目录
摘要................................................................................................................................. I Abstract .......................................................................................................................... I I 1.概述 . (3)
1.1 机器视觉 (3)
1.2 数字图像处理 (3)
1.3 MATLAB (4)
1.4 课程设计任务 (4)
2.边缘检测 (5)
2.1边缘检测简介 (5)
2.2检测方法 (5)
2.3 边缘检测算子 (6)
2.4 边缘检测仿真结果 (12)
3.轮廓提取 (13)
3.1基于边缘检测的轮廓提取 (13)
3.2 基于HSV空间H的参数图像的轮廓提取 (14)
4.实验小结 (15)
参考文献 (15)
附录：源程序代码...................................................................... 错误！未定义书签。
边缘检测程序....................................................................... 错误！未定义书签。
轮廓提取程序....................................................................... 错误！未定义书签。
基于HSV空间H参数的图像轮廓提取 ............................. 错误！未定义书签。
摘要
机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
图像边缘是图像最基本的特征之一，往往携带着一幅图像的大部分信息。而边缘存在于图像的不规则结构和不平稳现象中，也即存在于信号的突变点处，这些点给出了图像轮廓的位置，这些轮廓常常是我们在图像边缘检测时所需要的非常重要的一些特征条件，这就需要我们对一幅图像检测并提取出它的边缘。
本实验对机器视觉系统中的底层技术——边缘检测和轮廓提取算法进行设计和实验。针对一幅图像，利用边缘检测算子（如Robert算子、Sobel算子、Prewitt算子、Laplace算子、Kirsch算子和Marr算子）检测出图像的边缘，然后采取轮廓提取算法得到封闭的二值图像轮廓。
关键词：机器视觉、数字图像处理、边缘检测、轮廓提取
Abstract
Machine vision system is to use machines instead of human eyes to make all kinds of measurement and judgment. It is an important branch of computer science, which combines optical, mechanical, electronic, computer software and hardware technology, involves the computer, image processing, pattern recognition, artificial intelligence, signal processing, optic-mechanical integration, and other fields. The rapid development of image processing and pattern recognition techniques such as, also greatly promote the development of machine vision.
Edge detection is the basic problem in image processing and computer vision, edge detection is to identify the purpose of the digital image brightness changes in the obvious points. Significant changes in image attributes usually reflect the properties of the important events and changes. These include the depth direction of the discontinuous, surface discontinuity, material properties and scene illumination changes. Edge detection is image processing and computer vision, especially a research field in feature extraction.
Image edge is one of the most basic characteristics of the image, often carrying an image most of the information. The image edge in irregular structure and the not smooth phenomenon, which exists in the abrupt change point of the signal, these points are given the location of the image contour, the contour is often what we need in image edge detection is very important to some of the characteristics of the conditions, this requires us to the edge of an image detection and extract it.
The experiment on the machine vision system, the underlying technology in edge detection and contour extraction algorithm to carry on the design and experiment. For an image, using edge detection operator (such as Robert operator, Sobel operator, Prewitt operator, Laplace operator, Kirsch operator and Marr operator) to detect the image edge, and then to get closed contour extraction algorithm of binary image contour.
Keywords: machine vision, digital image processing, edge detection and contour extraction
1.概述
1.1 机器视觉
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。
1.2 数字图像处理
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
自从1986年John Canny提出了最优边缘检测算子的三条准则并推导出了一个近似实现。但是在实际中，真正实现这一目标尚有较大的难度。这是因为：（1）实际图像一般都含有噪声，并且噪声的分布信息业是未知的，同时噪声和边缘都属于高频信息，在进行滤波的同时，虽然能够在一定程度上抑制噪声，却也丢失了边缘信息。（2）由于场景、光照条件的边缘等原因，同一场景在不同光照条件下得到的边缘可能也是不同的，设置的阈值也可能是不同的。针对这些问题，如何进行改进，并得到较理想的边缘检测算子是有必要的。
另一方面，轮廓提取技术是图像分割、目标区域识别区域行状提取等图像分析处理领域十分重要的基础。寻求非接触、精度高、具有综合分析能力的识别方法来代替人工目测，解决图像表面的模式识别和测量问题，是图像加工行业面临的一大难题，也是值得我们长期探讨的科研课题
1.3 MATLAB
MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。可用于科学计算和工程绘图。新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。同时对一些特殊的可视化要求，例如图形对话等，MATLAB也有相应的功能函数，保证了用户不同层次的要求。另外新版本的MATLAB还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。
MATLAB对许多专门的领域都开发了功能强大的模块集和工具箱。一般来说，它们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、LMI控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、DSP与通讯、电力系统仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。
1.4 课程设计任务
对机器视觉系统中的底层技术——边缘检测和轮廓提取算法进行设计和实验。
要求：针对一幅图像，利用边缘检测算子（如Robert算子、Sobel算子、Prewitt算子、Laplace算子、Kirsch算子和Marr算子）检测出图像的边缘，然后采取轮廓提取算法得到封闭的二值图像轮廓。
2.边缘检测
2.1边缘检测简介
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
边缘可能与视角有关——也就是说边缘可能随着视角不同而变化，典型地反映在场景、物体的几何形状一个将另一个遮挡起来，也可能与视角无关——这通常反映被观察物体的属性如表面纹理和表面形状。在二维乃至更高维空间中，需要考虑透视投影的影响。
2.2检测方法
一般图像边缘检测方法主要有如下四个步骤：
1）图像滤波:传统边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出的是，大多数滤波器在降低噪声的同时也造成了了边缘强度的损失，因此，在增强边缘和降低噪声之间需要一个折中的选择。
2）图像增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度的幅值来完成的。
3）图像检测:在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判断依据是梯度幅值。
4）图像定位:如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。
2.3 边缘检测算子
2.3.1 Reborts 算子
Reboerts 算子是一种利用局部差分来寻找边缘的算子，Roberts 梯度算子所采用的是对角方向相邻两像素值之差，算子形式如下：
)1,1(),(---=j i f j i f Gx
（2.3.3 )1,(),1(---=j i f j i f Gy
（2.3.4 22|),(|y x G G y x G +=
(2.3.5) Roberts 梯度算子对应的卷积模版为：
??????-=1001Gx ??????-=0110Gy （2.3.6） 用以上两个卷积算子与图像运算后，可求出图像的梯度幅值 G ( x,y)，然后选择
适当的阈值τ ,若 G ( x,y)>τ，则 (i ,j)为边缘点，否则，判断 (i ,j)为非边缘点。由此得到一个二值图像 { g (i,j)}，即边缘图像。Roberts 算子采用的是用对角线方向上相邻两像素的差近似梯度幅值来检测边缘，它的定位精度高，对于水平和垂直方向的边缘，检测效果较好，而对于有一定倾角的斜边缘，检测效果则不理想，存在着许多的漏检。另外，在含噪声的情况下，Roberts 算子不能有效的抑制噪声，容易产生一些伪边缘。因此，该算子适合于对低噪声且具有陡峭边缘的图像提取边缘。
2.3.2 Sobel 算子
Sobel 算子在边缘检测算子扩大了其模版，在边缘检测的同时尽量削弱了噪声。其模版大小为3×3，其将方向差分运算与局部加权平均相结合来提取边缘。在求取图像梯度之前，先进行加权平均，然后进行微分，加强了对噪声的一致。Sobel 算子所对应的卷积模版为：
??????????---=101202`101Gx
??????????--=121000121Gy （2.3.7）
图像中的每个像素点和以上水平和垂直两个卷积算子做卷积运算后，再计算得到 梯度幅值 G ( x,y)，然后选取适当的阈值τ ，若 G ( x,y)>τ，则 (i ,j)为边缘点，否则，判断 (i ,j)为非边缘点。由此得到一个二值图像 { g (i,j)}，即边缘图像。Sobel 算子在空间上比较容易实现，不但产生较好的边缘检测效果，同时，由于其引入了局部平均，使其受噪声的影响也较小。若使用较大的邻域，抗噪性会更好，但也增加了计算量，并且得到的边缘比较粗。在对精度要求不是很高的场合下，Sobel 算子是一种较为常用的边缘检测算法。
2.3.3 Prewitt 算子
同 Sobel 算子相似，Prewitt 算子也是一种将方向的差分运算和局部平均相结合的方法，也是取水平和垂直两个卷积核来分别对图像中各个像素点做卷积运算，所不同的是，Sobel 算子是先做加权平均然后再微分，Prewitt 算子是先平均后求微分，其对应的卷积模版为：
??????????---=101101`101Gx
??????????---=111000111Gy （2.3.8）
图像中的每个像素点和以上水平和垂直两个卷积算子做卷积运算后，再计算得到 梯度幅值 G ( x,y)，然后选取适当的阈值τ ，若 G ( x,y)>τ，则 (i ,j)为边缘点，否则，判断 (i ,j)为非边缘点。由此得到一个二值图像 { g (i,j)}，即边缘图像。
在此基础上，有人提出了改进的Prewitt 算子，将其扩展到八个方向，依次用这些边缘模板去检测图像，与被检测区域最为相似的样板给出最大值。用这个最大值作为算子的输出值 P[ i ,j],这样就可将边缘像素检测出来。八个方向的 Prewitt 算子模板及其所对应的边缘方向如下所示：
????
??????----111121`111
??????????----111121`111 ??????????----111121`111 ??????????---111121`111 0°方向
45°方向 90°方向 135°方向
??????????----111121111
??????????----111121111 ??????????----111121111 ????
??????----111121`111 180°方向 225°方向 270°方向 315°方向
Prewitt 算子通过对图像上的每个像素点的八方向邻域的灰度加权差之和来进行检测边缘，对噪声有一定抑制作用，抗噪性较好，但由于采用了局部灰度平均，因此容易检测出伪边缘，并且边缘定位精度较低。
2.3.4 Kirsch 算子
Kirsch 算子是一种 3×3 的非线性方向算子。其基本思想是希望改进取平均值的过程，从而尽量使边缘两侧的像素各自与自己同类的像素取平均值，然后再求平均值之差，来减小由于取平均值所造成的边缘细节丢失。通常采用八方向 Kirsch 模板的方法进行检测，取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向。常用的八方向 Kirsch 模板如下所示：
????
??????-----533503533
??????????-----333503`553 ??????????-----333303555 ??????????-----333305355 0°方向 45°方向 90°方向 135°方向
????
??????-----335305335
??????????-----355305333 ??????????-----555303333 ??????????-----553503`333 180°方向
225°方向 270°方向 315°方向 实际的应用中，通常都是利用简单的卷积核来计算方向差分的，不同的算子对应着不同的卷积核。它们在图像的像素点上所产生的两个方向的偏导数用均方值或者绝对值求和的形式来近似代替梯度幅值，然后选取一个合适的阈值，用所得到的梯度幅值和所设定的阈值进行比较来判断边缘点。若大于所取的阈值，则判断为边缘点；否则，判断为非边缘点。很显然，在提取边缘的过程中，阈值 的选取特别重要，尤其在含噪图像中，阈值的选择要折衷考虑噪声造成的伪边缘和有效边缘的丢失。
2.3.5 Laplace 算子
拉普拉斯算子是不依赖于边缘方向的二阶导数算子，它是一个标量而不是向 量，具有旋转不变即各向同性的性质。若只关心边缘点的位置而不需要了解其周围的实际灰度差时，一般选择该算子提取图像的边缘。Laplace 算子的定义为：
22222y f x f f ??+??=? （2.3.9）
用差分方程近似二阶偏倒数的结果如下:
)1,(),(2)1,(22-+-+=??y x f y x f y x f x
f （2.3.10） ),1(),(2),1(22y x f y x f y x f y
f -+-+=?? （2.3.11）
将这两个式子合并，可以得到近似Laplace 算子的模版： ????
