华中科技大学
硕士学位论文
基于机器视觉的颜色分级方法研究
姓名：周亚安
申请学位级别：硕士
专业：模式识别与智能系统
指导教师：周成平
2003.4.1
摘要
颜色分级是机器视觉领域中一个重要研究方向，在理论研究和实际应用上都具有重大价值。本文围绕颜色分级在以下两方面进行了深入研究：（１）机器视觉系统设计与分析：（２）颜色分级方法。
成像系统是机器视觉研究中最基础的内容之一。本文系统地分析了机器视觉成像系统各部件的基本原理、主要类型及性能指标。从理论上对成像系统的ＭＴＦ（ＭｏｄｕｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ）、离散采样和噪声进行了深入分析，并分别在空域和频域给出了机器视觉成像系统设计方法。
颜色分级方法是本文研究的重点。ｆ本文将颜色分级分解为两个子问题：颜色量化和颜色相似性度量，并将颜色分级方法归为两类：ＲＯＢ颜色空间方法和均匀颜色空间方法。本文分别在这两个颜色空间中对分级方法展开研究。，ｌ，对于ＲＧＢ颜色空间分级方法，本文提出一种将八叉树方法和ＣＨＣ（ＣｏｍｂｉｎｅｄＨｉｓｔｏｇｒａｍＣｌｕｓｔｅｒｉｎｇ）方法相结合的组合颜色量化方法以提取颜色特征，并利用最小颜色对映射距离和来进行颜色相似性度量。｛该方法结合了颜色空间分裂量化速度快和聚类分析结果好的优点，实验结果说明该方法具有速度快，精度高等特点。
本：艾还提出一种基于均匀颜色空间的颜色分级方法，ｆ该方法首先将图像变换到（ＣＩＥ．１９７６）三切＋６＋颜色空间，在此空间里对颜色的口．疗分量进行ＲＷＭ（ＲａｄｉｕｓＷｅｉｇｈｔｅｄＭｅａｎ）切分以提取图像颜色特征，并利用Ｈａｕｓｄｏｒｆｆ距离作为颜色相似性度量准则。实验结果表明，该方法具有精度高，鲁棒性强等特点。
本文研究可应用于生产过程控制和产品质量检测等诸多领域，具有较高的实用价值和应用前景。∑…，
’｜
关键词：ｊ墨越觉旦ｉ塑墨！堂测一謦璺分级点！！骣统一曼鏖学
颜色量化颜色相似性度量
Ａｂｓｔｒａｃｔ
Ｃｏｌｏｒｇｒａｄｉｎｇｉｓａｎｉｍｐｏｒｔａｎｔｒｅｓｅａｒｃｈｏｒｉｅｎｔａｔｉｏｎｉｎｔｈｅａｒｅａｏｆｍａｃｈｉｎｅｖｉｓｉｏｎａｎｄｈａｓｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｉｎｔｈｅｏｒｅｔｉｃａｌｒｅｓｅａｒｃｈａｎｄｉｎｄｕｓｔｒｉａｌａｐｐｌｉｃａｔｉｏｎｓ．Ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｆｏｃｕｓｅｓｏｎｔｈｅｆｏｌｌｏｗｉｎｇｔｗｏａｓｐｅｃｔｓｏｆｃｏｌｏｒｇｒａｄｉｎｇ：（１）ｄｅｓｉｇｎａｎｄａｎａｌｙｓｉｓｏｆｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍ；（２）ｍｅｔｈｏｄｓｆｏｒｃｏｌｏｒｇｒａｄｉｎｇ．
Ｉｍａｇｉｎｇｓｙｓｔｅｍｉｓｏｎｅｏｆｔｈｅｆｏｕｎｄａｔｉｏｎｓｏｆｍａｃｈｉｎｅｖｉｓｉｏｎ．Ｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ，ｔｈｅｗｏｒｋｉｎｇｐｒｉｎｃｉｐｌｅ，ｍａｉｎｔｙｐｅｓａｎｄｃａｐａｂｉｌｉｔｙｓｐｅｃｉｆｉｃａｔｉｏｎｓｏｆｅｖｅｒｙｃｏｍｐｏｎｅｎｔｓｏｆｉｍａｇｉｎｇｓｙｓｔｅｍａｒｅｄｅｓｃｒｉｂｅｄ．