下载文档原格式
![机器视觉检测的基础知识[大全]](https://img.taocdn.com/s1/m/0831a29e192e45361066f5d6.png)
机器视觉检测的基础知识〜相机容来源网络，由“机械展（11万血2, 1100多家展商，超10万观众）”收集整理！更多cnc加工中心、车铳磨钻床、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、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在机械展•相机都有哪些种类？我们常说的CCD就是相机么？除了2D平面相机，是否还有其他种类的相机，原理又是什么？下面这篇文章给您一一道来。
一，相机就是CCD么？通常，我们把所有相机都叫作CCD CCD B经成了相机的代名词。
正在使用被叫做CCD的很可能就是CMO S其实CCD和CMOS^称为感光元件，都是将光学图像转换为电子信号的半导体元件。
他们在检测光时都采用光电二极管，但是在信号的读取和制造方法上存在不同。
两者的区别如下：二，像素。
所谓像素，是指图像的最小构成单位。
电脑中的图像，是通过像素（或者称为PIXEL）这一规则排列的点的集合进行表现的。
每一个点都拥有色调和阶调等色彩信息，由此就可以描绘出彩色的图像。
▼例如：液晶显示器上会显示「分辨率：1280X 1024」等。
这表示横向的像素数为1280,纵向的像素数为1024。
这样的显示器的像素总数即为1280X 1024= 1,310,720。
由于像素数越多，则越可以表现出图像的细节，因此也可以说「清晰度更高」。
三，像素直径。
所谓像素直径，是指每个CCD 元件的大小，通常使用ym 作为单位。
严谨的说， 这个大小中包含了受光元件与信号传送通路。
（二像素间距，即某个像素的中心到邻近一个像素的中心的距离。
）。
也就是说，像素直径与像素间距的值是一样 的。
如果像素直径较小，则图像将通过较小的像素进行描绘， 因此可以获得更加 精细的图像。
可以通过像素直径和有效像素数，求出CCD 元件的受光部的大小。
假设某个CCD 元件的条件如下所示:•有效像素数…768 X 484•像素直径…8.4 ym X 9.8ym则受光部的大小为•横向 768 X 8.4ym = 6.4512 mm •纵向 484X 9.8ym =4.7432 mm四，CCD 勺大小。
视觉检测技术原理视觉检测技术是一种通过图像或视频来获取信息并进行分析的技术。
它主要依赖于计算机视觉和机器学习的方法，通过图像处理和模式识别等算法，实现对图像中目标的检测、识别和分类等功能。
视觉检测技术广泛应用于各个领域，如工业自动化、智能交通、医疗诊断等，发挥着重要的作用。
视觉检测技术的原理主要包括以下几个方面。
1. 图像获取与预处理视觉检测的第一步是获取图像或视频。
图像可以通过摄像机、扫描仪等设备获取，视频可以由多个图像帧组成。
在获取图像后，需要对图像进行预处理，以提高后续算法的准确性。
常见的图像预处理方法包括去噪、滤波、增强对比度等。
2. 特征提取与描述特征提取是视觉检测的核心步骤之一。
通过提取图像中的特征，可以将目标与背景区分开来，从而实现目标的检测和识别。
常用的特征提取方法包括边缘检测、角点检测、纹理特征提取等。
提取到的特征需要进行适当的描述，以便后续的分类和识别。
3. 目标检测与识别目标检测是视觉检测的关键环节之一。
通过对图像进行分析和处理，可以实现对目标的检测和识别。
常用的目标检测方法包括基于颜色、形状和纹理的检测方法，以及基于深度学习的检测方法。
目标识别则是将检测到的目标与预先定义的目标进行匹配和识别，常用的方法包括模板匹配、特征匹配和机器学习方法等。
4. 分类与判别分类与判别是视觉检测的最终目标。
通过对图像中的目标进行分类和判别，可以实现对不同类别目标的识别和区分。
常用的分类与判别方法包括支持向量机、决策树、神经网络等。
这些方法可以根据提取到的特征和训练集中的样本进行学习和训练，从而实现对目标的自动分类和识别。
5. 结果输出与应用视觉检测的最后一步是将检测结果进行输出和应用。
输出结果可以是目标的位置、类别、属性等信息。
