机器视觉论文Word格式文档下载.docx

机器视觉论文Word格式文档下载.docx

《机器视觉论文Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《机器视觉论文Word格式文档下载.docx（8页珍藏版）》请在冰豆网上搜索。

在这种状况下，组建机器视觉系统需要大量的时间与精力来选购不同厂家的产品，无论是在人力还是资源成本上都会有更多的付出。

图表一：

机器视觉系统组成框图

图表二：

机器视觉系统组成示意图

一.机器视觉主要技术

1.光源选择

光源选择是为了将被测物体与背景尽量明显分别，获得高品质、高对比度的图像。

光源的种类分为：

高频荧光灯、 

光纤卤素灯、LED（发光二极管）照明。

它们各自的特点是：

a.高频荧光灯：

使用寿命约1500－3000小时 

优点：

扩散性好、适合大面积均匀照射 

缺点：

响应速度慢，亮度较暗 

b.光纤卤素灯：

使用寿命约1000小时 

亮度高 

响应速度慢，几乎没有光亮度和色温的变化。

c.LED灯：

使用寿命约10000－30000小时，可以使用多个LED达到高亮度，同时可组合不同的形状，响应速度快，波长可以根据用途选择 

。

选择LED光源的优势：

•可制成各种形状、尺寸及各种照射角度；

•可根据需要制成各种颜色，并可以随时调节亮度；

•通过散热装置，散热效果更好，光亮度更稳定；

•使用寿命长（约3万小时，间断使用寿命更长）；

•反应快捷，可在10微秒或更短的时间内达到最大亮度；

•电源带有外触发，可以通过计算机控制，起动速度快，可以用作频闪灯；

•运行成本低、寿命长的LED，会在综合成本和性能方面体现出更大的优势；

•可根据客户的需要，进行特殊设计。

2.图像传感器技术

通过让机器具有某种可视的能力，制造商们获得了一种有力的质量控制工具。

机器视觉系统可捕获图像并可以测量一件产品的尺寸、位置和颜色、零部件的位置或者其它的关键特性，从而在无人看管的情况下提供快速“通过／未通过”判断。

所有的机器视觉系统都带有一台摄像机、一个计算机和捕捉图像并进行分析的软件。

所选用的系统部件必须能符合具体应用的需要。

因为图像传感器确定了成像系统的速度和分辨率，故正确的图像传感器的选取对于视觉应用的成功来说具有关键性影响。

下面是机器视觉图像传感器的各种分类：

a.线阵式图像传感器

一个线阵式图像传感器（逐线扫描）包含一条或者多条像素直线阵列。

每个阵列与至少一个读出装置及放大器耦合。

线阵图像传感器适用于那些要对连续制造的产品（如传送带上的ＰＣ板，未来的印刷塑性电路板以及其它薄型、卷状的产品，如杂志、印刷布）进行成像的机器视觉应用。

总而言之，线阵式传感器总体结构简单，适用于对扁平、快速移动的物体的成像，但在需要捕获３Ｄ物体图像的应用中它们往往无法与面积型传感器相竞争。

b.全帧式传感器

全帧式传感器将光电敏感与读出结合起来。

由于不存在单独的存储区，故需要一个外部的快门（或者同步频闪照明）防止入射光在任何电荷转移发生前照亮像素。

如果不采用快门或频闪 

，则图像会出现拖尾污迹效果。

在机器视觉历史的早期（上世纪８０年代中期），人们采用的是全帧面积传感器，因为对于该应用而言它们是唯一一种分辨率足够高的产品。

如果新品应用一项应用需要１０２４×

１０２４像素传感器所能提供的分辨率的话，则全帧式传感器是唯一的选择。

总而言之，全帧传感器的体系结构是各种面积型传感器中最简单的，其分辨率和光敏感面积的密度也是最高的（后者是指其填充因数最高）。

它们还提供了很高的全阱容量、低噪声和大的动态范围。

不过它们需要一个机械快门。