Ｔｈｅｎ，ｔｈｅＭＴＦ（ＭｏｄｕｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ）ｏｆｉｍａｇｉｎｇｓｙｓｔｅｍ，ｄｉｇｉｔａｌｓａｍｐｌｉｎｇａｎｄｎｏｉｓｅａｒｅｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙａｎａｌｙｚｅｄｏｎｔｈｅｌｅｖｅｌｏｆｔｈｅｏｒｙ．Ｔｈｅｒｅａｆｔｅｒｔｈｅｄｅｓｉｇｎｍｅｔｈｏｄｓｏｆｉｍａｇｉｎｇｓｙｓｔｅｍａｒｅｐｒｅｓｅｎｔｅｄｓｅｐａｒａｔｅｌｙｉｎｔｈｅｄｏｍａｉｎｏｆｓｐａｃｅａｎｄｆｒｅｑｕｅｎｃｙ、
Ｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ，ｃｏｌｏｒｇｒａｄｉｎｇｉｓｄｉｖｉｄｅｄｉｎｔｏｔｗｏｓｕｂ—ｐｒｏｂｌｅｍｓ：ｃｏｌｏｒｑｕａｎｔｉｚａｔｉｏｎａｎｄｃｏｌｏｒｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔ，ａｎｄｇｒａｄｉｎｇｍｅｔｈｏｄｓａｒｅｃｌａｓｓｉｆｉｅｄｉｎｔｏｔｗｏｃｌａｓｓｅｓ：ｍｅｔｈｏｄｓｂａｓｅｄＲＧＢｃｏｌｏｒｓｐａｃｅａｎｄｍｅｔｈｏｄｓｂａｓｅｄｕｎｉｆｏｒｍｃｏｌｏｒｓｐａｃｅ．Ｔｈｅｒｅｓｅａｒｃｈｗｏｒｋｉｓｃａｒｒｉｅｄｏｎｉｎｔｈｅｓｅｔｗｏｃｏｌｏｒｓｐａｃｅｓｓｅｐａｒａｔｅｌｙｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ．
ＩｎｔｈｅＲＧＢｃｏｌｏｒｓｐａｃｅ，ａｎｉｎｎｏｖａｔｉｖｅｍｅｔｈｏｄｉｓｐｒｅｓｅｎｔｅｄ，ｗｈｉｃｈｃｏｍｂｉｎｅｓＯｃｔｒｅｅａｎｄＣＨＣ（ＣｏｍｂｉｎｅｄＨｉｓｔｏｇｒａｍＣｌｕｓｔｅｒｉｎｇ）ｔｏｅｘｔｒａｃｔｔｈｅｃｏｌｏｒｆｅａｔｕｒｅｓａｎｄｕｓｅｓｔｈｅｓｕｍｏｆｍｉｎｉｍａｌｍａｐｐｅｄｃｏｌｏｒ－ｃｏｕｐｌｅｄｄｉｓｔａｎｃｅｔｏｍｅａｓｕｒｅｔｈｅｃｏｌｏｒｓｉｍｉｌａｒｉｔｙ．Ｕｓｉｎｇｔｈｅｆａｓｔｓｐｅｅｄｏｆｓｐａｃｅｓｐｌｉｔｔｉｎｇｑｕａｎｔｉｚａｔｉｏｎｍｅｔｈｏｄａｎｄｔｈｅｓａｔｉｓｆｉｅｄｒｅｓｕｌｔｏｆｃｌｕｓｔｅｒａｎａｌｙｓｉｓｑｕａｎｔｉｚａｔｉｏｎｍｅｔｈｏｄ，ｔｈｅｍｅｔｈｏｄｃａｎｒｅａｃｈｔｈｅｒｅａｌ－ｔｉｍｅａｎｄａｃｃｕｒａｔｅｄｅｍａｎｄｓｏｆｉｎｄｕｓｔｒｉａｌａｐｐｌｉｃａｔｉｏｎｓ．
Ｆｕｒｔｈｅｒｍｏｒｅ，ａｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎｕｎｉｆｏｒｍｃｏｌｏｒｓｐａｃｅｉｓｐｕｔｆｏｒｗａｒｄ．ＴｈｅｍｅｔｈｏｄｆｉｒｓｔｌｙｔｒａｎｓｆｏｒｍｓｔｈｅｃｏｌｏｒｉｍａｇｅｉｎｔｏｔｈｅＣＩＥ１９７６Ｌ屹＋ｂ＋ｃｏｌｏｒｓｐａｃｅ．ａｎｄｔｈｅｎＵＳｅＳａｃｏｌｏｒｑａｎｔｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｃａｌｌｅｄＲＷＭ（ＲａｄｉｕｓＷｅｉｇｈｔｅｄＭｅａｎ）ｃｕｔｔｉｎｇｔｏｑｕａｎｔｉｚｅ口?ｂｃｏｌｏｒｃｏｍｐｏｎｅｎｔｓｉｎｏｒｄｅｒｔｏｅｘｔｒａｃｔｃｏｌｏｒｆｅａｔｕｒｅｓ．Ａｆｔｅｒｔｈａｔ，ｔｈｅＨａｕｓｄｏｒｆｆｄｉｓｔａｎｃｅｉｓｐｅｒｆｏｒｍｅｄｔｏｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｃｏｌｏｒ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｈｉｇｈａｃｃｕｒａｃｙａｎｄｇｏｏｄ
