機器視覺課件

機器視覺鏡頭及軟體

介紹2015年5月1日1.機器視覺鏡頭及軟體

介紹2015年5月1日1.VisionSystemOverviewArchitecture:TotalSolutionSoftwareHardwareExternalPlatformHalcon(H,3D)NationInstrument(L)Cognex(H)Opencv/ITK(Free)VC/VB/C#/LabviewCamera-USB,1394,GigaELens(Cmount)-CCTV,TelecentricLighting-環(huán)型,同軸,背光,點光,球積分3DComponent(Laser,條紋光)I/OCard,TriggerSignalRobot,MotionCard(PC),PLCXYZTable,ACServo,StepperMotor,LinearPlatformSDKCompiler,UI2.VisionSystemOverviewArchitecTopics1:為您的視覺系統(tǒng)找到合適的鏡頭2:NI視覺SDK3:NaroVision泛用型視覺系統(tǒng)4:HalCon視覺SDK5:Congex視覺SDK6:OpenCV,ITK視覺SDK3.Topics3.1:視覺系統(tǒng)需要找到合適的鏡頭Ⅰ,鏡頭的作用Lens1Lens2CMOSApertureStopApertureStopLens1Lens24.1:視覺系統(tǒng)需要找到合適的鏡頭Ⅰ,鏡頭的作用Lens1Len5.5.6.6.Ⅱ,鏡頭的組成ⅢⅣ鏡頭一般由光學系統(tǒng)和機械裝置組成,有些也集成了自動調光圈、自動調焦或感測光強度等的電子器件.7.Ⅱ,鏡頭的組成ⅢⅣ鏡頭一般由光學系統(tǒng)和機械裝置組成,有些也Ⅲ,鏡頭的分類◆鏡頭按焦距大小可以分為長焦鏡頭、標準鏡頭、廣角鏡頭等◆按用途通?？梢苑譃榘卜烙苗R頭（CCTVlens）、工業(yè)自動化鏡頭（FAlens），廣播級別的鏡頭（Broadcastlens），高清晰電視用鏡頭（HDlens）◆機器視覺行業(yè)內通常有宏鏡頭（macrolens）、定倍鏡頭（fixed-maglens）、變焦鏡頭（zoom鏡頭）、遠心鏡頭（telecentriclens）、高精度或百萬像素鏡頭（HighResolutionormillionpixelslens）、線掃描鏡頭（LineScanlens）等稱謂。當然，這些分類并沒有嚴格的劃分界線。8.Ⅲ,鏡頭的分類◆鏡頭按焦距大小可以分為長焦鏡頭、標準鏡頭、Ⅳ尋找一款鏡頭我們關心什么?1,成像比例（Magnization，ZOOM?）2，工作距離(WD)3,像質（resolution,contrast,color

balance,aberration,Vignetting,MTF,etc.）4,景深（Depthofview）5，投影誤差（Telecentric）6，通光量（FNumber）7，機械接口(C,CS,F,K,M42，M12,M16)8,支持相機的芯片尺寸(1/2,2/3,1,>40mm)9，工作波段(<380,380~780,780~1100)10,鏡頭尺寸（Compact,TotalLength,Diameter）11,其它（價格，同軸入口，工作溫度，光學配合，適合工業(yè)場合）9.Ⅳ尋找一款鏡頭我們關心什么?1,成像比例（MagnizⅣ-1成像比例及工作距離在獲取圖像并分析處理之前，首先必須建立圖像系統(tǒng)。圖像系統(tǒng)由五個要素構成：視場（FiledOfView），工作距離（WorkingDistance），分辨率，景深（DepthOfField）和傳感器大小?？蓞⒄障聢D理解這些概念。10.Ⅳ-1成像比例及工作距離在獲取鏡頭焦距(LensFocalLength)WDF’11.鏡頭焦距(LensFocalLength)WDF’11.確定視場大小和相機傳感器尺寸之后，就可以確定選擇哪種型號的鏡頭。鏡頭的主要參數是焦距，它與視場大小，傳感器尺寸有如下關系式：焦距=(傳感器尺寸×工作距離)/視場大小鏡頭焦距(LensFocalLength)12.確定視場大小和相機傳感器尺寸之后，就可以確定選擇哪種型號的1分辨率(Resolution):