? ??-≈?010*******f （2.3.12） 当Laplace 算子输出出现过零点时就表明有边缘存在，其中忽略无意义的过零点(均匀零区)。原则上，过零点的位置精度可以通过线性内插方法精确到子像素分辨率。但是拉普拉斯算子在图像边缘检测中并不常用。主要原因有：任何包含有二阶导数的算子比只包含有一阶导数的算子更易受噪声的影响，一阶导数很
小的局部峰值也能导致二阶导数过零点，所以Laplace算子对噪声具有无法接受的敏感性； Laplace算子的幅值产生双边元，这是复杂的分割不希望有的结果;最后，Laplace算子不能检测边缘的方向。为了避免噪声的影响，必须采用特别有效的滤波方法。所以，人们提出了改进的功LOG算子。
2.3.6 LOG算子
LOG算子基本思想是：先在一定的范围内做平滑滤波，然后再利用差分算子来检测在相应尺度上的边缘。滤波器的选择要考虑以下两个因素：其一是滤波器在空间上要求平稳，即要求空间位置误差Δ x要小；其二是平滑滤波器本身要求是带通滤波器，并且在有限的带通内是平稳的，即要求频域误差Δω要小。根据信号处理中的测不准原理，Δx 和Δω是相互矛盾的，而达到测不准下限的滤波器就是高斯滤波器。Marr 和 Hildreth 提出的这种差分算子是各向同性的拉普拉斯二阶差分算子。该边缘检测器的基本特征是：
（1）所用的平滑滤波器是高斯滤波器
（2）增强步骤采用的是二阶导数（即二维拉普拉斯函数）
（3）边缘检测的判据是二阶导数过零点并且对应一阶导数的极大值该方法的特点是先用高斯滤波器与图像进行卷积，既平滑了图像又降低了噪声，使孤立的噪声点和较小的结构组织被滤除。然而由于对图像的平滑会导致边缘的延展，因此只考虑那些具有局部梯度极大值的点作为边缘点，这可以用二阶导数的零交叉来实现。拉普拉斯函数可用作二维二阶导数的近似，因为它是一种标量算子。为了避免检测出非显著的边缘，所以应该选择一阶导数大于某一阈值的零交叉点来作为边缘点。实际应用中，常用的LOG算子的模版为：
说明, 高斯平滑运算不但可以滤除噪声，还会导致图像中的边缘和其它尖锐不连续部分模糊，而模糊程度取决于空间尺度因子σ的大小。σ越大，高斯滤波对噪声的滤除效果越好，但同时也会丢失重要的边缘信息，影响到边缘检测器
的性能。如果σ较小，又可能导致平滑作用不完全而留有较多的噪声。因此在实际应用中，要根据情况选择适当的σ。
2.3.7 Canny算子
1986年，Canny从边缘检测算子应该满足的三个准则出发，推导出了最优边缘检测算子Canny算子，该算子是目前理论上相对最完善的一种边缘检测算法。Canny提出的评价边缘检测性能优劣的三个准则分别是:
（1）好的信噪比准则。即将非边缘点判为边缘点的概率要低，将边缘点判为非边缘点的概率要低;
（2）好的定位性能准则。即检测出的边缘点要尽可能在实际边缘的中心; （3）单边缘响应准则。即单一边缘具有唯一响应，单一边缘产生的多个响
应的概率要低，并且对虚假边缘的响应应得到最大抑制。
利用Canny算子检测边缘的主体算法如下:
（1）用式所示的高斯函数h(r)对图像进行平滑滤波，去除图像中的噪声。（2）在每一点计算出局部梯度和边缘方向，可以利用Sobel算子、Roberts算子等来计算。边缘点定义为梯度方向上其强度局部最大的点。
（3）对梯度进行“非极大值抑制”。在第二步中确定的边缘点会导致梯度幅度图像中出现脊。然后用算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线。
（4）双阈值化和边缘连接。
Canny算子是基于最优化思想推导出的边缘检测算子，采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。Canny算子也存在不足之处，一是为了得到较好的边缘检测结果，它通常需要使用较大的滤波尺度，这样容易丢失一些细节；二是Canny算子的双阈值要人为的选取，不能够自适应。
2.4 边缘检测仿真结果
图1 边缘检测仿真结果
3.轮廓提取
图像的轮廓作为图像的一种基本特征，经常被应用到较高层次的图像应用中去。它在图像识别，图像分割，图像增强以及图像压缩等的领域有广泛应用，也是图像处理的基础。
图像的轮廓往往携带着一幅图像的大部分信息。而轮廓即在于图像的不规则结构和不稳定上，也存在于信号的突变点处，这些点给出了图像轮廓的位置，这些轮廓常常是我们在图像边缘检测时所需的非常重要的特征条件，因而这就需要我们对一幅图像检测并提取出它的轮廓。经典的轮廓提取技术大都基于微分运算。首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。
3.1基于边缘检测的轮廓提取
源图像经过边缘检测之后不但留下了所需的图像轮廓还残留了许多的细节边缘，轮廓提取只需去除这些细小的边缘即可。在MATLAB中使用其强大的图形处理函数可达到效果，将CANNY边缘检测后的图形膨胀、填充、查找二值图像边缘等处理后即可得出图形轮廓。
图2 canny算子轮廓提取
3.2 基于HSV空间H的参数图像的轮廓提取
HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。
利用H参数能很有效的将图形与背景区分开来，方便之后的图像处理。进一步把图像经过二值化、去杂、填充、查找二值图像边缘等处理后即可得出图形轮廓。
图3基于HSV空间H的参数轮廓提取
4.实验小结
这次课程设计我通过学习边缘检测、轮廓提取算法的理论知识，我初步的掌
握了数字图像处理的原理和基本步骤。并且通过仿真，使用各种算法实现了边缘
检测和轮廓提取算法的设计和实验，结果还是比较理想的。
程序的编写需要有耐心，有些事情看起来很复杂，但问题需要一点一点去解
决，分析问题，把问题一个一个划分，划分成小块以后就逐个去解决。再总体解
决大的问题。这样做起来不仅有条理也使问题得到了轻松的解决。
参考文献
【1】刘敏魏玲编著.《MATLAB通信仿真与应用》.国防工业出版社.2007.12 【2】詹青龙、卢爱芹、李立宗等.《数字图像处理》.清华大学出版社.2010.6
【3】敬照明主编.《MATLAB教程与应用》.清华大学出版社.2011.05
【4】（美）冈萨雷斯等著.《数字图像处理》.电子工业出版社.2009.12
