
3D 相机硬件综述 高度标准化的硬件模组 低性能小尺寸极低价 工业场景不适用 2D大厂、3D创新极其缓慢 特殊规格顶级相机，价格昂贵 应用场景非常有限，出货量少 工业级硬件+ 软件方案 合适精度、超低成本、小型化 新的产业需求，致力3D无处不在 传统机器视觉大厂消费类3D视觉 3D在工业的普及应用 图漾已经在此占据明显的领先优势
1-硬件价格和系统成本 ?必须突破2年投入回报期的决策困局，为客户带来超预期的性价比 ?>2年回报期：少量非用不可的节点 ?<1年回报期：大规模普及应用 ?硬件成本三大件= 手+ 眼+ 脑 ?脑：计算单元成本相对透明合理，比较标准化，选择多 ?手：进口和国产机器人齐头并进，性价比趋于合理，比较标准化 ?眼：技术和研发难度大，软件占比高，国外产品成本虚高 ?机器视觉之眼 ?2D：国产工业相机在起步，国内软件在起来，应用集成类上市公司在涌现 ?3D：国内核心技术有突破，应用环节也应该走在全球前沿
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。
机器视觉 基于visual C++ 的数字图像处理
摘要 机器视觉就是用机器代替人眼来做测量和判断。它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；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获取信息。本文主要介绍的是数字图像处理中的一些简单应用，通过对图像进行滤波、增强、灰度变换、提取特征等处理来获取图像的信息，达到使图像更清晰或提取有用信息的目的。 关键字：机器视觉、灰度图处理、滤波、边缘提取、连通区域
目录 摘要 (2) 目录 (3) 1 概述 (4) 2技术路线 (4) 3实现方法 (5) 3.1灰度图转换 (5) 3.2 直方图均衡化 (6) 3.3均值滤波和中值滤波 (6) 3.4灰度变换 (7) 3.5拉普拉斯算子 (8) 4 轮廓提取 (9) 5 数米粒数目 (15) 6 存在的问题 ................................................................................................ 错误！未定义书签。 7 总结 ............................................................................................................ 错误！未定义书签。 8 致谢 ............................................................................................................ 错误！未定义书签。参考文献 . (17)
机器视觉系统 1.引言 随着医疗水平和医疗器械的不断提高和更新，一次性注射针以其方便、卫生的特点深受用户的喜爱，其需求量也迅速增大，而针头外观的好坏直接影响到一次性注射针的质量。所以为了减少不合格品的数量，需要增加检测工序。手工外观检验和产品标记昂贵和不可靠。同时又意味着不近人情的单调工作。这里，自动化机器视觉系统提供了解决这些问题的方案。 2. 一次性注射针的缺陷 一次性注射针可以分为针座和针头两个部分。针座的缺陷对产品的质量影响可以不计。而针头就存在着两种缺陷情况：首先针头在制作过程中针尖部位可能会产生毛刺；其次针头在自动装配过程中可能会产生倒插现象（针尖部位被插入针座）。影响针头的几个缺陷为：针尖毛刺、倒插。其中倒插不仅会对产品的质量产生直接的影响，而且严重的会危害到人的生命。如图1： 正插倒插 图1 3. 利用机器视觉实现一次性注射针的外观缺陷的自动化检测 随着市场一次性注射针需求的不断增大，以及客户对产品质量的要求，越来越多的医疗器械生产厂商采用自动化注射针检测系统，对一次性注射针的外观缺陷进行综合检测。这种方法代替了传统的人工方法以提高生产效率和产品质量，解决了人工方法效率低、速度慢，以及受检测人员主观性制约等不确定因素