圖像系統(tǒng)能

分辨實物的最小尺寸。2視場(FOV):檢測時相機所能

拍攝的范圍。3工作距離(WD):相機鏡頭到實物

之間的距離。4傳感器大小(SensorSize)

相機傳感器的有效區(qū)域。5景深(DepthOfField):

實物能有效聚焦的范圍6圖像(Image)7像素(Pixel)8像素分辨率(PixelResolution):

表達實物圖像特征所需的

最小像素數量。13.1分辨率(Resolution):圖像系統(tǒng)能13.Ⅳ-2有關精度和倍率的概念d=FOV（HorV）*2/Pixels(HorV)鏡頭的分辨率：相機的分辨率：光學放大倍率：顯示放大倍率：?disthesmallestresolvabledistance,?lambdaisthewavelengthoflightbeingimagedNumerical

Aperture

數值孔徑。NA表征了光纖收集光的能力。光纖的數值孔徑越大,其集光能力越強

視場(FieldOfView)：相機所能拍攝的范圍。上圖展示了像素分辨率和視場之間的關系。圖a所示一個實物所占據的視場，圖b所示占據的視場比圖a要小。x軸向最小像素分辨率=(wfov/w)×2,y軸向最小像素分辨率=(hfov/h)×2

,14.Ⅳ-2有關精度和倍率的概念d=FOV（HorV）*2Ⅳ-2有關精度和倍率的概念widthHeight1:客戶要求拍攝的產品大小為1mm*1mm2:客戶要求的精度為0.02mm3:鏡頭到產品的距離為65mm客戶要求規(guī)格實驗室計算的結果1:計算出來的鏡頭FOV需求為FOV>10mm,6.66mm/0.513.32mm(假設CCD大小為6.66mm*5.32mm)2:計算出來的相機精度為:CameraResolution>13.32/0.02mm(666H*666V),所以選擇1.3MCamera(1280H*1024V)

(6.66mm(H)x5.32mm(V))15.Ⅳ-2有關精度和倍率的概念widthHeight1:客戶要

Ⅳ-3a，像質-（SharpnessandContrast

）對比度(Contrast)，是圖像黑與白的比值，即從黑到白的漸變層次，定義了圖像中實物和背景之間的強度差。對比度和分辨率與圖像質量緊密相關。構建圖像系統(tǒng)必須確保足夠的對比度以區(qū)分實物圖像和背景。選擇合適的照明能有效提高的對比度。16.Ⅳ-3a，像質-（SharpnessandContⅣ-3b

，像質-畸變（Distortion）Approx.10%barrelshapedApprox.10%pincushionshapedCCTVTelecentric17.Ⅳ-3b，像質-畸變（Distortion）Approx.Ⅳ-3c，像質-色彩還原（ColorBalance）nmR

02,55,07,510,03004005006007008009001000SingleLayerBroadbandCoatimgMultiiCoatingSpectralTransmission:TypicalReflectionofCoatingSystems在圖像處理領域，色彩平衡經常表示通過改變圖像的顏色值從而能夠在特定的顯示或者打印設備上得到正確的顏色。18.Ⅳ-3c，像質-色彩還原（ColorBalance）Ⅳ-3d

，像質-漸暈（Vignetting）Opticalvignetting

（cos4Law）Pixelvignetting

Mechanicalvignetting

Example:f=50mmviewangle=9.2Cos4(9.2?)=0.95f=8mmviewangle=51.9Cos4(51.9?)=0.15在攝影和光學領域內，暈影或暗角是指圖像的外圍部分的亮度或飽和度比中心區(qū)域低。暈影的出現通常是因為相機的設定和鏡頭的限制因素等19.Ⅳ-3d，像質-漸暈（Vignetting）OpticaⅣ-3e