【5】蒋珉编著.《MATLAB程序设计及应用》.北京邮电大学出版社.2010.03
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。
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，LED 光源，激光，紫外光等。几种光源的特点如下： 成本亮度稳定度使用寿命复杂设计温度影响种类名 称 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光照方式有以下几种： 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
机器视觉系统设计五大难点 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
（二零一二年十二月） 2020-2025年中国机器视觉行业市场发展战略研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……
报告目录 第一章企业市场发展战略研究概述 (7) 第一节研究报告简介 (7) 第二节研究原则与方法 (7) 一、研究原则 (7) 二、研究方法 (8) 第三节企业市场发展战略的作用、特征及与企业的关系 (10) 一、企业市场发展战略的作用 (10) 二、市场发展战略的特征 (11) 三、市场发展战略与企业战略的关系 (12) 第四节研究企业市场发展战略的重要性及意义 (13) 一、重要性 (13) 二、研究意义 (13) 第二章市场调研：2018-2019年中国机器视觉行业市场深度调研 (14) 第一节机器视觉概述 (14) 一、机器视觉的定义 (14) 二、机器视觉行业的权威定义 (15) 三、机器视觉行业及其应用领域简介 (16) （1）机器视觉是人工智能最重要的分支之一 (16) （2）工业是机器视觉技术最大的应用领域之一 (18) （3）工业领域之外的其他应用领域 (19) （4）机器视觉技术在工业领域中的具体应用 (20) 第二节我国机器视觉行业监管体制与发展特征 (23) 一、所处行业及确定所属行业的依据 (23) 二、行业主管部门及监管体制 (24) 三、行业主要法律法规政策 (24) 四、产业链上游及中游情况，代表性企业 (27) 五、行业的周期性、区域性和季节性 (29) （1）行业周期性 (29) （2）行业区域性 (29) （3）行业季节性 (30) 六、进入本行业的主要障碍 (30) （1）技术壁垒 (30) （2）人才壁垒 (30) （3）品牌壁垒 (30) （4）规模壁垒 (31) （5）服务壁垒 (31) （6）客户资源壁垒 (31) 第三节2018-2019年中国机器视觉行业发展情况分析 (31) 一、机器视觉技术及行业保持高速发展 (32) 二、机器视觉行业在中国处于快速发展阶段 (32) 第四节2018-2019年我国机器视觉行业竞争格局分析 (33)
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 机器视觉实验报告 实验报告 课程名称： 班级： 姓名： 学号： 实验时间： 实验一 一．实验名称 Matlab软件的使用 二．实验内容 1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等； 2.了解帮助文档help中演示内容demo有哪些； 3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。 三．实验原理： 通过matlab工具箱来进行图像处理 四．实验步骤 1. 双击桌面上的matlab图标，打开matlab软件 2. 了解菜单栏、工具栏、状态栏、命令窗口等
如下图1-1所示 图 1-1 3. 了解帮助文档help中演示内容demo有哪些； 步骤如下图1-2 图1-2 打开help内容demo后，里面的工具箱如图所示。 图1-3 4. 找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4 ，图1-5所示 图 1-4 图 1-5 五.实验总结和分析 通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。 实验二 一．实验名称 图像的增强技术 二．实验内容 1.了解图像增强技术/方法的原理； 2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三．实验原理： 通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。
机器视觉课程设计 对圆盘形零件圆心与直径和矩形零件长与宽尺寸测量 学生学院机电学院 专业班级 学号 学生姓名 指导教师 2015年 1 月 20 日
目录 1 问题描述 (3) 1.1 基本目标 (3) 1.2 基本要求 (3) 2 程序及其算法 (3) 2.1 检测与计算圆半径的程序 (3) 2.2 检测与计算矩形长和宽的程序 (6) 2.2.1 打开摄像头程序 (6) 2.2.2 保存拍摄的照片程序 (7) 2.2.3 读取拍摄到的图片（读取文名字CurrentImage.jpg的图片） (7) 2.2.4 检测边上的点和计算长和高的函数 (8) 2.2.5 老师写的显示图片的函数 (11) 3 运行结果 (12) 4 小结 (13)
1 问题描述 1.1 基本目标 显示一张图片（包含一个矩形或一个圆），测量矩形的长宽或圆的直径。完成得及格分，扩展有加分！ 要求图片 1.2 基本要求 “机器视觉”考试结果要求独立在计算机上完成，建议使用Visual C++和OpenCV 实现一个具有视觉捕捉、图像显示、尺寸测量等功能的对话框程序，其中必须完成对圆盘形零件圆心与直径和矩形零件长与宽尺寸测量内容。在教师提供的基本框架程序基础上，修改、补充界面和功能。 2 程序及其算法 2.1 检测与计算圆半径的程序 思路:从图片中间横扫取点得M_Point[0]，M_Point[1]（x坐标相加除2的圆心的x 坐标）中间纵向取点得M_Point[2]，M_Point[3]（y坐标相加除2的圆心的y坐标）圆上四个点到圆心的距离（半径）取平均值，输出为半径。