华中科技大学硕士学位论文
＝＝＝∞＝＝目；＃；；；＝＝＝；；＝；；；＝；＃＝；＝＃＝＝＝；ｒｏｂｕｓｔｎｅｓｓ．
Ｔｈｅｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓｏｆｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｈａｖｅｇｒｅａｔａｐｐｌｉｃａｔｉｏｎｖａｌｕｅａｎｄｐｏｔｅｎｔｉａｌｉｎｍａｎｙｆｉｅｌｄｓｓｕｃｈａｓｉｎｄｕｓｔｒｉａｌｐｒｏｃｅｓｓｃｏｎｔｒｏｌ，ｐｒｏｄｕｃｔｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎｅｔｃ．
Ｋｅｙｗｏｒｄｓ：ｍａｃｈｉｎｅｖｉｓｉｏｎ，ａｕｔｏｍａｔｅｄｖｉｓｕａｌｉｎｓｐｅｃｔｉｏｎ，ｃｏｌｏｒｇｒａｄｉｎｇ
ｉｍａｇｉｎｇｓｙｓｔｅｍ，ｅｏｌｏｒｉｍｅｔｒｙ，ｃｏｌｏｒｑｕａｎｔｉｚａｔｉｏｎ，
ｃｏｌｏｒｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔ
ｌＩＩ
华中科技大学硕士学位论文
嘎绪论
１．１课题研究背景
在现代工业自动化生产中，涉及到各种各样的检查、测麓和零件识别工作。例如汽车零配件尺寸测蓬和自渤装配的完整性检查、电子装配线的元件自动定位、印刷电路板（ＰＣＢ）的缺陷检测等碓吒ｌ。这类应阁的共间特点嫩连续大批趱熏产、对外ｊ髭质藿要求非常严格。通常这种带有商度重蔓往和智能髓的工作只能靠人工来完成，这在给工厂增加巨大的入力成本和管理成本的同时，仍然不能傈诞１００％溺梭验合格率。有些时候，懿锾小尺寸躺精确莰速灞萤，形狄匹配，缺陷检镄ｌ，颜色辨谖等，鬻入靛校本无法连续稳定地进行，其它物理爨传感器也难裔焉鼗之罐１３１。隧饕科技韵遗步，久们开始考虑懿计箨橇粒筷速性、可靠健、结粜豹霹重复经，与人类视觉懿蔫瘦蟹能亿帮撼象能力褶结合，交诧产生了辊器视觉（ＭａｃｈｉｎｅＶｉｓｉｏｎ）数概念。
～般来说，极嚣视觉裁是瘸规器代替人鼹来宠残测爨彝刿敝工作。甥比予～般意义土的强像处理系统，扭器视觉系统对精度、速度秘稳定性的爱求更藏。机器视觉是光电子、嬲像处理、计冀机图形学、模式识别、人工键糍、人工享申经网终、锂能控制、毒孛缀物理学和认知科学等诸多学科领域郝十分关注的交叉性学科前沿，具有蓬要的理论职究价值移广阏的应用领域。
按照应用目的不同，机器视觉可分为疆类：自动视觉检测（ＡｕｔｏｍａｔｅｄＶｉｓｉｏｎＩｎｓｐｅｃｔｉｏｎ）和机器人视觉蹲向控制（Ｖｉｓｕａｌｌｙ。ＣｏｎｔｒｏｌｌｅｄＲｏｂｏｔｉｃＧｕｉｄａｎｃｅ）１４１。后者的主要研究内察包括机器人的运行轨迹规划、碰撞规避、自适应姿态控制和三维空间的精确定位等。其主要应用场合为自动装配生产线、货物的自动装卸系统等。
自动视觉检测系统旨在检测产品的部件以保证其满足某些事先制定的标准，进而根据这些信息作出判断。在自动视觉检测系统中，首先用图像传感器（ＣＣＤ相机）将感兴趣目标表面储息转换成图像信号，传送给专用的阁像处理系统，对数据进行分析和处理以提取目标的特征，最聪对这些特征在一定的判决准则下面进行某种判断，判断的结果即建要完成的检测任务。