带来的误检及漏检，实现更好的100%产品在线检测。 3.1机器视觉系统概述 机器视觉系统是指通过图像摄取装置（分CMOS相机和CCD相机两种）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。 3.2 机器视觉系统的特点 1）. 机器视觉系统属于光电系统； 2）. 机器视觉系统中的传感器属于阵列传感器； 3）. 机器视觉系统中的数据量大； 4）.运行速度快，但与集成电路的制造与发展相关。 3.3机器视觉实现一次性注射针的外观缺陷的自动化检测方案 本文采用了注射针检测系统用于一次性注射针的外观缺陷检测。该系统以西门子图像处理器为核心，并结合西门子自动化设备，形成了既有简单的数字信号接口又有复杂的工业网络接口的系统，让用户能选择适合自己工况的系统，既方便又节省投资。 其基本检测处理流程如图2，简易系统框架如图3： 图2 基本检测流程图图3简易系统框架
机器视觉光源选择 一、机器视觉光源分类 OPT机器视觉光源共有25大系列 1、环形光源（OPT-RI系列） 特点：环形光源提供不同角度照射，能突出物体的三维信息，有效解决对角照射阴影问题。高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；可选配漫射板导光，光线均匀扩散。 使用：PCB基板检测；IC元件检测；显微镜照明；液晶校正；塑胶容器检测；集成电路印字检测；通用外观检测。 2、条形光源（OPT-LI系列） 特点：条形光源是较大方形结构被测物的首选光源；颜色可根据需求搭配，自由组合；照射角度和安装随意可调。 使用：金属、玻璃等表面检查；表面裂缝检测；LCD面板检测；线阵相机照明；图像扫描。 3、高均匀条形光源（OPT-LIT系列） 特点：高密度贴片LED，高亮度，高散射漫射板，均匀性好；良好的散热设计确保产品稳定性和寿命；安装简单、角度随意可调；尺寸设计灵活；颜色多样可选，可定制多色混合、多类型排布非标产品。 使用：电子元件识别和检测；服装纺织；印刷品质量检测；家用电器外壳检测；圆柱体表面缺陷检测；食品包装检测；灯箱照明；替代荧光灯。 4、条形组合光源（OPT-LIM系列） 特点：四边配置条形光,每边照明独立可控；可根据被测物要求调整所需照明角度，适用性广。 使用：PCB基板检测，IC元件检测；显微镜照明，包装条码照明；二次元影像测量。 5、同轴光源（OPT-CO系列） 特点：高密度排列LED，亮度大幅提高；独特的散热结构，延长寿命，提高稳定性；高级镀膜分光镜，减少光损失；成像清晰，亮度均匀。 使用：此系列光源最适宜用于反射度极高的物体，如金属、玻璃、胶片、晶片等表面的划伤检测；芯片和硅晶片的破损检测，Mark点定位；包装条码识别。 6、底部背光源（OPT-FL系列） 特点：用高密度LED阵列面提供高强度背光照明，能突出物体的外形轮廓特征，尤其适合作为显微镜的载物台；红白两用背光源、红蓝多用背光源，能调配出不同的颜色，满足不同被测物多色要求。 使用：机械零件尺寸的测量；电子元件、IC的引脚、端子连接器检测；胶片污点检测；透明物体划痕检测等。
机器视觉系统的关键技术在哪 机器视觉系统的关键技术在哪？专家解释，成功的机器视觉系统最主要的是解决图像采集和图像处理分析这两大问题，而图像的采集又牵扯到了光源、光学成像、数字图像获取和传输等几大技术问题。那对于机器视觉系统的关键技术该怎样认识呢？ 机器视觉技术通过计算机对摄取的图像进行处理，分析其中的信息，并做出相应的判断，进而发出对设备的控制指令。机器视觉系统的具体应用需求千差万别，视觉系统本身也可能有多种不同的形式，但都包括以下过程: ◇图像采集利用光源照射被观察的物体或环境，通过光学成像系统采集图像，通过相机和图像采集卡将光学图像转换为数字图像，这是机器视觉系统的前端和信息来源。 ◇图像处理和分析计算机通过图像处理软件对图像进行处理，分析获取其中的有用信息。如PCB板的图像中是否存在线路断路、纺织品的图像中是否存在疵点、文档图像中存在哪些文字等。这是整个机器视觉系统的核心。 ◇判断和控制图像处理获得的信息最终用于对对象（被测物体、环境）的判断，并形成对应的控制指令，发送给相应的机构。如摄取的零件图像中，计算零件的尺寸是否与标准一致，不一致则发出报警，做出标记或进行剔除。 ◇照明设计照明设计主要包括三个方面: 光源、目标和环境的光反射和传送特性、光源的结构。照明直接作用于系统的原始输入，对输入数据质量的好坏有直接的影响。光源决不仅仅是为了照亮物体，通过有效的光源设计可以令需要检测的特征突出，同时抑制不需要的干扰特征，给后端的图像处理带来极大的便利。而不恰当的照明方案会造成图像亮度不均匀，干扰增加，有效特征与背景难以区分，令图像处理变得极其困难，甚至成为不可能完成的任务。由于被测对象、环境和检测要求千差万别，因而不存在通用的机器视觉照明设备，需要针对每个具体的案例来设计照明的方案，要考虑物体和特征的光学特性、距离、背景，根据检测要求具体选择光的强度、颜色和光谱组成、均匀性、光源的形状、照射方式等。 ◇相机是一个光电转换器件，它将光学成像系统所形成的光学图像转变成视频/数字电信号。相机通常由核心的光电转换器件、外围电路、输出/控制接口组成。目前最常用的光