程序如下： double c_DialogTeclarn::f_MakeCircle(double e_dThreshold) { if(NULL==m_pIplImageSource) {return 0;} //定义变量存图像的宽，高，行像素 int q_iWidth=m_pIplImageSource->width; int q_iHeight=m_pIplImageSource->height; int q_iWidthStep=m_pIplImageSource->widthStep; uchar *q_pchDataImage=(uchar *)m_pIplImageSource->imageData; CvPoint M_Point[4]={};//存放检索出的四个点 循环检索 //01纵扫 for(int Cycle_Y=1;Cycle_Y
机器视觉系统模块的原理分析及设计 一、概述 视觉技术是近几十年来发展的一门新兴技术。机器视觉可以代替人类的视觉从事检验、目标跟踪、机器人导向等方面的工作，特别是在那些需要重复、迅速的从图象中获取精确信息的场合。尽管在目前硬件和软件技术条件下，机器视觉功能还处于初级水平，但其潜在的应用价值引起了世界各国的高度重视，发达国家如美国、日本、德国、法国等都投入了大量的人力物力进行研究，近年来已经在机器视觉的某些方面获得了突破性的进展，机器视觉在车辆安全技术、自动化技术等应用中也越来越显示出其重要价值。本文根据最新的CMOS 图像采集芯片设计了一种通用的视觉系统模块，经过编制不同的图像处理、模式识别算法程序本模块可以应用到足球机器人，无人车辆等各种场合。 二、设计原理 系统原理框图如图1所示。 系统包含5个主要芯片：图像采集芯片OV7620，高速微处理器SH4，大规模可编程阵列FPGA，和串口通讯控制芯片MAX232。FPGA内部编程设立两个双口RAM，产生图像传感器所需的点频，行场同步等信号，以及控制双口RAM的存储时序。SH4负责对OV7620通过I2C进行配置，读取双口RAM的图像数据，进行处理，并通过串口实现图像资料的上传或控制步进电机等其他设备。 三、图像采集模块 系统模块以CMOS图像传感器OV7620为核心，还包括一个聚光镜头和其他一些辅助
元器件比如27MHZ的晶振，电阻电容等。 COMS图像传感器是近几年发展较快的新型图像传感器，由于采用了相同COMS技术，因此可以将像素阵列与外围支持电路集成在同一块芯片上，是一个完整的图像系统(Camera on Chip)。本系统采用的是Ommnvision公司推出的一块CMOS彩色图像传感器OV7620，分辨率为640x480。它能工作在逐行扫描方式下，也能工作在隔行扫描方式下。它不仅能输出彩色图像，也可用作黑白图像传感器。这块芯片支持的图像输出格式有很多种： 1)YCrCb4:2:2 16 bit/8 bit格式；2)ZV端口输出格式；3)RGB原始数据16 bit/8 bit； 4)CCIR601/CCIR656格式。其功能包括有对比度、亮度、饱和度、白平衡及自动曝光、同步信号位置及极性输出，帧速率和输出格式等都可以通过I2C 总线进行编程配置片内寄存器控制。 聚光镜头选用桑来斯公司生产的DSL103镜头。此镜头体积小，适合嵌入式视觉传感器的应用场合。 四、FPGA接口模块 FPGA采用Xilinx公司的XC2S100，这款芯片内部集成了10000个逻辑门。接口程序采用VHDL(Very High Speed Integrated Circuit Hardware Description Language)书写。为了提高数据的传输速率，在XC2S100 内部分配了2个双口RAM缓冲区，其大小为127KB，每个双口RAM存储1行的图像数据。两组双口RAM进行奇偶行计数器进行切换。当一行存储完毕后，立即向SH4传生一个读取该行数据的中断的申请信号。FPGA内部结构如图2所示。 这里主要问题在于FPGA内部的双口RAM读写操作共用同一数据总线和地址总线，当同时进行读写操作的时候就会产生时序问题导致写入或读出的数据错误。在这两个过程中为了防止数据和地址总线冲突，在FPGA内部设计了一个中央总线仲裁器。根据公共数据传输的先后顺序，中央仲裁器先接受图像传感器的总线请求，当图像存储到RAM之中后，中央仲裁器才响应单片机系统的读信号请求。
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)
一、实验目的 采用影像测量仪验收印刷电路板。 要求： （1）学习并掌握影像测量仪的构成和工作原理； （2）通过实践，掌握影像测量仪的操作使用，包括仪器的调节、标定、瞄准、测量；（3）掌握仪器软件的使用，测量数据采集，数据处理，误差评定； （4）采用投射/反射照明测量，测量印刷电路板，要求测量BGA封装（至少测量10个焊盘）焊盘的尺寸、焊盘间距；至少测量十条引线的线宽和间距；至少测量10 个过孔的尺寸。 （5）对照设计图纸，给出合格性结论，形成测量报告。 （6）撰写实验报告，包括原理、步骤、数据与处理、结论等。 二、影像测量仪的构成和工作原理 （1）构成 影像测量仪是一种由高解析度CCD彩色镜头、连续变倍物镜、彩色显示器、视频十字线显示器、精密光栅尺、多功能数据处理器、数据测量软件与高精密工作台结构组成的高精度光学影像测量仪器。 图1总体结构