c.帧传输式图像传感器

一个帧传输图像传感器类似于全帧成像器。

不过，它采用了第二个面阵列，该阵列实现了光屏蔽且作为图像的存储区（参见图４）。

该结构并不需要一个机械快门，故帧速率高于全帧传感器，因为它们可以在传送一幅图像的同时获取另一幅图像。

不过，由于积分仍然发生在图像转移到存储区的过程中，故图像存在拖尾污迹，性能受到一定的影响。

因为要实现这一架构需要把集成电路面积增加一倍，故帧传输图像传感器一般分辨率较低，而成本高于全帧图像传感器。

总而言之，帧传输传感器具有更高的填充因数、更高的全阱容量、低噪声、大动态范围、电子快门和较好的帧速率。

它们的主要缺点是曝光时间很短时会出现较大的图像污迹，而且制造成本较高。

d.线间转移传感器

在线间图像传感器中，光敏感和读出功能也是分开的。

每个像素被一个屏蔽了光线的垂直图像传感器包围，该传感器可以转移电荷。

这使得线间传感器能在捕捉一帧图像的同时将前一幅图像移走，从而实现了内置的电子快门能力。

线间传感器的开发时间晚于全帧和帧传输传感器。

随着线间技术的成熟，它已经能够提供机器视觉所需的更高的分辨率和更高的帧速率。

总而言之，线间转移传感器提供了百万像素级的分辨率，以及很高的全阱容量。

它们还具有低噪声、大动态范围、快门电子化、高帧速率和低污迹等特点，可以实现短时曝光。

总之，用户希望获得更快的帧速率（为了跟上快速移动的物体）、更高的量子效率（以便在光线较弱时和／或成像时间更短时提供更多的图像）和更大的动态范围（这样可以在图像较亮或较暗的部分可以看到相对的细节）。

电子快门、渐进式扫描读出和高灵敏度都是在明确何种传感器最适用于机器视觉应用时需要考虑的关键参数。

应该记住的是，正是整套参数的匹配，才使得特定的一种传感器成为应用的最佳选择。

3.数字图像处理技术

a.数字图像处理简介 

数字图像处理（Digital 

Image 

Processing）即计算机图像处理，指将图像由模拟信号转化为数字信号，并利用计算机对图像进行去噪、增强、复原、分割、提取特征等处理的过程。

图像经过处理后，输出的质量得到很大程度的增强，即改善了其视觉效果，又便于计算机完成后续的分析、处理等。

图像是人类获取信息和交换信息的主要来源之一，图像处理已经在人类生活和工作的许多方面得到了广泛的应用并取得令人瞩目的成就，例如航空航天技术、通信工程、生物医学工程、工业检测、文化艺术、军事安全、电子商务、视频和多媒体系统等领域，图像处理已经成为一门前景远大的新型学科。

数字图像处理技术虽然已经取得了很多重要的研究成就，但是仍然存在一些困难：

（1）信息处理量大。

数字图像处理的信息基本上都是以二维形式存在，处理信息量较大，对计算机的速度、存储量等有比较高的要求。

（2）频带占用宽。

在图像成像、传输、显示等环节的实现上，成本高，技术实现难度大，这就要求更高的频带压缩技术。

（3）像素相关性较大。

数字图像中每个像素并不是独立的，很多像素有着相同或者接近的灰度，相关性较大，因此信息压缩有很大地提升空间。

（4）不能复现有关三维景物的所有几何信息。

图像是三维景物的二维投影，所以必须附加新的测量或者合适的假定才能理解和分析三维景物。

（5）人为因素的影响大。

经过数字图像处理的图像一般是被人观察和分析的，人的视觉系统很复杂，机器视觉系统同样是模仿人的视觉，人的感知机理制约着机器视觉系统的研究。

在工业生产自动化过程中，数字图像处理技术是实现产品实时监控和故障诊断分析最有效的方法之一，随着计算机软硬件、思维科学研究、模式识别以及机器视觉系统等相关技术和理论的进一步发展，将促进这一方法向更高、更深层次发展。

b. 