1、相机的信噪比、SNR=1时（光强可探测到的最小光强，绝对灵敏度），动态增益为光强.sat/光强.min（dB/位），量子效率是波长的函数：η=η（λ）--CCD比CMOS灵敏，动态范围大。 2、数据结构：图像、区域和亚像素轮廓 图像：彩色摄像机采集的是每个像素对应的三个采样结果（RGB三通道图像）、图像通道可被看作一个二维数组，设计语言中的表示图像的数据结构；两种约定：离散函数（点对点）R→R n、连续函数：R2→R n。 区域：可以表示一幅图像中一个任意的像素子集，区域定义为离散平面的一个任意子集：R ∈Z2，将图像处理闲置在某一特定的感兴趣区域（一幅图像可被看作图像所有像素点的矩形感兴趣区域）。二值图像特征区域：用1表示在区域内的点，用0表示不在区域内的点；行程表示法：每次行程的最小量的数据表示行程的纵坐标、行程开始和行程结束对应横坐标值。行程编码较二值图像节省存储空间（行程编码保存在16位整数，须要24个字节，而采用二值图像描述区域，每个像素点占1个字节，则有35个字节）。行程编码保存的只是区域的边界。为描述多个区域，采用链表或数组来保存采用形成编码描述的多个区域，每个区域的信息是被独立保存和处理的。 亚像素轮廓：比像素分辨率更高的精度（亚像素阈值分割或亚像素边缘提取）。轮廓基本上可被描述成多表型，然后用排序来说明哪些控制点是彼此相连的，在计算机里，轮廓只是用浮点数表示的横和纵坐标所构成的数组来表示。 3、图像增强：硬件采集的图像质量不好，可应用软件进行增强。 灰度值变换：由于光源照明的影响，局部的图像会产生对比度与设定值不一致，需要局部的去增强对比度。为提高变换速度，灰度值变换通常通过查找表（LUT）来进行（将灰度输入值变换后输出保存到查找表中），最重要的灰度值变换是线性灰度值比例缩放：f(g)=ag+b（ag 表示对比度，b表示亮度）。为了自动获取图像灰度值变换参数a、b的值，通过图像感兴趣区域的最大与最小灰度值设置出a、b的值（灰度值归一化处理）。灰度直方图表示某一灰度值i出现的概率。对于存在很亮和很暗的区域，图像归一化时需要去除一小部分最暗、最亮的灰度值（用2个水平线截取区域），再进行图像归一化处理，将对比度提高（鲁棒的灰度归一化处理）。 辐射标定：传感器收集的能量与图像实际灰度值的关系是非线性时候（一般需要是线性的，提高某些处理算法的精确度），对非线性相应求其逆响应的过程就是辐射标定。取q=？对响应函数求逆运算得到线性响应，求q的过程既是标定。 图像平滑：抑制由于多种原因产生的图像噪声（随即灰度值）。干扰后灰度值=图像灰度值+噪声信号（将噪声看作是针对每个像素平均值为0且方差是б2的随机变量），降噪方法之一、时域平均法，采集多幅图像进行平均，标准偏差将为原来的1/根号n，求的平均值后，将任意一幅图像减去平均，即为该幅图像的噪声；方法之二、空间平均操作法，通过像素数(2n+1)*(2m+1)的一个窗口进行平均操作，会使边缘模糊（计算量非常大，进行(2n+1)*(2m+1)次操作）；方法之三、递归滤波器，在前一个计算出的值的基础上计算出新的值，较方法一速度快了30倍；满足所有准则（平滑程度准则t，以及XXs滤波）的高斯滤波器：高斯滤波器是可分的，所以可以非常高效率的被计算出来，能够更好地抑制高频部分。若更关注质量，则应采用高斯滤波器；若关注执行速度，首选使用均值滤波器。 傅里叶变换：将图像函数从空间域转变到频率域，可以再进行频率高低的滤波操作平滑。 4、插值算法：图像被放大不清晰时，通过插值增加放大的增多的像素
