机器视觉(相机、镜头、光源 )全面概括

视觉系统的组成⽬录1. 认识机器视觉1.1. 定义机器视觉（Machine Vision）是指通过光学装置和⾮接触传感器⾃动接收并处理真实物体的图像，分析后获取所需信息或⽤于控制机器运动的装置。

通俗地说，机器视觉就是⽤机器代替⼈眼。

机器视觉模拟眼睛进⾏图像采集，经过图像识别和处理提取信息，最终通过执⾏装置完成操作。

1.2. 视觉系统基本架构按照信号的流动顺序，机器视觉系统主要包括：光学成像光学成像模块设计合理的光源和光路，通过镜头将物⽅空间信息投影到像⽅，从⽽获取⽬标物体的物理信息；图像传感器图像传感器模块负责信息的光电信号转换，⽬前主流的图像传感器分为 CCD 与 CMOS 两类；图像处理图像处理模块基于以 CPU 为中⼼的电路系统或信息处理芯⽚，搭配完整的图像处理⽅案和数据算法库，提取信息的关键参数；IO & 显⽰IO 模块输出机器视觉系统的结果和数据；显⽰模块⽅便⽤户直观监测系统的运⾏过程，实现图像的可视化。

2. 术语（关键参数）的解释2.1. 像素图像是 256 级数据的集合体，像素是图像的基本单元：不同分辨率的差异2100万像素相机的实⼒：可取得有效像素数 2100 万 (5104×4092 pix)的⾼分辨率图像。

能够检测细微的缺陷、⼤⼯件的细微之处。

2.1.1. 常见的标准像素值由于⼈眼在左右的长度和上下的宽度⽅向上的⽐例约为 4:3 ，所以所成图⽚的尺⼨也是采⽤这个⽐例的居多，如: 15万像素480X320=15360020万像素640X320=20480030万像素640X480=30720050万像素800X600=48000080万像素1024X768=786432100万像素1140X900=1026000130万像素1280X960=1228800200万像素1600X1200=1920000300万像素2048X1536=3145728500万像素2576X1932=4976832或2592X1944=5038848或2560X1920=4915200800万像素3264X2448=79902721000万像素3648X2736=99809281200万像素4000X3000=120000001400万全线4228X3264=13800192也有采⽤16:9，如900万像素4000X2256=9024000更有采⽤3:2的呢！如600万像素3000X2000=60000001100万像素4000X2664=106560002.1.2. 像素是否越⼤越好？成本不同应⽤场景：对于定性检测，并不追求⾼像素⼯业相机与民⽤相机不同CCD / CMOS处理时间：芯⽚对像素的处理时长（检查效率）相机的像素数与处理时间的关系以下是⽤2432×204031 万像素、200 万像素、500 万像素的相机检测容器上的⿊点的例⼦。

机器视觉系统的５个主要组成结构介绍
从机器视觉系统字面意思就可看出主要分为三部分：机器、视觉和系统。

机器负责机械的运动和控制；视觉通过照明光源、工业镜头、工业相机、图像采集卡等来实现；系统主要是指软件，也可理解为整套的机器视觉设备。

下面我们重点说下机器视觉系统中的五大模块：
1.机器视觉光源（即照明光源）
照明光源作为机器视觉系统输入的重要部件，它的好坏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，要选择相应的视觉光源，以达到最佳效果。