相比于人工，自动视觉检测系统具有如下优点：（１）系统工作效率为１００％，可持续地进行检测工作。（２）系统的处理速度可以大大超过人工。（３）系统检测精确度非常高，可以显著提高产品检测质量，并且由于人力成本的降低，产品市场竞争力得到提高。因此，在高强度、高重复度、大批量生产的场合下，自动视觉检测系统有着比人工检测不可比拟的优势。
从应用范围来看，自动视觉检测系统可以分为以下三类”】：
（１）物体表面检测：通过获取物体表面图像信息，进行某种目的的测量和判断。根据应用不同，表面检测可以分为两类：表面缺陷检测和颜色分级。缺陷检测是通过检测物体表面的缺陷情况来控制生产过程或决定产品的质量等级（如是否为合格品、优等品等）。颜色分级是根据物体的表面颜色对物体自动进行等级划分。本文的研究围绕颜色分级而展开。
（２）印刷电路板和集成电路检测：在２０世纪的７０年代，随着半导体技术的进步和各行各业的大量需求，印刷电路板（ＰＣＢ）和集成电路（１Ｃ）的生产进入了一个高峰时期，由于ＰＣＢ和ＩＣ的尺寸限制，通过人工来进行制造和检测几乎是不可能的。因而将机器视觉系统应用于ＰＣＢ和Ｉｃ制造是一个必然的选择，也正是由于ＰＣＢ和１ｃ制造业的大量需求使得列机器视觉的研究得到了空前的重视，在相当程度上促进了机器视觉理论和技术的发展。
（３）物体尺寸精确测量：主要应用在钟表等需要精密装配的行业和诸如木材、建筑材料、钢铁等产品需要精确测量尺寸以确定产品质量的行业。
虽然自动视觉检测系统在各个领域中得到大量的应用，极大解放了人力和提高了生产效率，然而从目前的应用状况也应该看到，要使得机器视觉系统具备人眼那样处理各种复杂任务的能力还为时过早，但用机器全面取代人眼功能是未来工业发展的一个必然趋势。
１．２颜色分级
在早期的机器视觉系统中，由于受计算机碣！件系统和图像处理技术的限制，系统中处理的数据为二值图像和灰度图像。但是随着需求的增加，对彩色信息的处理曰益显得重要起来，其中根据物体的表面颜色进行自动分级是个比较典型的例子。
颜色分级，简单的说就是定量地测定物体表面颜色从而进行某种分级处理。
颜色分级系统的应用范围非常广泛，如在木材生产车间里，通过颜色分级系统自动对木材进行质量等级划分；瓷砖生产厂商采用颜色分级系统取代人工，根据瓷砖的表面颜色将其分类到正确的类别中去。
一个典型的颜色分级系统如图１．１所示。
匮卜匿卜圈
图１—１觏色分级系统
（１）图像获取：即成像系统，主要功能是通过图像传感器（ＣＣＤ相机）获取待分级物体的图像，作为后续分级处理的输入数据。在这一子系统中通常包括：光源、彩色ＣＣＤ相机、图像采集卡、计算机以及在图像摄取过程中用于同步的装鼹。由于图像获取为后续的处理和分析提供原始数据，因此，这一环节性能的好坏直接关系到整个颜色分级系统的性能优劣。该部分是本文主要研究内容之
（２）颜色分级：颜色分级方法及实现是系统核心部分。它通过分析所摄取的彩色图像数据来进行精确的颜色度量，并根据分析结果确定物体所属的级别。一般来说，颜色分级方法应具备精确性高、鲁棒性好、实时性强等特点。该部分是本文研究的重点和核心。
（３）结果输出：这一环节输出分级处理结果。在分级处理完毕后，分级结果通过计算机驱动外围设备进行自动打包、标明等级等。该部分不属于本文研究范畴。
本文以瓷砖表面颜色分级为研究背景，围绕分级算法展开研究。该研究得到“２０００年度国家中小科技型企业创新基金”资助。
１．３国内外研究现况
在机器视觉研究中，对颜色分级方法的探讨只是最近几年才兴起，因此文献资料对颜色分级方法的描述并不多见，但是国内外的研究者还是做了一些开创性工作?