机器视觉系统设计五大难点【详 解】 机器视觉系统设计五大难点 内容来源网络，由“深圳机械展（11万m2, 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、数控系统、3D打印、激光 切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的 视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部
分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 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
机器视觉工业镜头计算方法（一） 2012年8月1日艾菲特光电 一、机器视觉中工业镜头的计算方式 1、WD 物距工作距离（Work Distance，WD）。 2、FOV 视场视野（Field of View，FOV） 3、DOV 景深（Depth of Field）。 4、Ho:视野的高度 5、Hi:摄像机有效成像面的高度(Hi来代表传感器像面的大小) 6、PMAG:镜头的放大倍数 7、f:镜头的焦距 8、LE:镜头像平面的扩充距离 二、相机和镜头选择技巧 1、相机的主要参数: 感光面积SS（Sensor Size） 2、镜头的主要参数: 焦距FL（Focal Length） 最小物距Dmin（minimum Focal Distance） 3、其他参数: 视野FOV（Field of View） 像素pixel FOVmin=SS（Dmin/FL） 如：SS=6.4mm，Dmin=8in，FL=12mm pixel=640*480 则：FOVmin=6.4（8/12）=4.23mm 4.23/640=0.007mm 如果精度要求为0.01mm，1pixels=0.007mm<0.01mm 结论：可以达到设想的精度 三、工业相机传感器尺寸大小：（单位：mm） (3.2mm×2.4mm)；1/3″：(4.8mm×3.6mm)；1/2″：(6.4mm×4.8mm)； (8.8mm×6.6mm)；1″：(12.8mm×9.6mm)；
四、CCD相机元件的尺寸 型号高度比长度（mm）宽度（mm）对角线（mm）1/6" 4:3 1.73 2.3 2.878 1/4" 4:3 2.4 3.2 4 1/3" 4:3 3.6 4.8 6 1/2" 4:3 4.8 6.4 8 1/1.8" 4:3 5.3 7.2 8.9 2/3" 4:3 6.6 8.8 11 1" 4:3 9.6 12.8 16 4/3" 4:3 13.5 18 22.5 五、线阵传感器尺寸（单位：mm）
机器视觉检测系统 1机器视觉检测的一般模式 机器视觉检测的对象千差万别，检测的目的也不尽相同。农产品如柑橘、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，就需要采用彩色的影像采集装置。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，做出决策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
序 号问 答& 问：机器视觉光源是如何分类的？ 1 答：机器视觉光源按照形状可以分为以下几个类型 1).条形（条状）光源； 2).环形光源（圆形）光源； 3).同轴光源； 4).背光源（面光源） 5).线型光源(线扫描光源）; 6).穹顶光源（碗状光源、DOME光源） 7).点光源； 8).平行光源 9).冷光源（卤素灯） 10).特殊光源（如：同轴碗状光源、半圆柱光源、条形组合光源、AOI专用光源等） 机器视觉光源按照颜色可以分为以下几种 白色、红色、蓝色、绿色、IR红外光源、UV紫外光源、点光源还有紫色、黄色等可选。问：机器视觉光源的参数都有哪些？ 2 答： 1. 辐射效率和发光效率 2. 光谱功率分布； 3. 空间光强分布; 4. 光源的色温 ; 5. 光源的颜色; 6. 光源的寿命 ; 问：为什么在机器视觉检测中必须要用光源？ 3 答：机器视觉系统的核心是图像采集和处理。所有信息均来源于图像之中，图像本身的质量对整个视觉系统极为关键。而光源则是影响机器视觉系统图像水平的重要因素，疑问它直接影响输入数据的质量和至少30%的应用效果 通过适当的光源照明设计，使图像中的目标信息与背景信息得到最佳分离，可以大大降低图像处理算法分割、识别的难度，同时提高系统的定位、测量精度，使系统的可靠性和综合性能得到提高。