常见的光源有：LED环形光源、低角度光源、背光源、条形光源、同轴光源、冷光源、点光源、线型光源和平行光源等。

2.工业镜头
镜头在机器视觉系统中主要负责光束调制，并完成信号传递。

镜头类型包括：标准、远心、广角、近摄和远摄等，选择依据一般是根据相机接口、拍摄物距、拍摄范围、CCD尺寸、畸变允许范围、放大率、焦距和光圈等。

3.工业相机
工业相机在机器视觉系统中最本质功能就是将光信号转变为电信号，与普通相机相比，它具有更高的传输力、抗干扰力以及稳定的成像能力。

按照不同标准可有多种分类：按输出信号方式，可分为模拟工业相机和数字工业相机；按芯片类型不同，可分CCD工业相机和CMOS工业相机，这种分类方式最为常见。

4.图像采集卡
图像采集卡虽然只是完整机器视觉系统的一个部件，但它同样非常重要，直接决定了摄像头的接口：黑白、彩色、模拟、数字等。

比较典型的有PCI采集卡、1394采集卡、VGA 采集卡和GigE千兆网采集卡。

这些采集卡中有的内置多路开关，可以连接多个摄像机，同时抓拍多路信息。

5.机器视觉软件。

机器视觉系统的组成及工作流程机器视觉系统分别有以下配件组成：1.相机：黑白智能相机、线扫描智能相机、彩色智能相机、CMOS智能相机、读码器等;2.板卡：黑白图像采集卡、图象压缩/解压板卡、彩色采集卡、1394接口板卡、图象处理板卡等;3.软件包：图象处理软件、机器视觉工具软件;4.工业相机：cmos相机、ccd彩色相机、面阵相机、CAMERA-LINK相机、行扫描相机、红外相机、高速相机、1394接口相机;5.工业镜头：相机镜头、放大镜、高分辨率镜头、图象扫描镜头、聚光透镜、望远镜、摄象机镜头6.光源：led光源、氙气照明系统、紫外照明系统、红外光源、光纤照明系统、荧光照明系统;7.辅助产品：标定块、光栅、围圈、连线及连接器、电源、底板;8.图象处理系统：光学文字、识别系统、自动化/机器人技术、红外图象系统；9.光学系统：显微镜、激光扫描仪、电子视频内窥镜、工业内窥镜；机器视觉系统工作过程：1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。

2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。

3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。

4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。

5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。

6、摄像机曝光后，正式开始一帧图像的扫描和输出。

7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。

8、图像采集部分将数字图像存放在处理器或计算机的内存中。

9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。

10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。

机器视觉所用的光学知识
机器视觉是指让机器能够感知和理解图像或视频的能力。

光学知识在机器视觉中起着重要的作用，以下是一些与机器视觉相关的光学知识：
1. 光学原理：了解光的传播规律、折射、反射和干涉等基本原理。

2. 光学成像：理解光通过透镜、凸透镜和反射镜等光学元件进行成像的原理和方法。

3. 相机结构和镜头：了解相机的构造和工作原理，包括光圈、快门、传感器等部件，以及不同类型的镜头（如定焦镜头、变焦镜头）。

4. 相机标定：通过对相机的内部参数（如焦距、畸变等）和外部参数（相机与场景的相对位置和姿态）进行精确测量和校正，使得图像数据能够准确地与真实世界对应起来。

5. 光照和颜色：光照条件对图像的质量和机器视觉算法的性能有很大影响，了解光源的类型、光照强度和颜色等相关知识。

6. 图像传感器：了解不同类型的图像传感器（如CMOS和CCD），以及它们的工作原理、灵敏度、动态范围和噪声等特性。

7. 图像处理：理解图像的数字化表示和处理方法，包括灰度转换、滤波、边缘检测和图像配准等。

8. 特征提取：通过光学方法提取图像中的特征，如边缘、角点、纹理等，以用于目标检测、跟踪和识别等任务。

9. 立体视觉：利用两个或多个相机获取的图像来进行深度估计和三维重建，需要了解立体成像原理和深度计算方法。

10. 光学检测和测量：光学传感器和测量仪器可以用于检测和测量物体的尺寸、形状、颜色等特征，用于机器视觉中的物体分类、排序和质量控制等应用。

综上所述，了解光学知识对于机器视觉的算法和应用有很大帮助，可以提高图像质量、提取有用特征并准确解读图像中的信息。

机器视觉系统概论一、机器视觉系统构成1.机器视觉的概念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。

美国制造工程师协会（SME Society of Manufacturing Engineers）机器视觉分会和美国机器人工业协会（RIA Robotic Industries Association）的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”。

在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。

通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。

由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。

这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。

1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，常用机器视觉来代替人工视觉;同时在大批量工业生产过程中，用于人工视觉检查产品质量的效率低且精度不高，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。

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。

机器视觉系统之光源的分类
■迎下戴光源
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。

而图像的获取是机器视觉的核心，图像的获取系统则是由光源、镜头、相机三部分组成。

光源的选取与打光合理与否可直接影响至少30%的成像质量。

所以光源是机器视觉系统中非常重要的一部分。

作用
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。

照亮目标，提高目标亮度；
突出测量特征，简化图像处理算法；
克服环境光的干扰，保证图像的稳定性，提高图像信噪比；
提高视觉系统的定位、测量、识别精度，以及系统的运行速度；
降低系统设计的复杂度，形成最有利于图像处理的成像效果；
分类
1、环形光源
环形光源提供不同照射角度、不同颜色组合，更能突出物体的三维信息；高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；解决对角照射阴影问题；可选配漫射板导光，光线均匀扩散。