。
在国外，英国ＵｎｉｖｅｒｓｉｔｙｏｆＳｕｒｒｙ的Ｃ．Ｂｏｕｋｏｕｖａｌａｓ等对瓷砖表面颜色分级
华中科技大学硕士学位论文
进行了较为系统的研究，提出了一种简易的光照时间、空间不均匀性的校正方法，采用二二叉树进行颜色三维直方图统计，并依据相关系数法进行颜色分级１５】。Ｐ．Ｔａｎｔａｓｗａｄｉ等利用颜色等轮廓线的方法来对纺织品进行自动在线颜色分级【…。
ＶｉｒｇｉｎｉａＰｏｌｙｔｅｃｈｎｉｃＩｎｓｔｉｔｕｔｅ的ＱｉｎｇＬｕ等对木材表面颜色分级系统进行了研究，提出一种三维直方图的颜色分级方法，将木材分类到预先设定的类别中，取得比较好的分级效果¨ｊ。
在国内，西安交通科技大学的赵海洋等对瓷砖表面质量检测亦进行过分析和探讨【８】。华中科技大学图像识别与人工智能研究所王丰等采用最小距离法和神经网络的方法，并用相对均值与方差替代均值与方差，最小距离法中采用动态样本中心，这些方法对单色砖有较好的适应性和稳定性。但对于具有复杂纹理的彩色地砖，这种分级方法显得过于粗略【弘１０】。朱大国等人在均匀颜色空间中利用小色差对瓷砖墙地砖进行颜色分级，分类效果较好…】。
１．４本文主要研究内容
本文围绕颜色分级展开研究，主要研究内容包括：
（１）对机器视觉成像系统的主要构成部件：光源、镜头、ＣＣＤ相机和图像采集卡基本原理、主要类型、技术指标和特点进行分析和对比。从理论上，对机器视觉系统成像系统的ＭＴＦ、离散采样和噪声进行系统分析，为机器视觉系统设计提供思路和方法。
（２）从应用角度简要分析颜色的物理特性、人类视觉特性和颜色视觉理论，系统分析颜色分级相关的ＣＩＥ标准色度学系统理论和方法。
（３）建立颜色分级方法研究的基本框架，基于此框架对现有颜色分级方法进行综述。
（４）颜色分级方法可分解为颜色量化和颜色相似性度量两个问题。本文首先提出了八叉树方法和ＣＨＣ（ＣｏｍｂｉｎｅｄＨｉｓｔｏｇｒａｍＣｌｕｓｔｅｒｉｎｇ）方法相结合的组合颜色量化方法，同时利用了八叉树方法速度快和ＣＨＣ方法结果优的特点。继而提出了两种基于特征颜色的相似性度量方法，即加权距离和法和颜色对最小映像距离和法，并采用后者作为颜色分级的相似性度量准则。组合颜色量化方法和颜色对最小映像距离和相似性度量方法相结合，提出了基于组合颜色量化的颜色分级方法。－
４
华中科技大学硕士学位论文
（５）提出了一种基于均匀空间的颜色分级方法，该方法首先把图像变换到ＣＩＥ１９７６Ｌ切％＋均匀颜色空间，在二维ｄ．ｂ空间利用ＲＷＭ切分方法进行量化，把每个子类均值作为其代表色，用Ｈａｕｓｄｏｒｆｆ距离度量颜色相似性。
以上内容将在本文的余下章节中详细论述，其中第二章讨论（１）的研究工作，第三章讨论（２）的研究工作，第四章讨论（３）的研究工作，第五章讨论（４）的研究工作，第六章讨论（５）的研究工作，最后在第七章中，对全文工作进行总结，并指出进一步研究的问题和方向。
———————————————————————————————————————一——。
２机器视觉系统设计与分析
机器视觉系统是一个极其复杂的系统。～般来说，一个实用的机器视觉系统主要由以下三个部分构成：图像获取、图像数据处理和分析、处理结果输出或显示。其中图像获取这一环节是一关键环节，因为如果机器视觉系统获取的图像不理想或不真实，这对于后续的处理和分析带来诸多问题，进而直接影响系统性能。本章着重对成像系统进行比较深入的分析。