数字图像处理的工具 

数字图像处理的应用工具有很多，总体可以分为三类：

第一类工具的共同点是先把图像变换到其他域中进行处理，再变换到原域中进行下一步处理，例如有关图像滤波和正交变换等方法。

第二类工具是直接在空间域中进行图像处理，例如微分方程方法、统计方法等数学方法。

第三类工具和通常在空间域和频域使用的方法不同，是建立在随机集合和积分几何论基础上的运算，例如数学形态运算方法。

c.数字图像处理的研究内容 

数字图像处理的研究内容主要有以下几个方面：

1．图像变换。

为了得到更加简单和方便处理的图像函数，一般要对图像进行图像变换，图像变换的形式主要有光学和数字两种，分别对应连续函数和二维离散运算。

常用的方法有傅立叶变换、沃尔什-哈达玛变换、离散卡夫纳－勒维变换等间接处理技术。

2．图像增强和复原。

其目的都是改善图像的质量，提高图像的清晰度。

图像增强可以突出预处理图像中所感兴趣信息，常用方法有灰度变换、直方图处理、锐化滤波等。

图像复原可以复原被退化的图像，常采用滤波复原的方法。

3．图像压缩。

这种技术可以除去冗余数据，减少描述图像所需的数据量，实现快速传输和存储图像数据。

图像压缩分为有损压缩和无损压缩两种，无损压缩主要用在编档保存等要求图像质量的方面，有损压缩相比前者可以实现更高的压缩程度，但是生成的图像不如原图。

4．图像分割。

图像分割是把图像内各像素进行分类，将图像细分成若干有意义的子区域，如图像中的区域、边缘等。

经过几十年的研究，在借助各种理论的基础上，图像分割的算法现在已经有上千种，但由于这些算法都是针对具体问题提出的，因此尚无通用分割算法。

随着各种新技术和新理论的结合，图像分割算法将取得更大地突破和进展。

5．图像描述。

对被分割出来的区域进行描述，是图像自动化处理的前期步骤，表示区域关系到两个基本选择：

用外部特征表示区域和用内部特征表示区域，不管选择何种表示方案都是为了数据便于计算机处理。

图像描述的方法有曲线拟合、基于弧长极半径的傅里叶描述子、矩描述、链码。

6．图像分类识别。

图像识别是按照某些特征对研究对象进行识别，属于模式识别的范畴，其主要内容对预处理后的图像，进行图像分割和特征提取，进而进行识别分类。

图像识别一般采用统计识别法、模糊识别法和人工神经网分类方法。

d.发展概况 

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。

随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。

在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。

数字图像处理取得的另一个巨大成就是在医学上获得的成果。

1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer 

Tomograph）。

CT的基该方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。

1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类做出了划时代的贡献。

与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。

随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

三.应用案例

1.滤光片表面缺陷检测设备

a.功能特性

·

能完成单次对镜片正反双面的检测功能。

检测项目涵盖蹦边、点子及灰尘、划伤、印子等四种常见表面缺陷特征；

可按要求定制不同的产品质量控制执行，以满足不同应用层面的客户需求；

支持在线自动识别滤光片表面品质缺陷并按设计的要求统计分类，实时存储检测结果信息；

具有次品分拣功能。

b.适用范围：

适用于红外截止滤光片的表面缺陷检；

设备可根据客户的不同需求定制,系统经修改适用于其他光学镜片及手机摄像头模组的检测。

c.实测图片：

2.磁性材料表面缺陷检测设备

可在线识别磁材边楞的翘角、缺角等不良，表面崩点、裂纹、划痕等缺陷特征；

系统可自主设定磁材的尺寸参数；

实时在线测量磁材的总体尺寸，显示有效尺寸；

具有自动分拣良品与不良品的能力；

缺陷统计和报表打印。

b.适用范围

本设备适用于块状钕铁硼毛坯的表面缺陷检测。

系统经过修改可以检测不同形状、尺寸的磁性材料。

c.实测图片：

3.齿轮表面缺陷检测设备

a.功能特征

能实现伞齿轮全齿面360度全方位外观缺陷检测；

能自动识别磕碰压伤、裂纹、划痕、凹陷与凸起等几种缺陷特征；

能实现对伞齿轮齿数、齿面宽度及厚度测量。

本设备适用于伞齿轮的表面缺陷检测及尺寸测量。

系统经修改可用于检测不同种类的齿轮。