反之，如果光源设计不当，会导致在图像处理算法设计和成像系统设计中事倍功半。因此，光源及光学系统设计的成败是决定系统成败的首要因素。在机器视觉系统中，光源的作用至少有以下几种： 1>. 照亮目标，提高目标亮度； 2>. 形成最有利于图像处理的成像效果； 3>. 克服环境光干扰，保证图像的稳定性； 4>. 用作测量的工具或参照； 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，要设计形影的照明装置，以达到最佳效果。机器视觉系统的光源的价值也正在于此 问：如何判断一个光源的好坏？ 4 答：判断光源品质的优劣可以从以下几个方面来评比 1. 对比度；对比度的意思是在特征与其周围的区域之间有足够的灰度量区别。好的照明光源应该能够保证需要检测的特征突出于其他背景。 2. 鲁棒性；鲁棒性就是对环境有一个好的适应。好的光源需要在实际工作中与其在实验室中有相同的效果。
随着机器视觉检测技术的日益成熟，越来越多的企业选择安装机器视觉在线检测系统，企业如何做到机器视觉在线检测项目的顺利实施，企业用户对机器视觉在线检测系统设计制作流程的了解至关重要，今天创视新小编在这里整理了整个机器视觉在线检测系统从前期的产品检测评估到系统设备设计制作集成的整个过程做一个简单的介绍： 1、项目的前期评估 A、通过电话联系我们公司，我们公司将会有专业项目工程工程师跟您进行初步的沟通，了解您的需求； B、需要您提供检测样品（OK品和各种NG品数个）以及现场环境，如果不是做整机检测设备的还需要提供视觉设备的安装空间及外围IO通讯。如有需要，项目工程师可以到贵公司进行现场评估； C、根据提供的样品，项目工程师会在公司进行初步的技术评估，一般在收到样品后两个工作日内会给出测试结果； D、项目工程师会根据测试结果，向您提出专业的意见。提供合适的视觉产品（包括工业相机、镜头、光源、电脑、机器视觉系统软件等）给您，然后在测试结果出来后给您提供初步方案及项目费用预估。 E、如对方案存在疑问，可以随时联系项目工程师，项目工程师会对您的疑问进行解答并完善方案，尽力满足您的需求。 2、立项 项目经过初步评估后，双方确认项目方案的可行性，项目工程师接下来会建立一个新项目流程往下进行。 3、检测标准的明确 需要您收集OK品和限度NG品（即初步测试中认为可以检测出来的NG品种类），需要一定数量。项目工程师会对您提供的样品进行测试，详细的检测标准跟您进行确认。
4、其他确认 明确了检测标准后，项目工程师会进一步和您确认检测设备达到安装现场，机械和电气要求；如果贵公司对设备使用有特殊要求的，请及时提出，以便我们进行评估和设计。 5、整体方案书制作、明细报价单、合同制作 项目工程师根据以上的确认制作详细的整体方案，整体包含整机图、视觉系统配置、检测标准、软件功能等。 机器视觉在线检测系统设备设计制作流程 在签完合同和各方面财务确认后就开始进一步的系统设备的设计制作。 1、客服提供相关的辅料 需要提供不同程度的良品与不良品样品、产品样品外观尺寸和设计品载具。如果需要使用专用载具，请提供专用载具的相关尺寸以提供我们的设计使用。 2、设备整机布置图和电气控制动作流程的确认 我们在收到您提供的相关辅料几个工作日后，提供设备整机布置图和电气控制动作流程给贵公司的责任人确认，如有疑问可以和公司的技术工程师沟通，技术工程师会尽快解决您的问题。 3、机器零件图设计 整机布置图确认后，接着就是进行机械零件的设计。 4、机械、电气标准件的选型
一总介 使用机器视觉系统五个主要原因： 1.精确性（无人眼限制） 2.重复性（相同方法检测无疲惫） 3.速度（更快检测） 4.客观性（无情绪主观性） 5.成本（一台机器可承担好几人工作） 机器视觉系统构成： 光学：1.相机与镜头；2.光源； 过渡：3.传感器（判断被测对象位置及状态）；4.图像采集卡（把相机图像传到电脑主机）； 电学（计算机）：5.PC平台；6.视觉处理软件；7.控制单元。 机器视觉系统一般工作过程：1.图像采集；2.图像处理；3.特征提取；4.判决和控制。 机器视觉系统的特点：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。