加工定制：否分辨率：0.001（mm）测量行程：250*150*200（mm） 品牌：贵阳新天型号：JVB250 放大倍率：光学0.7-4.5X 影像28-180X 操作方式：手动测量精度：(3+L/200)um 外形尺寸（长*宽*高）：1000*650*1650（mm） JVB250的规格参数： ①测量范围: X坐标: 250mm Y坐标: 150mm 调焦行程: Z坐标: 200mm ②X、Y、坐标分辨率： 0.0005mm ③仪器准确度：(3+L/200)μm 其中L为被测长度，单位mm ④CCD摄像机：1/3″彩色摄像机，象素数：795(H)×596(V) ⑤物镜放大率： 0.7 ～ 4.5×连续变倍，影像放大28～ 180倍。 ⑥与放大率对应的物镜工作距离：75mm～90mm ⑦与放大率对应的物面最大高度：150mm～130mm ⑧工作台承重：30kg ⑨金属工作台尺：450mm×300mm ⑩主机外形尺寸：580mm×750mm×660mm （2）工作原理 影像测量仪是基于机器视觉的自动边缘提取、自动理匹、自动对焦、测量合成、影像合成等人工智能技术，具有点哪走哪自动测量、CNC走位自动测量、自动学习批量测量的功能，影像地图目标指引，全视场鹰眼放大等优异的功能。同时，基于机器视觉与微米精确控制下的自动对焦过程，可以满足清晰影像下辅助测量需要，亦可加入触点测头完成坐标测量。支持空间坐标旋转的优异软件性能，可在工件随意放置或使用夹具的情况下进行批量测量与SPC结果分类。 被测工件置于工作台上，在投射或反射光照明下，工件影像被摄像头摄取并传送到计算机，此时可使用软件的影像、测量等功能，配合对工作台的坐标采集，对工件进行点、线、面全方位测量。 影像测量仪是利用表面光或轮廓光照明后，经变焦距物镜通过摄像镜头，摄取影像再通过S端子传送到电脑屏幕上，然后以十字线发生器在显示器上产生的视频十字线为基准对被测物进行瞄准测量。并通过工作台带动光学尺，在X、Y方向上移动由DC-3000多功能数据处理器进行数据处理，通过软件进行演算完成测量工作。影像测量主要是利
物联网系统课程设计 学系名称：物联网工程 班级名称：物联网工程 2 班 学生姓名：朱泓锦 20136239 指导教师：肖迎元助教： 二零一六年十月
摘要 智能车辆是集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，是智能交通系统的一个重要组成部分。它在军事、民用、太空开发等领域有着广泛的应用前景。随着电子工业的发展，智能技术广泛运用于各种领域，运用于智能家居中的产品更是越来越受到人们的青睐。 以arduino程序和蓝牙模组，app为基础，是蓝牙模组，arduino 小车和手机之间信息交互的关键。本课题所研究的物联网应用系统以arduino程序为核心，利用蓝牙模组，arduino小车和app等实现基本功能。 基本功能：利用蓝牙模组和app之间的信息交互，控制小车的移动，从而达到无线控制的效果 注：仅能实现小车的基本操作 关键词：arduino程序，arduino小车，app，蓝牙模组
1 绪论 随着科技进步，现代工业技术发展越来越体现出机电一体化的特征。无论是在金属加工、汽车技术、工业生产等等方面，机器设备表现了所谓智能化、集成化、小型化、高精度化的发展趋势。 1.1 选题背景 随着汽车工业的迅速发展，关于汽车的研究也就越来越受人关注。全国电子大赛和省内电子大赛几乎每次都有智能小车这方面的题目，全国各高校也都很重视该题目的研究。可见其研究意义很大。本设计就是在这样的背景下提出的，指导教师已经有充分的准备。本题目是结合科研项目而确定的设计类课题。设计的智能电动小车应该能够实现适应能力，能自动避障，可以智能规划路径。 智能化作为现代社会的新产物，是以后的发展方向，他可以按照预先设定的模式在一个特定的环境里自动的运作，无需人为管理，便可以完成预期所要达到的或是更高的目标。同遥控小车不同，遥控小车需要人为控制转向、启停和进退，比较先进的遥控车还能控制器速度。常见的模型小车，都属于这类遥控车；智能小车，则可以通过计算机编程来实现其对行驶方向、启停以及速度的控制，无需人工干预。操作员可以通过修改智能小车的计算机程序来改变它的行驶方向。因此，智能小车具有再编程的特性，是机器人的一种。 中国自1978年把“智能模拟”作为国家科学技术发展规划的主要研究课题，开始着力研究智能化。从概念的引进到实验室研究的实现，再到现在高端领域（航
嵌入式机器视觉系统设计 熊 超 田小芳 陆起涌 (复旦大学电子工程系 上海 200433) 摘要 机器视觉系统是智能机器人的一个重要标志,也是近年来的一个研究热点,现有研究成果在系统复杂度、价格和性能之间很难达到平衡。针对此问题,设计了一个CM O S摄像头为图像采集设备、DM CU为核心处理器的嵌入式机器视觉系统,并实现了实时双目测距。该系统简单、实时性好。 关键词 嵌入式系统 DM CU 机器视觉 双目测距 The Design of Embedded Machine Vision System Xiong Chao Tian Xiaofang Lu Qiyo ng (E.E.D ep ar tment,F udan U niv er sity,Shanghai200433,China) Abstract M achine vision is an act ive research area in recent years,which is an import ant symbol of intelligent robot,but t he present research product ion has not f ound a balance among the system complexit y,cost and per-formance.T o solve the problem,a new embedded machine vision system is proposed,which t akes t he CM OS sense as the image acquisit ion unit and DM CU as cent ral processor,and real-time depth measurement is realized. T he system is simple and st able,and has a good perf ormance in real-time operation. Key words Embedded syst em DM CU M achine vision Binocular dept h measurement 1 引 言 机器视觉系统是智能机器人的一个重要标志,其模拟了人的感知功能,具有探测范围宽、目标信息完整等优势,因此越来越受到人们的关注。