機器視覺系統(tǒng)原理及基礎(chǔ)知識分析課件

機器視覺系統(tǒng)基本原理1.機器視覺系統(tǒng)的原理

2.機器視覺系統(tǒng)與人的視覺的對比3.機器視覺系統(tǒng)的構(gòu)成

1機器視覺系統(tǒng)原理及基礎(chǔ)知識機器視覺系統(tǒng)基本原理照明光源鏡頭攝像機攝像機—計算機接口圖像處理系統(tǒng)機器視覺系統(tǒng)原理及基礎(chǔ)知識21.機器視覺系統(tǒng)的原理

機器視覺系統(tǒng)的目的就是給機器或自動生產(chǎn)線添加一套視覺系統(tǒng)，其原理是由計算機或圖像處理器以及相關(guān)設(shè)備來模擬人的視覺行為，完成得到人的視覺系統(tǒng)所得到的信息。人的視覺系統(tǒng)是由眼球、神經(jīng)系統(tǒng)及大腦的視覺中樞構(gòu)成，計算機視覺系統(tǒng)則是由圖像采集系統(tǒng)、圖像處理系統(tǒng)及信息綜合分析處理系統(tǒng)構(gòu)成。1.機器視覺系統(tǒng)的原理機器視覺系統(tǒng)的目的就是給機3

機器人視覺的目標與任務1、定義：研究用機器人來模擬人和生物的視覺系統(tǒng)功能。2、目標：使機器人具有感知周圍視覺世界的能力。讓機器人具有對周圍世界的空間物體進行傳感、抽象、判斷的能力，從而達到識別、理解的目的。3、任務：圖象的獲取、預處理、圖象分割與表示與描述、識別與分類、三維信息理解、景物描述、圖象解釋。紅色部分就構(gòu)成了圖像分析的研究內(nèi)容。

機器人視覺的4人類視覺機器視覺適應性適應性強，可在復雜及變化的環(huán)境中識別目標適應性差，容易受復雜背景及環(huán)境變化的影響智能具有高級智能，可運用邏輯分析及推理能力識別變化的目標，并能總結(jié)規(guī)律雖然可利用人工智能及神經(jīng)網(wǎng)絡技術(shù)，但智能很差，不能很好地識別變化的目標彩色識別能力對色彩的分辨能力強，但容易受人的心理影響，不能量化受硬件條件的制約，目前一般的圖像采集系統(tǒng)對色彩的分辨能力較差，但具有可量化的優(yōu)點灰度分辨力差，一般只能分辨64個灰度級強，目前一般使用256灰度級，采集系統(tǒng)可具有10bit、12bit、16bit等灰度級空間分辨力分辨率較差，不能觀看微小的目標目前有4K×4K的面陣攝像機和8K的線陣攝像機，通過備置各種光學鏡頭，可以觀測小到微米大到天體的目標速度0.1秒的視覺暫留使人眼無法看清較快速運動的目標快門時間可達到10微妙左右，高速像機幀率可達到1000以上，處理器的速度越來越快感光范圍400nm-750nm范圍的可見光從紫外到紅外的較寬光譜范圍，另外有X光等特殊攝像機環(huán)境要求對環(huán)境溫度、濕度的適應性差，另外有許多場合對人有損害對環(huán)境適應性強，另外可加防護裝置觀測精度精度低，無法量化精度高，可到微米級，易量化其它主觀性，受心理影響，易疲勞客觀性，可連續(xù)工作人類視覺機器視覺適應性適應性強，可在復雜及變化的環(huán)境中識別目5機器視覺系統(tǒng)結(jié)構(gòu)機器視覺系統(tǒng)結(jié)構(gòu)6照明光源簡單視功能原理：人眼視網(wǎng)膜里存在著大量光敏細胞，按其形狀可分為桿狀和錐狀兩種。桿狀光敏細胞的靈敏度極高，主要靠它在低照度時辨別明暗，但它對彩色是不敏感的；而錐狀細胞既可辨別明暗，也可辨別彩色。白天的視覺過程主要靠錐狀細胞來完成，夜晚視覺則由桿狀細胞起作用。所以在較暗處無法辨別彩色。