，像質-MTF的意義ModulationTransferFunction:這種測定光學頻率的方式是以一個mm的范圍內能呈現出多少條線來度量，其單位以line/mm來表示。20.Ⅳ-3e，像質-MTF的意義ModulationTranⅣ-4，景深–DepthofView(1)光圈越大，景深越??；光圈越小，景深越大；(2)鏡頭焦距越長，景深越??；焦距越短，景深越大；(3)距離越遠，景深越大；距離越近，景深越小。21.Ⅳ-4，景深–DepthofView(1)光圈越大，景深，是相機對焦點前后相對清晰的成像范圍。Ⅳ-4，景深–DepthofView22.景深，是相機對焦點前后相對清晰的成像范圍。Ⅳ-4，景Ⅳ-5，投影誤差-遠心鏡頭23.Ⅳ-5，投影誤差-遠心鏡頭23.Ⅳ-6，光通量-F-number◆可能當您把相機和光源的參數已經調整到最大，您才會意識到光圈系數的重要性。◆光圈的調整不僅與亮度相關，同樣與對比度和景深密切相關。光圈系數（F數）是鏡頭的重要內部參數，它就是鏡頭相對孔徑(d/f)的倒數，如果光圈系數的標稱值數字越大，也就表示其實際光圈就越小。一般來說，鏡頭的光圈排列順序是：1、1.4、2.0、2.8、3.5、4.0、5.6、8.0、11、16、22、32等等。隨著數值的增大，其實際光孔大小也就隨之減小，而其在相同快門時間內的光通量也就隨之減小。24.Ⅳ-6，光通量-F-number◆可能當您把相機和光源的參數Ⅳ-7，機械接口-Mount25.Ⅳ-7，機械接口-Mount25.Ⅳ-8，支持相機的芯片尺寸26.Ⅳ-8，支持相機的芯片尺寸26.Ⅳ-9，工作波段UV（<380nm）Visiblelight(380nm~750nm)IR(>750nm)27.Ⅳ-9，工作波段UV（<380nm）27.Ⅳ-10，鏡頭尺寸28.Ⅳ-10，鏡頭尺寸28.TelecentricLens(Moritex)29.TelecentricLens(Moritex)29.CCTVLens(Computar)孔徑光闌，它是限制光學系統(tǒng)進光量之孔徑大小，也就是我們常說的光圈，在相機中可以看到這樣的機制，如左圖所示。鏡頭本身雖然很大，但卻有一個機制限制進光量的大小，這個機制就是孔徑光闌。30.CCTVLens(Computar)孔徑光闌，它是限制倍鏡延伸環(huán)31.倍鏡延伸環(huán)31.要對圖像進行分析和處理，必須確保圖像系統(tǒng)能產生高品質的圖像。

影響圖像質量的五個因素：分辨率對比度景深透視誤差畸變

總結:如何獲取高品質的圖像32.要對圖像進行分析和處理，必須確保圖像系統(tǒng)能產生高品質11，其它因素價格同軸入口工作環(huán)境（工業(yè)場合）光學器件配合（濾光片、偏振鏡、轉角鏡）電子或機械配件。（自動對焦、自動光圈、電動變焦等）33.11，其它因素價格33.透視誤差（Perspective），一般在相機鏡頭軸向與被拍照物不垂直時出現。圖a顯示相機的最佳位置，圖b為從某個角度拍攝的圖像。

1.鏡頭畸變 2.透視誤差 3.已知方位偏移透視誤差2:NI視覺系統(tǒng)34.透視誤差（Perspective），一般在相機鏡頭軸非線性畸變是鏡頭光學誤差導致的幾何像差，畸變程度與物象點離光軸的距離有關。