根据不同的应用需求，可以将检测结果用于机器人导航、智能监控、医学诊断等领域，以实现自动化和智能化的应用。
总结起来，视觉检测技术是一种基于图像处理和模式识别的技术，通过图像的获取、预处理、特征提取、目标检测与识别、分类与判别等步骤，实现对图像中目标的检测、识别和分类等功能。
视觉检测的概念视觉检测是指利用计算机视觉技术实现对图像或视频中的目标物体进行识别、定位和监测的过程。
它利用计算机视觉算法和模型，通过对图像和视频的处理和分析，从中提取出目标物体的特征，进而进行分类、定位等操作。
视觉检测是计算机视觉领域的一个重要技术研究方向，它广泛应用于自动驾驶、智能安防、智能医疗、工业检测等众多领域。
视觉检测的基本任务可以分为目标检测、目标分类、目标定位和目标跟踪等几个方面。
首先是目标检测，它是指在图像或视频中找出并识别出感兴趣的目标物体。
目标检测既要求实时性，又要求准确性。
在传统的视觉检测方法中，一般需要依赖于预先定义的特征提取器，如Haar特征、HOG特征等，再结合分类器进行目标的判断。
近年来，基于深度学习的目标检测方法成为主流，如Fast R-CNN、Faster R-CNN、YOLO等。
其次是目标分类，它是指将检测到的目标物体根据其类别进行分类识别。
目标分类是视觉检测技术的核心任务之一，能够帮助计算机理解图像中的内容。
传统的目标分类通常是基于机器学习的方法，使用预先提取的特征进行训练和分类，如使用SIFT、SURF等算法进行特征提取，再使用SVM或者K-近邻等算法进行分类。
而深度学习在目标分类领域进行了革命性的突破，能够直接从原始图像中学习到高层次的特征表达，如使用卷积神经网络进行图像分类。
另外，目标定位是指在图像或视频中准确地确定目标物体的位置。
目标定位一般通过检测目标的外接矩形框或者像素级别的分割来实现。
在传统的目标定位方法中，一般会使用基于特征匹配或者模板匹配的方法，如使用Haar特征训练AdaBoost分类器或者使用SIFT匹配进行目标定位。
而深度学习方法在目标定位上也取得了很大的成功，如使用YOLO系列的网络通过回归框的边界和置信度来实现目标的定位。
最后是目标跟踪，它是指在连续的图像序列中跟踪目标物体的位置和形状的过程。
目标跟踪通常需要从第一帧开始，对目标进行初始化，并不断地根据图像序列的信息进行更新。
机器视觉检测的基础知识【大全】————————————————————————————————作者: ————————————————————————————————日期:机器视觉检测的基础知识~相机内容来源网络,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、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．相机都有哪些种类?我们常说的CCＤ就是相机么?除了2D平面相机,是否还有其他种类的相机,原理又是什么?下面这篇文章给您一一道来。
一，相机就是CCD么？通常，我们把所有相机都叫作CＣＤ,ＣCＤ已经成了相机的代名词。
正在使用被叫做CCD 的很可能就是ＣMOS。
其实CCＤ和CMOS都称为感光元件，都是将光学图像转换为电子信号的半导体元件。
他们在检测光时都采用光电二极管,但是在信号的读取和制造方法上存在不同。
两者的区别如下:二，像素。
所谓像素,是指图像的最小构成单位。
电脑中的图像，是通过像素(或者称为PＩＸＥL)这一规则排列的点的集合进行表现的。
每一个点都拥有色调和阶调等色彩信息,由此就可以描绘出彩色的图像。
▼例如:液晶显示器上会显示「分辨率:１280×1024」等。
这表示横向的像素数为１280,纵向的像素数为１０2４。
这样的显示器的像素总数即为1２8０×10２4=１，3１０,72０。
由于像素数越多，则越可以表现出图像的细节，因此也可以说「清晰度更高」。
三,像素直径。
所谓像素直径,是指每个ＣCＤ元件的大小，通常使用μｍ作为单位。
严谨的说，这个大小中包含了受光元件与信号传送通路。
（=像素间距,即某个像素的中心到邻近一个像素的中心的距离。
）。
也就是说,像素直径与像素间距的值是一样的。
如果像素直径较小，则图像将通过较小的像素进行描绘,因此可以获得更加精细的图像。