其中,机器视觉测量障碍物距离是近年来的研究热点,并取得了一定的效果[1～3]。但这些视觉测距系统往往比较复杂、价格高,或者实时性差。在此设计了一个以CM OS摄像模块为图像采集设备、DM CU为核心处理器的嵌入式机器视觉系统,并实现了双目视觉实时测距。该系统集成度高、功耗低、实时性好,还有丰富的外围接口,可以广泛应用于智能机器人导航、目标定位等领域。 2 嵌入式系统设计 系统采用的摄像模块为台湾原相公司的CM OS 图像传感器PAS109B,工作电压2.4～3.6V,分辨率164×124,像素大小7.25 m×7.25 m,图像帧率最高60fps(frame per second),支持I2C接口。处理器采用台湾俊亿公司提供的DM CU处理器KBD0001B。DM-CU是为了适应现代便携设备发展而出现的一种全新体系结构,整合了DSP高效的运算能力和M CU强大的控制能力。K BD0001B字长16位,内部有RO M 32kW,有两种RA M:XRA M(16kW)和YRA M (8kW),可在一个时钟周期内分别从这两个RA M中得到两个操作数。K BD0001B运算速度最高可达25M IPS,采用了4级流水线结构,每条指令执行时间均为一个时钟周期。K BD0001B提供48个通用I/O接口,支持SPI、I2C、U A RT、PWM,内嵌了LCD控制器。 这里设计的机器视觉系统以K BD0001B为核心处理器,CM OS摄像模块为图像采集设备,大大降低该系统的复杂度。将该系统安装于一个移动小车上,通过双目视觉的方法测量障碍物的距离,实现了小车自主行驶和避障,如图1所示。 嵌入式机器视觉系统框图如图2所示。 为实时地测量障碍物距离,系统利用外极线约束[4]重整图像,这样每次只需分别从两图像传感器中 第26卷第8期增刊 仪 器 仪 表 学 报 2005年8月
机器视觉市场调研报告
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)
实验五图像的分割与边缘提取 一、实验内容 1.图像阂值分割 实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
2.边缘检测 实验代码： clear all, close all; I=imread('flower.tif'); BW1=edge(I,'sobel'); BW2=edge(I,'canny'); BW3=edge(I,'prewitt'); BW4=edge(I,'roberts'); BWS=edge(I,'log'); figure(1), imshow(I), title('Original Image'); figure(2), imshow(BW1), title('sobel'); figure(3), imshow(BW2), title('canny'); figure(4), imshow(BW3), title('prewitt'); figure(5), imshow(BW4), title('roberts'); figure(6), imshow(BWS), title('log'); %在完成上述试验后,查看函数edge()使用说明。help edge 运行结果：
数字图像处理 课程设计报告 课设题目：彩色图像增强软件学院：信息科学与工程学院专业：电子与信息工程 班级： 1002501 姓名：曾小路 学号： 100250131 指导教师：赵占峰 哈尔滨工业大学（威海） 2013 年12月27日
目录 目录 .......................................................................................................................... I 一. 课程设计任务 (1) 二. 课程设计原理及设计方案 (2) 2.1 彩色图像基础 (2) 2.2 彩色模型 (2) 三. 课程设计的步骤和结果 (6) 3.1 采集图像 (6) 3.2 图像增强 (7) 3.3 界面设计 (9) 四. 课程设计总结 (12) 五. 设计体会 (13) 六. 参考文献 (14)
哈尔滨工业大学（威海）课程设计报告 一. 课程设计任务 1.1设计内容及要求： （1）、独立设计方案，根据所学知识，对由于曝光过度、光圈过小或图像亮度不均匀等情况下的彩色图像进行增强，提高图像的清晰度（通俗地讲，就是图像看起来干净、对比度高、颜色鲜艳）。 （2）、参考photoshop 软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与处理前的图像进行比较、分析。总结设计过程所遇到的问题。 1.2参考方案 1、实现图像处理的基本操作 学习使用matlab 图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），利用彩色图像模型转换公式，将RGB 类型图像转换为HSI 类型图像，显示各分量图像(如imshow（image）)，以及计算和显示各分量图像直方图。 2、彩色图像增强实现 对HSI彩色模型图像的I分量进行对比度拉伸或直方图均衡化等处理，提高亮度图像的对比度。对S分量图像进行适当调整，使图像色彩鲜艳或柔和。 H 分量保持不变。将处理后的图像转换成RGB 类型图像，并进行显示。分析处理图像过程和结果存在的问题。 3、参照“photoshop”软件，设计图像处理软件界面 可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视 功能多少而定；参考matlab 软件中GUI 设计，学习软件界面的设计 - 1 -
, 物联网系统课程设计 学系名称：物联网工程 班级名称：物联网工程 2 班 ） 学生姓名：朱泓锦 指导教师：肖迎元助教： 二零一六年十月 ;