一个典型的机器视觉系统如图２—１所示，其主要构成部件包括：光源、镜头、ＣＣＤ相机、图像采集卡、计算机、控制系统。
图２－１一个典型的机器视觉系统构成
２．１光源
光源在机器视觉系统中有着举足轻重的地位，因为光源的好坏直接影响到所获取图像的质量，进而直接影响到整个机器视觉系统的性能。
２．１．１物理特性
广义来说，光源是指一切在可见光辐射波长范围里的电磁波：狭义上就是指照明。光源主要物理特性包括：色温，光通量和光效，显色性和显色指数，色表等…～１２１。
６
２．２成像系统
２．２．１
ＣＣＤ相机
ＣＣＤ（ＣｈａｒｇｅＣｏｕｐｌｅｄＤｅｖｉｃｅｓｌ相机作为机器视觉系统的图像传感器部件，主
要包括三类：线扫（ＬｉｎｅＳｃａｎ），高灵敏度线扫（Ｈｉｇｈ
ＳｅｎｓｉｔｉｖｉｔｙＬｉｎｅＳｃａｎ）和
面扫（ＡｒｅａＳｃａｎ）【”】。其中面扫又包括：隔行转移（ＩｎｔｅｒｌｉｎｅＴｒａｎｓｆｅｒ），全帧
（Ｆｕｌｌ
Ｆｒａｍｅ）和帧转移（ＦｒａｍｅＴｒａｎｓｆｅｒ）三种类型。各种类型ＣＣＤ相机的传感
器构架如图２．３所示，其性能比较见表２－３。
（ａ）线扫（ｃ）隔行转移（ｂ）高灵敏度线扫
（ｄ）全帧（ｅ）帧转移
图２－３传感器构架
（ａ）三线性
（ｂ）三片
图２．４彩色线扫相机成像原理示意图
２．３光学分析基础
光学成像系统在机器视觉系统中扮演着重要的角色，因为它们总是出现在整个图像处理系统的前端。光学成像系统好坏直接影响到机器系统性能优劣。由于光波的衍射效应和光学系统设计制造误差会引起图像质量下降，深入分析这些影响对成像系统的设计无疑是非常重要的。
２．３．１光学成像系统
光学成像系统可由一个简单透镜组成，于物平面的上的点光源在像平面对应地生成一个光斑，点光源生成的像在光学里称为点扩展函数ＰＳＦ（ＰｏｉｎｔＳｐｒｅａｄＦｕｎｃｔｉｏｎ）。～般来说，光学成像系统应该具备以下两个性质【１４】：
１．线性
物平面可以看作呈二维分布的点光源，物体的像是相应ＰＳＦ的叠加，这就意味着像可以描述为物体与光学系统ＰＳＦ的卷积。因此，任何～个光学系统的特性可以由它的二维ＰＳＦ或二维光学传递函数ＯＴＦ（ＯｐｔｉｃａｌＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ）完全确定，ＯＴＦ是ＰＳＦ的二维傅立叶变换。
２．平移不变性
物理上的透镜系统并不是平移不变的，随着远离光轴，图像的清晰度下降（ＰＳＦ发生膨胀），但是平移变化是一个渐变的过程。对于高质量的透镜，尽管
在一个大的范围之内是渐变的，但是可以假定在一个局部的小范围之内是平移不变的。
２．３．２有衍射限制的光学成像系统
透镜的像差和衍射效应是限制图像质量的两个因素。对于透镜，衍射现象是由于光的波动本质和透镜的有限大小而产生的。由于机器视觉系统一般采用像差较小的高质量光学组件，所以限制图像质量的主要因素常常是衍射效应［，４１。
１．透镜的孔径和光瞳函数
对于一个圆心位于（ｚ，ｙ）处且直径为口的圆形孔径，其光瞳函数为：————————————————————————————————————————一