發(fā)生畸變時，物象點相對于視場中心產生了偏移，但畸變不會丟失圖像信息，因此可通過空間校正(SpatialCalibration)糾正畸變。鏡頭畸變35.非線性畸變是鏡頭光學誤差導致的幾何像差，畸變程度與物Anerosioneliminatespixelsisolatedinthebackgroundanderodesthecontourofparticlesaccordingtothetemplatedefinedbythestructuringelement.ForagivenpixelP0,thestructuringelementiscenteredonP0.Thepixelsmaskedbyacoefficientofthestructuringelementequalto1arethenreferredasPi.?IfthevalueofonepixelPiisequalto0,thenP0issetto0,elseP0issetto1.?IfAND(Pi)=1,thenP0=1,elseP0=0.Erosion36.AnerosioneliminatespixelsiDilationForanygivenpixelP0,thestructuringelementiscenteredonP0.Thepixelsmaskedbyacoefficientofthestructuringelementequalto1thenarereferredtoasPi.?IfthevalueofonepixelPiisequalto1,thenP0issetto1,elseP0issetto0.?IfOR(Pi)=1,thenP0=1,elseP0=0.37.DilationForanygivenpixelP0根據圖像灰度來進行匹配的算法，用于定位、識別以及有無判斷等應用場合采用circularProjection采樣法，當發(fā)生旋轉時一樣可以找到目標采用halton隨機采樣法，隨機選取采樣點進行匹配計算，提高算法效率PatternMatch平移加旋轉僅平移模板38.根據圖像灰度來進行匹配的算法，用于定位、識別以及有無判斷等應PatternMatchdft(dftImg,dftImg,0,dsz.height);MatdftTempl1(dftTempl,Rect(0,tcn>1?*dftsize.height:0,dftsize.width,dftsize.height));mulSpectrums(dftImg,dftTempl1,dftImg,0,true);dft(dftImg,dftImg,DFT_INVERSE+DFT_SCALE,bsz.height);src=dftImg(Rect(0,0,bsz.width,bsz.height));平移3:利用金字塔變換提高搜索效率1:NormalizedCross-Correlation2:DFTandInverseDFT39.PatternMatchdft(dftImg,dftIpatternCreatehaltonset平移+旋轉3:CorrelationBasedPatternMatching1:StatisticalSamplingBasedPatternMatching2:BasedonaDiscreteFourierTransform(DFT40.patternCreatehaltonset平移+旋轉3根據幾何輪廓特征來進行匹配的算法，用于定位、識別以及有無判斷等應用場合即使圖像發(fā)生旋轉、縮放、遮擋、極性以及背景改變，均能搜索到目標GeometricMatch模板41.根據幾何輪廓特征來進行匹配的算法，用于定位、識別以及有無判斷模板學習步驟GeometricMatch1.提取邊緣點；2.輪廓追蹤，連通的邊緣點合成為同一條輪廓；3.輪廓篩選，將不符合要求的輪廓剔除；4.提取特征，直線、圓弧或矩形；5.根據特征的類型進行排序，選取最好的方式描述模板。42.模板學習步驟GeometricMatch1.提取邊緣點；4幾何匹配步驟GeometricMatch1.提取目標圖像輪廓；2.根據輪廓提取特征；3.模板圖像特征和目標圖像特征比對，并將可能成為最佳匹配的

結果保存起來；4..從可能的匹配結果中找出最佳匹配。43.幾何匹配步驟GeometricMatch1.提取目標圖像輪:DefinitionofanEdge1灰階值輪廓(GrayscaleProfile)2邊緣長度(EdgeLength):

邊緣梯度上升的距離3邊緣強度(EdgeStrength)4邊緣位置(EdgeLocation)44.:DefinitionofanEdge1灰階值輪廓(:次像素(SubPixel)45.:次像素(SubPixel)45.首先沿著搜索方向在ROI區(qū)域提取出一系列的邊緣點采用最小二乘法對邊緣點進行直線擬合計算自動選取最佳直線擬合結果擬合的直線可用于尺寸測量和直線度測量查找直線最佳擬合直線誤差較大被丟棄46.首先沿著搜索方向在ROI區(qū)域提取出一系列的邊緣點查找直線最佳RedefiningaCoordinateSystemYoucanusesimplecalibrationtochangethecoordinatesystemassignedtoacalibratedimage.Whenyoudefineanewcoordinatesystem,rememberthefollowing:?Expresstheorigininpixels.Alwayschooseanoriginlocationthatlieswithinthecalibrationgridsothatyoucanconvertthelocationtoreal-worldunits.?Specifytheangleastheanglebetweenthenewcoordinatesystemandthehorizontaldirectionintherealworld.47.RedefiningaCoordinateSystem查找直線查找直線參數設定48.查找直線查找直線參數設定48.首先沿著搜索方向在ROI區(qū)域提取出符合條件的邊緣點采用最小二乘法對邊緣點進行圓弧擬合計算可得到圓弧的圓心坐標和半徑大小圓弧檢測49.首先沿著搜索方向在ROI區(qū)域提取出符合條件的邊緣點圓弧檢測4圓弧檢測圓弧檢測參數設定主要設定參數：Direction：搜索方向EdgePolarity：邊緣極性EdgeStrength：邊緣強度50.圓弧檢測圓弧檢測參數設定主要設定參數：50.測量沿著搜索方向的最大和最小尺寸，用于尺寸測量測量芯片pin腳寬度和間距卡尺工具Pin腳寬度Pin腳間距51.測量沿著搜索方向的最大和最小尺寸，用于尺寸測量卡尺工具Pin卡尺工具算法原理：1.首先提取邊緣點對2.根據邊緣點對擬合兩條直線3.計算兩條擬合直線的最大最小矩離52.卡尺工具算法原理：52.輪廓檢測提取輪廓并與標準輪廓比對，根據比對結果判斷產品是否合格算法原理：1.首先提取邊緣點2.根據連通性將邊緣點組成連續(xù)的