应用领域: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，集成电路印字检查2、背光源
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，能调配出不同颜色，满足不同被测。

机器视觉系统之光源的分类
光源
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。

而图像的获取是机器视觉的核心，图像的获取系统则是由光源、镜头、相机三部分组成。

光源的选取与打光合理与否可直接影响至少30%的成像质量。

所以光源是机器视觉系统中非常重要的一部分。

作用
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。

照亮目标，提高目标亮度；
突出测量特征，简化图像处理算法；
克服环境光的干扰，保证图像的稳定性，提高图像信噪比；
提高视觉系统的定位、测量、识别精度，以及系统的运行速度；
降低系统设计的复杂度，形成最有利于图像处理的成像效果；
分类
1、环形光源
环形光源提供不同照射角度、不同颜色组合，更能突出物体的三维信息；高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；解决对角照射阴影问题；可选配漫射板导光，光线均匀扩散。

应用领域: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，集成电路印字检查
2、背光源
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，能调配出不同颜色，满足不同被测。

机器视觉光源概述、对光源的要求一、机器视觉光源概述、对光源的要求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、IO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。

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Ⅰ输入输出单元等。

二、为什么要使用光源?目的:将被测物体与背景分离，获取高质量、高对比度的图像，好的光源可以很大程度上减少无关的背景信息，突出被测物体的特征。

重要性:直接影响处理精度和速度，甚至机器视觉系统的成败，优秀的打光工程能够降低算法开发的难度。

三、机器视觉对光源的要求(1)对比度:给被检测物体打光的根本目的就是提高缺陷与背景的对比度，将缺陷凸显出来，便于机器视觉算法进一步处理。

它是光源选择的最重要参考之一。

(2)均匀性;不均匀的照明会给后期的图像处理带来诸多不便，甚至会使得采集的图像变得没有处理的价值。

例如光滑的零件会产生镜面反射，因此会在其表面产生耀眼的光斑，如果缺陷刚好被光斑覆盖，就会出现漏检或者误检的情况。

(3)亮度:亮度太大的话，缺陷可能会被淹没，亮度太小，缺陷的对比度可能也会不明显，打光也就失去了原有的意义，所以要合理选择光源的亮度。

(4)稳定性:是指光源在一个时间范围之内稳定的发光。

(5)成本与寿命:价格很高的不一定是最合适的，也不一定承受的起。

光源的使用寿命越长越好，一来可以减少开支，二来可以减少更换光源带来的系统调整。

四、光学基础光：可见光的色散谱根据波长依次为红、橙、黄、绿、青、蓝、紫。

对应的波长（频率)在下表列出。

绿光波长为500-560nm，黄色波长为580-595nm。

汇报人：日期:
contents•机器视觉概述
•机器视觉系统组成目录
•机器视觉关键技术
•机器视觉典型应用案例
01机器视觉概述
机器视觉的定义
机器视觉是一门学科
机器视觉是工业自动化重要组成部分
初始阶段
随着计算机技术的飞速发展，机器视觉在80年代开始逐渐应用于工业自动化领域。

发展阶段
成熟阶段
机器视觉发展历程
总之，机器视觉作为一门涉及多领域的交叉学科，在工业自动化、农业生产、医疗领域、安全监控安全监控：机器视觉技术可以用于人脸识别、行为分析等方面，提高公共安全水平。

医疗领域：机器视觉在医疗领域的应用也日益增多，如医学影像分析、病灶检测等。

农业：机器视觉技术可以应用于农产品的自动分拣、品质检测等方面，提高农业生产效率。

机器视觉的应用领域
02机器视觉系统组成
2. 镜头
1. 相机
3. 照明设备
5. 计算机
4. 图像采集卡
包括去噪、平滑、增强、边缘检测等算法，用于提升图像质量和突出目标特征。

1. 图像处理算法
2. 特征提取算法
3. 模式识别与分类算法
4. 机器视觉应用软件
通过形态学处理、连通域分析、轮廓提取等手段，从图像中提取与目标相关的特征信息。