视觉检测技术要求-概述说明以及解释1.引言1.1 概述概述视觉检测技术是一种基于图像处理和模式识别的技术，旨在通过计算机对图像和视频进行分析和识别。
随着计算机技术和人工智能的不断发展，视觉检测技术在各个领域中得到了广泛的应用。
视觉检测技术可以通过分析图像和视频中的像素和特征，实现对目标的检测、跟踪、分类和识别。
它可以应用于工业自动化、医疗诊断、交通检测、安防监控、无人驾驶等多个领域。
通过视觉检测技术，可以实现对图像和视频中的目标物体、行为和场景的智能分析和理解，为人们提供更加智能化、高效化的服务和决策。
视觉检测技术的核心是图像处理和模式识别。
图像处理指的是对图像进行预处理、增强和分割，以提取出感兴趣的目标和特征。
而模式识别则是对图像中提取的目标和特征进行分类、识别和推理，以实现对图像内容的理解和分析。
视觉检测技术的发展离不开计算机视觉、机器学习和深度学习等相关技术的进步，这些技术为视觉检测提供了强有力的支持和推动。
视觉检测技术的要求是高度复杂和多样化的。
首先，视觉检测技术需要具备良好的图像处理和模式识别能力，能够从复杂的图像场景中准确地提取出目标和特征。
其次，视觉检测技术需要具备较高的实时性和鲁棒性，能够在复杂的环境中实时地进行目标检测和跟踪。
此外，视觉检测技术还需要具备较高的准确性和可靠性，以保证对图像和视频内容的正确理解和分析。
总而言之，视觉检测技术是一种通过图像处理和模式识别实现对图像和视频的分析和识别的技术。
随着人工智能的快速发展，视觉检测技术在多个领域中得到广泛应用，并且对其性能和要求有着较高的要求。
视觉检测技术的进一步研究和发展将极大地推动计算机视觉和人工智能的发展，并为社会的智能化和自动化提供更多的可能性和机会。
1.2 文章结构文章结构本文主要分为引言、正文和结论三个部分。
在引言部分，将对视觉检测技术的概述进行介绍，说明文章的结构和目的。
在正文部分，将详细阐述视觉检测技术的定义和背景，以及其在不同领域的应用。
视觉检测的基础知识内容概略：一、光源二、镜头三、相机四、分辨率、精度、公差间的关系视觉检测的基础知识（一）光源觉检测硬件构成的基本部分和光源相关的最重要的两个参数就是光源颜色和光源形状。
2016-7A p o l工业机器视觉系统的前沿应用视一、什么是颜色？颜色是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应，我们肉眼所见到的光线，是由波长范围很窄的电磁波产生的，不同波长的电磁波表现为不同的颜色，对色彩的辨认是肉眼受到电磁波辐射能刺激后所引起的一种视觉神经的感觉。
颜色具有三个特性，即色相，饱和度和明亮度。
▼简单讲就是光线照到物体，反射到眼中的部分被大脑感知，引起的一种感觉。
通过色相Hue，，饱和度Saturation和明亮度Value来表示，即我们常说的HSV。
当然，颜色有不止一种表示方法，RGB三原色也是另外一种表示方法。
但是对人类最直观感受的方式是HSV。
二，什么是HSV？色相Hue▼如果将色彩分类，可分为含有颜色的有彩色与不含颜色的无彩色（黑、白、灰）两种。
在有彩色中，红、蓝、黄等颜色的种类即称为“色相（Hue）”。
▼作为主要色相有红、黄、绿、蓝、紫。
以这些色相为中心，按照颜色的光谱将颜色排列成环状的图形我们称之为“色相环”。
使用此色相环我们即可求得中间色与补色。
饱和度Saturation▼饱和度（Saturation）是指颜色的鲜艳度，表示色相的强弱。
颜色较深鲜艳的色彩表示“饱和度较高”，相反颜色较浅发暗的色彩表示“饱和度较低”。
饱和度最高的颜色称为“纯色”，饱和度最低的颜色（完全没有鲜艳度可言的颜色）即为无彩色。
明亮度Value▼明亮度（Value）表示颜色的明暗程度。
无论有彩色还是无彩色都具有明亮度。
明亮的颜色表示“明亮度较高”，相反暗的颜色表示“明亮度较低”。
无论有彩色还是无彩色，明亮度最高的颜色即为白色，明亮度最低的颜色即为黑色。
也就是说，有彩色的明亮度可用与该亮度对应的无彩色的程度进行表示。
▼HSV的关系用一张图来表示如下：三，补色红与绿、蓝与橙等，在色相环中位于相对位置的色相组称为补色。
具有互补关系的颜色混合后变成无彩色。
颜料混合（减色法）时呈黑色，色光混合（加色法）时呈白色。