輪廓3.計算輪廓的點到標準輪廓的距離4.如果距離超過設定值，則認為是

缺陷53.輪廓檢測提取輪廓并與標準輪廓比對，根據比對結果判斷產品是否合GoldenTemplateMatch圖像和標準圖像比對，尋找兩幅圖像之間的差異，用于印刷檢測、暇疵檢測等算法原理：1.首先在當前圖像查找標準圖像2.根據查找到的標準圖像的位置，使兩幅

圖像對齊3.兩幅圖像相減4.統(tǒng)計兩幅圖像相應像素點灰度值超過設

定值的數目5.如果差異像素點的數目大于設定閾值，

判定為NG圖像標準圖像錯誤圖像54.GoldenTemplateMatch圖像和標準圖像比對1:LocatinganddecodingDataMatrixcodesrequiresaminimumcellsizeof2.5pixels.2:LocatinganddecodingDataMatrixcodesalsorequiresaquietzone

ofatleastonecellwidtharoundtheperimeterofthecode3:ADataMatrixcodeisamatrixbuiltonasquareorrectangulargridwithafinderpattern4:Eachcellofthematrixcontainsasingledatacell.Thecellscanbeeithersquareorcircular.DataMatrix55.1:LocatinganddecodingDataM3:NaroVision泛用型視覺系統(tǒng)1NaroVision泛用型視覺系統(tǒng)特性介紹

系統(tǒng)介紹

標定

圖像處理

機器視覺

通訊2應用實例介紹56.3:NaroVision泛用型視覺系統(tǒng)1NaroVisio系統(tǒng)介紹1可同時支持最多6只相機，滿足復雜應用需求；2支持模板匹配、直線檢測、圓檢測、OCR字符識別、Barcode、印刷檢測等多種機器視覺功能，并且可靈活組合以進行各種復雜檢測；3可編程的方式使得應用更加靈活；4支持串口、以太網以及IO板卡等通訊方式，可與不同的設備進行數據傳輸；57.系統(tǒng)介紹1可同時支持最多6只相機，滿足復雜應用需求；57.標定1相機標定

——使用點陣式標定板，可糾正鏡頭畸變和透視畸變影響2比例尺設定

——模板匹配：根據運動平臺的運動位移以及模板中心的位置變化計

算比例尺；——特殊尺寸：根據兩條平行直線的距離來計算比例尺；——圓半徑：根據已知圓半徑的大小來計算比例尺。58.標定1相機標定58.圖像處理灰度變換：調整圖像亮度以及對比度二值化：根據設定灰度閾值將圖像分為前景和背景圖像增強：通過一系列的數學運算調整圖像灰度圖像濾波：濾除圖像噪聲或突出邊緣特征數學形態(tài)學操作彩色圖像處理：彩色BCG處理、均衡化、灰度轉換59.圖像處理灰度變換：調整圖像亮度以及對比度59.機器視覺模板匹配：定位、特征識別查找圓、直線：精確提取輪廓的幾何特征BARCODE：一維和二維BARCODE讀取OCR：OCR字符識別檢測：印刷質量檢測、暇疵檢測卡尺：測量物體尺寸輪廓檢測：根據輪廓比對檢測缺陷60.機器視覺模板匹配：定位、特征識別60.通訊串口：RS232通訊，支持多種類型PLC(三菱、松下、臺達、keyence、信捷等等)通訊協(xié)議和自由協(xié)議以太網：可做服務器或客戶機，與多款機械手(denso,epson以及ABB)無縫連接IO板卡：使用IO信號作為觸發(fā)輸入或結果輸出61.通訊串口：RS232通訊，支持多種類型PLC(三菱、松下、應用實例介紹模板匹配（返回模板中心坐標、旋轉角度）62.應用實例介紹模板匹配（返回模板中心坐標、旋轉角度）62.應用實例介紹查找圓（返回找到的圓心坐標和半徑）63.應用實例介紹查找圓（返回找到的圓心坐標和半徑）63.應用實例介紹讀取AZTECCODEAZTECCODE讀取，返回碼的內容和中心坐標64.應用實例介紹讀取AZTECCODE64.應用實例介紹讀取CODE128讀取CODE128碼，返回碼的內容65.應用實例介紹讀取CODE12865.應用實例介紹印刷檢測（檢查標簽印刷是否存在漏印、偏位等問題，并標