摘要 $ 智能车辆是集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，是智能交通系统的一个重要组成部分。它在军事、民用、太空开发等领域有着广泛的应用前景。随着电子工业的发展，智能技术广泛运用于各种领域，运用于智能家居中的产品更是越来越受到人们的青睐。 以arduino程序和蓝牙模组，app为基础，是蓝牙模组，arduino小车和手机之间信息交互的关键。本课题所研究的物联网应用系统以arduino 程序为核心，利用蓝牙模组，arduino小车和app等实现基本功能。 基本功能：利用蓝牙模组和app之间的信息交互，控制小车的移动，从而达到无线控制的效果 注：仅能实现小车的基本操作 关键词：arduino程序，arduino小车，app，蓝牙模组 —
】 1 绪论 随着科技进步，现代工业技术发展越来越体现出机电一体化的特征。无论是在金属加工、汽车技术、工业生产等等方面，机器设备表现了所谓智能化、集成化、小型化、高精度化的发展趋势。 选题背景 ' 随着汽车工业的迅速发展，关于汽车的研究也就越来越受人关注。全国电子大赛和省内电子大赛几乎每次都有智能小车这方面的题目，全国各高校也都很重视该题目的研究。可见其研究意义很大。本设计就是在这样的背景下提出的，指导教师已经有充分的准备。本题目是结合科研项目而确定的设计类课题。设计的智能电动小车应该能够实现适应能力，能自动避障，可以智能规划路径。 智能化作为现代社会的新产物，是以后的发展方向，他可以按照预先设定的模式在一个特定的环境里自动的运作，无需人为管理，便可以完成预期所要达到的或是更高的目标。同遥控小车不同，遥控小车需要人为控制转向、启停和进退，比较先进的遥控车还能控制器速度。常见的模型小车，都属于这类遥控车；智能小车，则可以通过计算机编程来实现其对行驶方向、启停以及速度的控制，无需人工干预。操作员可以通过修改智能小车的计算机程序来改变它的行驶方向。因此，智能小车具有再编程的特性，是机器人的一种。
(此文档为word格式，可任意修改编辑！） 2016年3月
目录 一、机器视觉行业概况 5 1、机器视觉：用机器代替人眼来做测量和判断 5 2、机器视觉的原理及优势：机器视力不止“50” 6 3、机器视觉系统的组成9 （1）光源：LED光源综合性能最佳9 （2）镜头：系统中最关键的原件10 （3）相机：CCD 与CMOS 相机各有优势11 （4）图像采集卡：图像采集和处理的接口12 （5）图像处理软件：机器视觉的“大脑”13 4、机器视觉系统的产业链分析：产业链上中游主导机器视觉产业14 （1）上中游产业：软件开发和半导体器件是核心15 （2）下游产业分析:广泛的应用领域，稳定的市场需求16 二、机器视觉行业竞争格局：美日两系行业领跑，市场规模进一步扩大17 1、机器视觉行业三阶段发展史17 2、市场背景：工业40——工业机器人蓬勃发展18 3、美日两系公司比较：各有千秋的行业巨头19 （1）美国康耐视（Cognex Corp）：视觉读码专家19 （2）日本基恩士（Keyence）：机器视觉行业的世界领跑者20
（3）美日两系公司市场表现总结22 4、机器视觉行业的前景预测：中国市场是新爆发点22 三、中国机器视觉行业：设备需求大幅增温，国内市场潜力巨大 24 1、中国机器视觉行业成长概况：正在进入黄金增长期24 2、三大因素促进机器视觉行业发展和升级26 （1）技术层面：专利数量大增26 （2）产业政策：机器视觉迎政策“东风”27 （3）国际视角：加入国际产业链，建设智能化工厂成为必然要求29 3、国内机器视觉产业：逐渐从低端走向高端应用30 （1）国内企业概况：以代理商为主，自身业务技术有待提高30 （2）市场应用欠成熟，逐渐发展走向中国制造2025 31 4、中国机器视觉未来发展趋势32 （1）半导体行业的发展带动机器视觉行业市场32 （2）基于嵌入式的产品将取代板卡式产品33 （3）个性化的服务和方案代替标准化产品35 四、A股上市机器视觉企业剖析：精耕细作的中国机器视觉35 1、公司概况35 2、行业壁垒：企业做强做大的阻力36 （1）技术壁垒：技术密集型企业36 （2）人才壁垒：创新驱动实质上是人才驱动37
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㎡，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 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、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。
《机器视觉与智能检测相关创新实践》 课外实验报告 实验一、图像融合 1.实验内容： 对同一场景的红外图像和可见光图像进行融合，采用图1中的参考图形，以及自己 的手掌图像（可见光图像和红外光图像），并对结果进行简要分析，融合方法可采 用以下方法中的一种或多种：直接加权融合方法，傅里叶变换融合方法，小波变换 融合方法； 2.实验目标： 1）. 了解融合的概念； 2）. 比较融合方法中不同参数的效果（如直接加权融合中权值的分配） 3.参考图像： （a）红外图像（b）可见光图像 图1 待融合图像 4.实验内容 1）直接加权融合方法： 线性混合操作也是一种典型的二元（两个输入）的像素操作：
通过在范围内改变。 核心代码：image((Y1+Y2)/2); %权值相等 图2 直接融合图像1 图3 直接融合图像2 改变参数的影响：那个图的参数比例高，那个图在融合图像中的影响就越高。2）傅里叶变换融合：
对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。然后通过在频域的处理来实现融合。 图4傅里叶变换融合图像1 图5 傅里叶变换融合2 3）小波融合： 小波变换（Wavelet Transform）是一种新型的工程数学工具，由于其具备的独特数学性质与视觉模型相近，因此，小波变换在图像处理领域也得到了广泛的运用。用在图像融合领域的小波变换，可以说是金字塔方法的直接拓展。
图6 小波融合1 图7 小波融合2 5．实验完整代码 1．直接融合 addpath('E:\学习\课件\机器视觉创新实践\曾东明') Y1=imread('1.PNG'); subplot(1,3,1); imshow(Y1); title(' 直接融合1.PNG');