解析机器视觉系统设计的五大难点 文章出处：David 发布时间：2014/08/20 | 498 次阅读 每天新产品时刻新体验一站式电子数码采购中心专业PCB打样工厂，24小时加急出货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。 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 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。 将近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
目录 第1章搭建机器视觉处理平台 (1) 1.1 选择光源 (1) 1.1.1 常见的光源类型 (1) 1.1.2 照明效果的优化 (5) 1.1.3 光源评估服务 (7)
第1章搭建机器视觉处理平台 通常，典型的机器视觉系统由以下四个部分——光源、相机、图像采集卡和图像处理软件组成，如图1.1所示。 图1.1 典型的机器视觉系统 作为机器视觉系统开发工程师，我们必须根据实际需要选择好光源，相机，图像采集卡和图像处理软件。下面本文将依次介绍如何选择光源，相机，图像采集卡和图像处理软件，并介绍一种对初学者来说性价比非常高的学习方案。 1.1 选择光源 刚接触机器视觉系统时可能无法意识到光源选择恰当与否直接关系到系统的成败。例如，把10斤红豆(待观察的对象特征)、10斤绿豆(不需要关注的物体)和10斤沙子(噪声)混合在一起让你在三分钟内把10斤红豆筛选出来和把10斤红豆、1斤绿豆、1斤沙子混合在一起让你在三分钟内把10斤红豆筛选出来，谁更容易些？显然干扰少(绿豆)，噪声低(沙子)的工作才能干的又快又好！ 选择光源的目标就是：1、增强待处理的物体特征； 2、减弱不需要关注的物体和噪声的干扰； 3、不会引入额外的干扰。 以获取高品质、高对比度的图像。 按照明方式的不同，光源可以分为：直接照明光源、散射照明光源、背光照明光源、同轴照明光源和特殊照明光源。下面，本文将依次介绍各种不同的光源。 1.1.1常见的光源类型 1．直接照明光源 直接照明光源就是光源直接照射到被检测物体上，它的特点是照射局域集中、亮度高和安装方便，可以得到清楚的影像。常见的直接照明方式有沐光方式、低角度方式、条形方式和聚光方式。 沐光方式 沐光方式常用的是LED环形光源，如图2.1所示。高密度的LED阵列排列在伞状结构中，可以在照明区域产生集中的强光。 图2.1的右方部分是LED环形光源的安装部分，其中被检测的物体应该在图中的Work 区域。
《机器视觉》教学大纲 （一）课程基本信息 1. 课程代码：20136219 2. 课程名称（中文/英文）：机器视觉 / Machine Vision 3. 课程类别：专业方向课 4. 课程学分：2.0 5. 课程学时：32学时（其中，授课学时：32学时） 6. 开课单位：信息科学与工程学院 7. 教学对象：电子信息工程、通信工程 （二）课程简介 “机器视觉”是电子信息工程、通信工程的专业方向课，是专业理论课信号与系统、数字信号处理在图像、视频处理领域偏重应用实践的课程。通过学习，使学生掌握机器视觉的基本方法，熟悉实际应用中使用较为广泛的视觉问题求解算法，了解机器视觉在各个领域的相关应用。 先修课程：线性代数，信号与系统，数字信号处理，C语言程序设计 （三）课程教学目标和能力要求 “机器视觉”课程以机器视觉的基本算法为基础，通过具体的视觉问题为例讲解机器视觉问题的一般求解方法。通过学习，使学生能使用图像空间滤波、频域变换、特征点检测、图像匹配与几何映射等机器视觉的基本方法，掌握简单机器视觉问题的求解方法。培养学生将文献转换为实际工程实现的能力，使学生能够将现有的方法转换成自己的工具。培养学生工程实践能力和创新能力。为毕业就业培养专业素养，提供技术准备。 （四）课程教学方法 根据学生特点和课程特点，采用理论教学结合实际问题分析的方法。课堂教学部分遵从分知识点循序渐进的原则，主要以启发式教学和实例教学法为主，激发学生的学习兴趣。课程设置针对性的课程项目，通过实际应用，提高学生的实践能力，加深学生对知识点的掌握。通过设置小组合作形式的课程设计，提高学生的团队协作能力。 （五）课程内容及教学安排 教学主题1：机器视觉导论（2 学时） [知识点]：机器视觉概念，视觉理论的发展，机器视觉与相关研究领域，机器视觉的应用 [重点]：掌握机器视觉的概念，理解计算视觉理论 [难点]：Marr的计算视觉理论