照明光源簡單視功能原理：人眼視網(wǎng)膜里存在著大量光敏細胞，7光源（光源是基準，打光是藝術(shù)）種類：LED、螢光燈、鹵素燈（光纖光源)、特殊光源特點：LED壽命長/可以有各種顏色/便于做成各種復雜形狀光/均勻穩(wěn)定/可以閃光；螢光燈光場均勻/價格便宜/亮度較LED高；鹵素燈亮度特別高/通過光纖傳輸后可做成光源（光源是基準，打光是藝術(shù)）8好的打光方式等于成功了一大半光源調(diào)制目標信息后傳遞探測器給（將目標想成我們自己）探測器所獲得的光線必須包含足夠的信息以便分離感興趣的主要特征信息，并便于處理器將它們區(qū)分開來(光源是基準，打光有技巧）我們的目標就是最大化感興趣區(qū)域的特征同時抑制其他的特征（噪聲）好的打光方式等于成功了一大半9照明規(guī)則

1、光線太暗會影響視覺系統(tǒng)2、光線太亮會影響視覺系統(tǒng)3、照明的主要功能是產(chǎn)生光學信號4、減少噪聲是照明要解決的主要問題之一5、只有來自于目標并到達鏡頭的光線才是有效的光線6、進入鏡頭但非來自目標的光線為雜散光，它降低圖像質(zhì)量7、來自目標任意點的光線都應填滿鏡頭的入瞳照明規(guī)則 10鏡頭－影響圖像質(zhì)量的因素

圖像質(zhì)量的參數(shù)影響圖像質(zhì)量的因素分辨力（Resolution），指能分清楚物體的能力，單位LP/mm（Linepairs/Milimeter）鏡頭攝像機圖像采集卡顯示器對比度（Contrast）鏡頭照明光源攝像機景深（DepthofField），指鏡頭當物體在對焦清晰范圍內(nèi)，維持一定品質(zhì)的能力鏡頭失真（Distortion），也叫畸變鏡頭投影誤差鏡頭鏡頭－影響圖像質(zhì)量的因素圖像質(zhì)量的參數(shù)影響圖像質(zhì)量的因素分11鏡頭－常見光學鏡頭的種類

按光學放大倍率及焦距劃分顯微鏡：體視顯微鏡、生物顯微鏡、金相顯微鏡、測量顯微鏡常規(guī)鏡頭：魚眼鏡頭：6-16mm超廣角：17-21mm廣角：24-35mm標頭：45-75mm長焦：150-300mm超長焦：300mm以上特殊鏡頭：微距鏡頭遠距鏡頭遠心鏡頭紅外鏡頭紫外鏡頭鏡頭－常見光學鏡頭的種類按光學放大倍率及焦距劃分12按其它性能劃分固定焦距鏡頭變焦鏡頭自動變焦手動變焦不同接口方式的鏡頭C接口（后截距17.526mm）CS接口（后截距12.5mm）F接口（尼康口）M42其它：哈蘇、徠卡、AK按其它性能劃分13

遠心鏡頭在測量系統(tǒng)中，物距常發(fā)生變化，從而使像高發(fā)生變化，所以測得的物體尺寸也發(fā)生變化，即產(chǎn)生了測量誤差；即使物距是固定的，也會因為CCD敏感表面不易精確調(diào)整在像平面上，同樣也會產(chǎn)生測量誤差。采用遠心物鏡中的像方遠心物鏡可以消除物距變化帶來的測量誤差，而物方遠心物鏡則可以消除CCD位置不準帶來的測量誤差。

14遠心鏡頭的優(yōu)點：沒有視差畸變是尺寸測量的理想鏡頭可以在工作距離變化的條件下精密測量下面的觀點也是不對的：遠心鏡頭景深長只有遠心鏡頭才能完成精密測量遠心鏡頭的優(yōu)點：15遠心光路成像是機器視覺中一個很重要的原理。但是它有一個很大的缺點，那就是遠心鏡頭的口徑至少要與需要觀察的物體尺寸相等或更大。這也是為什么遠心鏡頭非常貴的原因之一。遠心光路成像是機器視覺中一個很重要的原16鏡頭畸變鏡頭畸變17攝像機攝像機的作用是將通過鏡頭聚焦于像平面的光線生成圖像。攝像機中最重要的組成部件是數(shù)字傳感器。攝像機18攝像機—計算機接口攝像機捕獲圖像后輸出為模擬或數(shù)字視頻信號。攝像機—計算機接口19圖像處理系統(tǒng) 圖像處理系統(tǒng)或計算機的作用是執(zhí)行圖像處理及分析軟件，調(diào)用根據(jù)檢測功能所特殊設(shè)計的一系列圖像處理及分析算法模塊，對圖像數(shù)據(jù)進行復雜的計算和處理，最終得到系統(tǒng)設(shè)計所需要的信息，然后通過與之相連接的外部設(shè)備以各種形式輸出檢測結(jié)果及響應。其外部輸出設(shè)備可以包括顯示器、網(wǎng)絡、打印機、報警器及各種控制信號。圖像處理系統(tǒng) 圖像處理系統(tǒng)或計算機的作用是執(zhí)行圖像處理20計算機視覺的任務與工作流程預處理表示與描述圖象獲取識別分類關(guān)系描述理解解釋圖像分析計算機視覺的任務與工作流程預處理表示與描述圖象獲取識別分類關(guān)21機器視覺及圖像處理常用算法：

