机器视觉 原理

联为智能教育

图像采集原理

视频采集

即将视频转换成PC机可使用的数字格式。

维视专业图象采集卡是将视频信号经过AD转换后，经过PCI总线实时传到内存和显存。在采集过程中，由于采集卡传送数据采用PCIMasterBurst方式，图象传送速度高达33MB/S，可实现摄像机图像到计算机内存的可靠实时传送，并且几乎不占用CPU时间，留给CPU更多的时间去做图像的运算与处理。

图象速率及采集的计算公式

帧图像大小(Image Size)：W×H(长×宽)---您必须首先了解：需要采集多大的图象尺寸？

颜色深度∶d(比特数)---希望采集到的图象颜色(8Bit灰度图象还是16/24/32Bit真彩色)

帧 速∶f---标准PAL制当然就是25帧，非标准就没准了！500-1000帧都有可能

数 据 量∶Q(MB)---图象信号的数据量

采 样 率∶A(MB)---采集卡的采样率，通过其产品手册可知

计算公式∶ Q=W×H×f×d/8

判断标准∶如果A>Q×1.2，则该采集卡能够胜任采集工作。

视频源

使用各种图象采集卡，首先需要您提供采集或压缩用的视频源。视频源可以是∶

VCD影碟机、已有的录像带、摄录机、LD视盘、CCD摄像头、监视器的视频输出等等。一台摄录机和使用摄录机录制的录像带.一台盒式录像机或磁带录像机和已录制的录像带.LD光盘播放机LD光盘或VideoCD播放机和VCD摄录机或CCD摄像机在医疗影像中，视频源常常是CT、X光机、B超、内窥镜、甚至MRI核磁共振等等。各种工业、军事上的高速非标准视频信号，如每秒200帧、500帧、甚至上千帧…

(如用DALSA、PULNIX等高档数字像机作为视频源)

其它标准图像源设备必须使用NTSC或PAL格式，有复合视频或S-Video，甚至RGB输出接口；非标准信号需要得到其行频、场频等信息，可用示波器或微视测试卡。如需声音采集则还需要单声道或立体声的RCA音频输出接口。您可使用我们提供的视频信号线将视频源设备与PC机的图象采集卡相应端口相连。

机器视觉系统

视觉检测技术是精密测试技术领域内最具有发展潜力的新技术，它综合运用了电子学、光电探测、图象处理和计算机技术，将机器视觉引入到工业检测中，实现对物体（产品或零件）三维尺寸或位置的快速测量，具有非接触、速度快、柔性好等突出优点，在现代制造业中有着重要的应用前景。

图1-1 视觉检测

一． 机器视觉简介

美国机器人工业协会（RIA Robotic Industries Association）的自动化对机器视觉下的定义为：机器视觉（Machine Vision）是指光学的装置和非接触的传感器自动的接受和处理一个真实物体的图像，通过分析图像获得所需信息或用于控制机器运动的装置。

机器视觉主要由视觉传感器（如工业相机）代替人眼获取客观事物的图像，利用计算机来模拟人或再现与人类视觉有关的某些职能行为，从图像中提取信息，并进行处理与分析，最终用于实际的检测、测量与控制。

图1-2 机器视觉机构图

机器视觉的应用主要有检测和机器人视觉两个方面:

⒈ 检测:又可分为高精度定量检测(例如显微照片的细胞分类、机械零部件的尺寸和位置测量)和不用量器的定性或半定量检测(例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测)。

⒉ 机器人视觉:用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上(即料斗拣取问题)。至于小范围内的操作和行动，还需要借助于触觉传感技术。

二． 机器视觉系统

典型的机器视觉系统：光源，镜头，相机，图像处理单元（图像捕获卡），图像处理软件，监视器，通信/输入输出单元等。

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。

机器视觉技术的原理及应用

随着人工智能技术的不断发展，机器视觉技术也逐渐成为了人们关注的焦点之一。机器视觉技术是一种通过计算机模拟人眼进行图像识别和分析的技术，其主要应用于工业自动化、安防监控、医疗健康、智能家居等领域。本文将详细介绍机器视觉技术的原理及应用。

一、机器视觉技术的原理

机器视觉技术是基于数字图像的处理，通过对传感器采集的视觉信息进行图像处理和分析，从而实现对图像的识别和理解。机器视觉技术的核心技术是图像处理技术和模式识别技术。

1. 图像处理技术

图像处理技术是机器视觉技术的基础。它包括图像获取、预处理、特征提取、分割、增强、变形、压缩和重构等过程。其中，预处理是将采集到的图像进行去噪、滤波和几何校正等处理，使图像更加清晰、准确。特征提取是从预处理后的图像中提取出被识别物体的特征，如颜色、纹理、形状、大小等。分割是将图像中的前景和背景进行分离，以便进一步处理。增强是通过图像处理技术提高图像质量，如增强对比度、锐度等。

2. 模式识别技术

模式识别技术是机器视觉技术的核心部分，其主要任务是对预处理后的图像进行解析、分类和识别。机器视觉技术主要采用的模式识别技术包括统计学、人工神经网络、支持向量机和决策树等。其中，人工神经网络是最常用的模式识别技术之一，其模拟人类大脑的神经元构建识别模型，通过学习训练数据来实现对图像的分类和识别。

二、机器视觉技术的应用

机器视觉技术在工业自动化、安防监控、医疗健康、智能家居等领域有广泛的应用。

1. 工业自动化

机器视觉技术在工业制造中的应用主要是利用计算机视觉系统对制造过程进行监控和控制。例如，机器人在生产过程中通过图像检测技术实现自我定位和精确定位，从而提高了生产效率和制品质量。在生产线上，机器视觉技术实现了产品的缺陷检测和质量控制，从而提高了产品的一致性和可靠性。

2. 安防监控

机器视觉技术在安防监控领域是一种非常有效的技术。通过数字摄像机、视频处理和传输技术，将监控的图像信号传输给计算机进行处理和分析。机器视觉技术可以实现视频图像一键提取，便于安防人员快速找到关键识别目标。此外，机器视觉技术还可以实现智能识别功能，如人脸识别、车牌识别、烟火识别等。

2 机器视觉系统概述

2.1 机器视觉的概念

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。

工业线扫描相机系统

一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。机器视觉的优点包括以下几点：

■ 精度高

作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。

■ 连续性 视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。

■ 成本效率高

随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。