基于提取的特征，通过训练好的分类器或深度学习模型，实现对目标的识别和分类。

集成了上述算法，提供用户友好的操作界面，使用户能方便地进行机器视觉应用的开发、调试和运行。

03机器视觉关键技术
机器视觉关键技术
04机器视觉典型应用案例
机器视觉典型应用案例
WATCHING。

机器视觉知识点总结一、机器视觉概述机器视觉是一门研究如何使计算机“看”的技术，它利用计算机技术模拟人类的视觉功能，通过图像传感器采集目标信息，利用计算机进行分析与处理，进而实现对目标检测、识别、跟踪和理解等功能。

机器视觉技术被广泛应用于工业自动化、智能监控、智能交通、医学影像、军事侦察、机器人和虚拟现实等领域。

二、机器视觉基础知识1. 图像采集：图像采集是机器视觉的起点，图像可以通过摄像头、扫描仪、雷达和卫星等设备获得。

在进行图像采集前，需要考虑光照、角度、距离和分辨率等因素。

2. 图像处理：图像处理是指对采集到的图像进行预处理，包括颜色空间转换、滤波、锐化、边缘检测、图像分割等技术，目的是减少图像噪声、增强目标轮廓和提取目标特征。

3. 特征提取：特征提取是指从处理后的图像中抽取目标的关键特征，常用的特征包括纹理、形状、颜色、边缘等。

特征提取的目的是对目标进行描述和区分。

4. 目标检测：目标检测是利用特征提取技术，对图像中的目标进行定位和识别，常用的目标检测方法包括模板匹配、边缘检测、统计学方法、神经网络等。

5. 目标跟踪：目标跟踪是指在连续图像序列中，对目标的位置和运动轨迹进行跟踪，常用的目标跟踪方法包括卡尔曼滤波、粒子滤波、神经网络等。

6. 目标识别：目标识别是对检测到的目标进行进一步的识别和分类，实现对目标的自动识别和判别，常用的目标识别技术包括支持向量机、决策树、深度学习等。

三、机器视觉技术应用1. 工业自动化：机器视觉在工业领域的应用非常广泛，可以用于产品外观检测、质量控制、零件定位和装配、自动化检测等。

2. 智能监控：机器视觉技术可以用于监控系统，包括人脸识别、车牌识别、行人检测、烟火检测等，实现智能化监控和安全防范。

3. 智能交通：机器视觉可以应用于智能交通系统，包括车辆识别、交通流量检测、路况监测、智能停车等，提高交通管理效率和安全性。

4. 医学影像：机器视觉在医学影像诊断中的应用逐渐增多，包括医学图像分析、肿瘤检测、器官定位、医学影像处理等。

机器视觉入门介绍机器视觉，这个词听起来很高大上，对吧？其实它就是让电脑“看”得像人一样，处理图像和视频。

想象一下，机器能通过镜头识别物体、分析场景。

这不单单是科幻电影里的情节，而是现实生活中的一部分。

首先，我们得聊聊机器视觉的基础。

简单来说，机器视觉系统通常由相机、照明和图像处理软件组成。

相机捕捉图像，照明提供清晰的视觉效果，软件则负责分析和理解。

就像人眼看东西，机器也得“看”得清楚。

比如，在工厂里，机器能通过视觉系统检测产品是否合格，省时省力。

再深入一点。

机器视觉的关键在于图像处理技术。

这部分就像是机器的“大脑”。

它需要对图像进行处理、分割和识别。

不同的算法让机器能够识别颜色、形状、纹理等。

举个例子，自动驾驶汽车就是利用机器视觉来识别路标、行人和其他车辆。

简直是未来科技的缩影！接下来，我们可以看看机器视觉的应用。

它的身影无处不在。

在医疗领域，机器视觉帮助医生进行精确的手术，识别病灶。

食品行业里，机器能实时监控产品质量，确保消费者的安全。

再往大了说，机器视觉还可以在安防监控中识别可疑行为，提升安全性。

真是无孔不入。

当然，技术的发展也伴随着挑战。

像光照变化、复杂背景都会影响识别的准确性。

不同于人类的灵活性，机器视觉系统在这些情况下可能会出错。

研究人员正努力寻找解决方案，提升系统的鲁棒性，让机器在各种条件下都能“看得清”。

未来的发展方向，可能会结合深度学习等先进技术，提升视觉系统的智能水平。

总的来说，机器视觉不仅改变了我们的工作方式，还潜移默化地影响着生活中的方方面面。

它让我们看到了一种全新的可能性。

未来，随着技术的不断进步，机器视觉将会更加强大、更加普及。

想象一下，未来的生活中，机器视觉将成为我们生活的“眼睛”，帮助我们更好地探索这个世界。