濾波（平滑、降噪）增強邊緣銳化紋理分析（去骨架、連通性）圖像分割，灰度、色彩、頻譜特征、紋理特征、空間特征；變換(空域和頻域、幾何變換、色度變換）幾何形態(tài)分析（Blob分析），形狀、邊緣、長度、面積、圓形度位置、方向、數(shù)量、連通性等搜索匹配文字識別OCR，印刷質(zhì)量OCV色彩分析（色度、色密度、光譜、自動白平衡）3維測量機器視覺及圖像處理常用算法：

濾波（平滑、降噪）22一、視覺處理過程及方法預處理、分割、特征抽取、識別

a)分辨率變化對圖像的影響共256級灰度，從圖（a）到（f）分辨率依次為512×512，256×256，128×128，64×64，32×32，16×16。一、視覺處理過程及方法a)分辨率變化對圖像的影響共25623從圖（a）到（f）分辨率依次為512×512，灰度級依次為256，64，16，8，4，2。b)灰度變化對圖像的影響從圖（a）到（f）分辨率依次為512×51224從圖（a）到（f）依次為：256×256，128級灰度；181×181，64級灰度；128×128，32級灰度；90×90，16級灰度；64×64，8級灰度；45×45，4級灰度。c)分辨率和灰度同時變化對圖像的影響從圖（a）到（f）依次為：256×256，128級灰度；25按照圖像識別從易到難，可分為三類問題。

第一類識別問題:圖像中的像素表達了某一物體的某種特定信息。如遙感圖像中的某一像素代表地面某一位置地物的一定光譜波段的反射特性，通過它即可判別出該地物的種類。按照圖像識別從易到難，可分為三類問題。26

第二類問題:待識別物是有形的整體，二維圖像信息已經(jīng)足夠識別該物體，如文字識別、某些具有穩(wěn)定可視表面的三維體識別等。但這類問題不像第一類問題容易表示成特征矢量，在識別過程中，應先將待識別物體正確地從圖像的背景中分割出來，再設(shè)法將建立起來的圖像中物體的屬性圖與假定模型庫的屬性圖之間匹配。第三類問題:是由輸入的二維圖、要素圖、2·5維圖等，得出被測物體的三維表示。這里存著如何將隱含的三維信息提取出來的問題，當是今研究的熱點。第二類問題:27二、圖像分析的關(guān)鍵技術(shù)1、低層處理的圖象分割算法不穩(wěn)定，很難把物體在圖象中相應位置截然分割開來；2、從平面圖象出發(fā)發(fā)現(xiàn)立體信息（病態(tài)問題）；3、大規(guī)模并行圖象處理；三、圖像分析的相關(guān)學科屬于計算機學科，但它的基礎(chǔ)知識來自神經(jīng)生理學、認知心理學、物理學、數(shù)學等經(jīng)典學科，它又與計算機學科中的圖象處理、模式識別、人工智能等學科有著不可分離的關(guān)系。圖像分析是一門多學科的交叉。二、圖像分析的關(guān)鍵技術(shù)28四、圖像分析的發(fā)展歷程1、圖像分析的興起(1964年――1970年)

以改善圖像質(zhì)量為目標的計算機圖像處理得到蓬勃發(fā)展。2、圖像分析的發(fā)展(1970年――1980年）圍繞著紋理分析、圖像編碼、圖像分割和濾波等問題的實驗研究，也取得重大突破。3、圖像分析的困惑(1980年至現(xiàn)在)