記出缺陷的位置）66.應用實例介紹印刷檢測（檢查標簽印刷是否存在漏印、偏位等問題，應用實例介紹輪廓檢測

首先提取輪廓，然后和標準的幾何特征進行比對，檢測兩者之間的差異67.應用實例介紹輪廓檢測67.應用實例介紹使用卡尺工具進行尺寸測量

通過定位，精確找到測量位置再進行測量68.應用實例介紹使用卡尺工具進行尺寸測量68.DepthFromFocusMulti-ViewStereoSheet-of-linetechnologyPhotometricStereo3-1:Halcon3D視覺軟體SDK69.DepthFromFocus3-1:Halcon3D視選擇合適的3D方法-170.選擇合適的3D方法-170.選擇合適的3D方法-271.選擇合適的3D方法-271.選擇合適的3DRestruction72.選擇合適的3DRestruction72.選擇合適的3DPlanar73.選擇合適的3DPlanar73.1:DepthFromFocus74.1:DepthFromFocus74.1:DepthFromFocus75.1:DepthFromFocus75.usingthedepthfrommultiplefocuspicturealgorithm1:DepthFromFocus76.usingthedepthfrommultiple2:Multi-ViewStereo77.2:Multi-ViewStereo77.2:Multi-ViewStereo78.2:Multi-ViewStereo78.2:Multi-ViewStereo79.2:Multi-ViewStereo79.2:Multi-ViewStereo80.2:Multi-ViewStereo80.2:Multi-ViewStereo81.2:Multi-ViewStereo81.2:Multi-ViewStereo82.2:Multi-ViewStereo82.2:Multi-ViewStereo83.2:Multi-ViewStereo83.2:Multi-ViewStereo84.2:Multi-ViewStereo84.3:Sheetoflinetechnology85.3:Sheetoflinetechnology85.3:Sheetoflinetechnology86.3:Sheetoflinetechnology86.3:Sheetoflinetechnology87.3:Sheetoflinetechnology87.3:Sheetoflinetechnology88.3:Sheetoflinetechnology88.3:Sheetoflinetechnology89.3:Sheetoflinetechnology89.3:Sheetoflinetechnology90.3:Sheetoflinetechnology90.4:PhotometricStereousingthealgorithmofWoodham91.4:PhotometricStereousingtheisbasedonthealgorithmofWoodhamandthereforeassumesontheonehandthatthecameraperformsanorthoscopicprojection.Thatis,youmustuseatelecentriclensoralenswithalongfocaldistance.Ontheotherhand,itassumesthateachofthelightsourcesdeliversaparallelanduniformbeamoflight.Thatis,youmustusetelecentricilluminationsourceswithuniformintensityor,asanalternative,distantpointlightsources.Additionally,theobjectmusthavelambertianreflectancecharacteristics,i.e.,itmustreflectincominglightinadiffuseway.Objectsorregionsofanobjectthathavespecularreflectancecharacteristics(i.e.,mirroringorglossysurfaces)cannotbeprocessedcorrectlyandthusleadtoerroneousresults.4:PhotometricStereo92.isbasedonthealgorithmofW4:PhotometricStereo93.4:PhotometricStereo93.4:PhotometricStereo94.4:PhotometricStereo94.4:PhotometricStereo95.4:PhotometricStereo95.4:PhotometricStereo96.4:PhotometricStereo96.4:PhotometricStereo97.4:PhotometricStereo97.usingthealgorithmofWoodham4:PhotometricStereo98.usingthealgorithmofWoodham4:PhotometricStereo99.4:PhotometricStereo99.PCBInspectionPrintCheckSurfaceScratchesMuraAlgorithm3-2:HalconAOI視覺軟體SDK100.PCBInspection3-2:HalconAOI視覺電路板焊錫檢測1:PCBInspection101.電路板焊錫檢測1:PCBInspection101.SourceImageTrainingModelDefectImage1DefectImage2Usingthealgorithmofthevariationmodel1:PrintCheck102.SourceImageTrainingModelDefe產品刮傷檢測extractionofsurfacescratchesvialocalthresholdingandmorphologicalpost-processing3:SurfaceScratches103.產品刮傷檢測extractionofsurfacescUsingTextureAlgorithm4:Mura104.UsingTextureAlgorithm4:Mura1UsingGaussianandFFTAlgorithm4:Mura105.UsingGaussianandFFTAlgorit*Thisprogramdemonstrateshowtodetectsmalltexture*defectsonthesurfaceofplasticitemsbyusingthefast*fouriertransform(FFT).*First,weconstructasuitablefilterusingGaussian*filters.Then,theimagesandthefilterareconvolved*byusingfastfouriertransforms.Finally,thedefects*aredetectedinthefilteredimagesbyusing*morphologyoperators.1:Mura106.*ThisprogramdemonstrateshoPMAlign107.PMAlign107.IntroducingPatMax