▼例子：四，波长与颜色的关系▼如果将自然光用棱镜分解，则可见无色的光呈现出7种颜色。
光的不同颜色是因波长而引起。
从波长较短的光到波长较长的光，依次变化的顺序是紫、蓝、绿、黄、红。
各种颜色的波长如下所示。
▼同时，由光的波粒二象性可知，短波长的蓝色光粒子性更强，实际应用中，更适合捕捉产品微小的瑕疵划伤。
而红色光更适合需要穿透表面薄膜检测内部的应用。
机器视觉检测的基础知识（一）光源光源形状：本节主要讲述常用的几类光环形状。
环形光源▼最常见的LED光源，提供基本的照明作用。
▼随着光源距离产品的工作距离LWD变化而产生的亮度分布如下图。
暖色表示亮，冷色表示暗。
同时该图示是针对特定一款大小的环形光源的数据（下同）。
条形光源▼最常见的LED光源，可对长尺区域进行均匀照射。
同时通过角度改变可以完成多种照明效果。
▼比如安装为斜向照射，以漫反射光进行拍摄、辨别，从而避免产生引起光晕的镜面反射光。
此外，还可将CCD与照明呈相同角度倾斜，以获取镜面反射光，从而突显出刻印等的边缘成分。
▼单个条形光源直接照明的亮度分布。
▼凸显边缘的应用实例。
▼连接器行业，给产品的端子头部照明，可以获得很好的效果。
▼经过组合，还可以做成如下图的可以调整照射角度的照明搭配。
碗形光源▼常见的LED光源，可以实现照明效果是均匀的无影光。
▼发光原理和亮度分布如下图。
▼应用实例。
同轴光源▼常见的L ED光源，其突出特点是具备高对比度，在检测镜面、光泽面或希望以光泽差异进行辨别时非常有效。
▼照射原理如下图。
同轴光源从侧面将光线发射到半反射镜上，反射镜再将光线反射到工件上。
镜面反射光可以返回到CCD，而工件表面如刻印伤痕等凹凸不平的部分产生的漫反射光则不能接受到。
这样就使得工件的边缘点形成了对比度。
而且，来自工件的光线越远，不能接受到的漫反射光就越多，形成更大的图像对比度和清晰度。
▼亮度分布如下。
▼应用实例。
低角度光源和同轴光源的平行照射的理念正好相反，通过从小角度或几乎平行的角度照射LED，可仅突出边缘，轮廓或者表面的缺陷划伤。
▼低角度光源在很小的角度上将光线直接照射到工件上。
通常检测工件的边缘或表面上的瑕疵对于标准的直接照明都很困难。
由于光的方向几乎与表面平行，表面高度的任何变化都会改变到CCD的光路，从而突出变化。
▼应用实例。
点光源▼最大特点是节省空间，同时可以实现小范围高亮度照明。
▼此外，可以与C接口长焦镜头配合使用，在没有空间安装的地方，实现远距离照明。
▼同时，如果和远心镜头配合，还可以作为平行光源使用。
多角度光源▼更加柔和的照明，以及放在不同高度可以实现不同的效果。
▼应用实例。
背光光源▼以上介绍的所有通用照明的相同点是，光源位于相机和工件之间，使用正面打光，通过获取工件表面的反光而获得工件的表面信息。
背光源不同的地方是，通常情况下使用时工件位于背光和镜头之间，通过工件阻挡光线通过，获取工件的轮廓信息。
▼背光光源通常情况下的安装图。
偶尔也会有作正面均匀的用途。
▼应用实例。
以上介绍的即为常用的LED光源标准品类型。
当然对于特殊的应用，也有很多种尺寸和形状的定制光源，有配合线扫描相机的线性光源，配合2.5D相机的多方向发光光源，配合贴片检测的多色AOI光源等等。
市面上专业的光源供应商有日本的CCS，国内的V-light，OPT，CST等。
机器视觉检测的基础知识（三）镜头一，什么是镜头？▼简单讲就是在其一端收集物体的光线，并将光线在另一端汇聚为实像，并投影到接收面的透镜。
此时，汇集光线的点称为焦点，镜头中心到焦点的距离称为焦点距离。
当镜头为凸镜时，焦点距离将根据镜头的厚度（膨胀）程度不同而各不相同。
膨胀程度越大焦点距离越短。
二，镜头的重要参数。
玩摄影的朋友都知道，镜头几个基本的参数包括焦距（长焦，广角，变焦范围），F值（表征透光率）等。
而工业用镜头与之相比，更关注以下几个参数：1，WD（Work Distance工作距离）表示焦点对准拍摄对象时，镜头顶端到拍摄对象的距离。
也称为工作距离。
当为CCD时，比例公式工作距离：视野＝焦点距离：CCD尺寸成立。
2，焦点距离（焦距）▼FA(Factory Automation)镜头中有代表性的镜头为焦点距离为8mm/16mm/25mm/50mm等规格的镜头。
根据想要拍摄的拍摄对象所需的视野和焦点距离，可以求出对焦位置＝WD（工作距离）。
WD和视野的大小由镜头的焦点距离和CCD的尺寸来决定。
例如：焦点距离为16mm镜头、CCD尺寸 3.6mm时，如果想把视野设为45mm，则WD变为200mm。
WD：视野=焦点距离：CCD尺寸3，视野▼工作距离范围中的拍摄范围。
一般来说，拍摄对象和镜头的工作距离越长，则视野越广（视野角）。
另外，视野的广度由镜头的焦点距离来决定。
我们将相对于视野，使用镜头可以拍摄的范围的角度称为视角或者视野角。
镜头的焦点距离越短，则视角越大，视野也就越广。
相反，焦点距离越长，则可以放大远处的拍摄对象。
4，景深是指使人感觉镜头对焦的深度范围（拍摄物体侧的距离）。
范围较大时，称为「景深深」，相反范围较小时称为「景深浅」。
严谨的来说，对焦位置只有一个，只不过肉眼在一定的范围内感觉图像能够清晰成像。
我们将此范围称为景深。
▼如下图所示，我们在拍摄斜面上粘贴表示高度的胶带的这个对象时，针对调大光圈的情况和调小光圈的情况进行比较。
最终的景深需要实测才能知道。
因为除了镜头本身的结构外，影响景深的因素还有很多。
1，镜头本身。
2，光圈越小，景深越大。
3，照明越亮，景深越大。
（快门速度越慢，景深越大）4，焦距越小，景深越大。
5，WD工作距离越大，景深越大。
6，CCD的单个像素直径越大，景深越大。
5，镜头的分辨率镜头的分辨率不光使用在图像处理中，它是指所有光学测量仪器中使用的镜头可以观察的最小间隔。
如分辨率为10μm的镜头，可以清晰的观察线宽为10μm、间距为10μm并列条纹线。
分辨率不足时，人们感觉2根线好像重叠在一起。
这时候，需要更高分辨率的镜头。
6，镜头的倍率所谓倍率，是指检测对象的实际大小与通过光学测量仪器成像大小的比率。
以往在通过显微镜的接眼部观察时，我们使用光学倍率这一概念，但是近年来由于可以将观测对象物显示在液晶显示器上的系统不断增多，显示器倍率这一概念也已经普及。
【光学倍率】用数码相机的原理考虑时，光学倍率可以通过「CCD有效像素大小÷视野」来求得。
【显示器倍率】显示器倍率可以通过「显示器对角÷CCD素子对角×光学倍率」来求得。
7，F值▼F值（或者光圈值）是指表示镜头的明亮度的基准。
准确的来说，就是镜头的焦点距离除以镜头直径（口径）得到的值。
F值的「F」来源于focal（焦点的）这个词。
事实上，镜头并不会让所有光线都透过，其中的一部分会反射。
而且，为了减少像差使用多个镜头时，透过的光量会变少。
因此，光的透过量较多，可以获得明亮成像的镜头我们称为「亮」，相反光的透过量较镜头则称为「暗」。
可以大大影响镜头的明暗的要素之一，就是镜头的焦点距离和直径的关系，也即F值，这个值较小的镜头称为「亮镜头」，较大的镜头称为「暗镜头」。
一般的小型相机都会在镜头旁刻上「F=2.5」「1:2.5」的标记，这就表示F值为2.5。
在相机镜头的性能上，如果F值达到2.0左右，则表示这个相机的明亮等级非常高。
8，歪曲像差（失真）▼歪曲像差（失真）表示通过镜头成像的图像发生歪曲的状态。
事实上不存在形状完美的镜头。
因此，虽然从理论上来说，直射光通过镜头后会沿着直线传播，而实际上光通过镜头后会向外侧或者内侧歪曲。
前者称为「桶形失真」，后者称为「枕形失真」。
一个镜失真的参数以百分比表示。
三，远心镜头大家都有这种印象，一个物体在人眼看来，会有近大远小的现象。
这是因为物体近的时候，在视网膜上投影大，小的时候，投影小。
镜头也是一样，因为近大远小的原因，会产生误差。
特别是在做尺寸测量的时候，就尤其关键。
为了解决这个问题，就产生了远心镜头。
简单讲就是不会因为WD工作距离的远近而在投影端产生大小变化的的镜头。
▼远心镜头对于有厚度测产品，也会照出截面的效果。
远心镜头主要应用于精密测量。
在精密光学测量系统中，由于普通光学镜头会存在一定的制约因素，如影像的变形、视角选择而造成的误差、不适当光源干扰下造成边界的不确定性等问题，进而影响测量的精度。
而远心镜头（Telecentric镜头）能有效降低甚至消除上述问题，因此Telecentric镜头已经成为精密光学量测系统决定性的组件，其应用领域也越来越广泛。