PatMax

isapattern-locationsearchtechnologyPatMax

patternsarenot

dependentonthepixelgridAfeatureisacontourthatrepresentstheboundarybetweendissimilarregionsinanimageFeature-basedrepresentationcanbetransformedmorequicklyandmoreaccuratelythanpixel-gridrepresentations108.IntroducingPatMaxPatMaxisPatMax

CapabilitiesWithonetoolmeasurePositionofthePatternSizerelativetotheoriginallytrainedpatternAnglerelativetotheoriginallytrainedpatternUnprecedentedaccuracyUpto1/40pixeltranslationUpto1/50degreerotationUpto0.05%scaleIncreasedspeedBasicpatternfindingisfasterAngleandsizedeterminedquickly109.PatMaxCapabilitiesWithonetGeneralizedHoughTransform(GHT)(BallardandBrown,section4.3.4,Sonkaetal.,section5.2.6)PatMax

演算法原理110.GeneralizedHoughTransform(GPatMax

演算法原理111.PatMax演算法原理111.PatMax

演算法原理112.PatMax演算法原理112.學習目標學員將學會正確地：識別PatInspect可能是視覺解決方案一個部分的應用創(chuàng)建并配置一個PatInspect工具來探測不同運行條件下的缺陷113.學習目標學員將學會正確地：113.PatInspect其目的是使用PatMax技術探測缺陷

缺陷被定義為運行期間圖像中超出正常預期的圖像差別的任何變化

缺陷可能是物體遺失（阻塞）或者多余（雜亂）114.PatInspect其目的是使用PatMax技術探測缺陷PatInspect缺陷在訓練圖像和運行期間圖像中的類似區(qū)域之間的像素灰度值不同支持圖像標準化最小化燈光差別對結果的影響訓練圖像運行期間圖像濃度不同的圖像115.PatInspect缺陷在訓練圖像和運行期間圖像中的類似區(qū)域使用PatInspect使用PatInspect的基本步驟：訓練基準圖案訓練檢查圖案設置運行期間參數運行PatInspect從PatInspect中萃取結果或者使用其他視覺工具在差別圖像上執(zhí)行進一步的分析116.使用PatInspect使用PatInspect的基本步驟：基準圖像通常，您的運行期間圖像和訓練圖像并不總是在圖像中的同一位置上甚至在位置上的微小差別也會造成問題，除非在對準步驟中得到解釋創(chuàng)建并且配置PMAlign工具查找能可靠地用作對準的特征這可能是：待檢查的整個元件待檢查元件的一部分與您要檢查的完全不同的東西，只要其與檢查保持一致的位移117.基準圖像通常，您的運行期間圖像和訓練圖像并不總是在圖像中的同檢查圖案培訓一個或更多的圖像可以做為培訓圖案使用PatInspect將在統(tǒng)計學方面合并這些圖像為一個獨立的圖案創(chuàng)建一個圖案模型它將在一個運行期內的圖像中，提供期望高差別性的位置信息目前，您只能在差分訓練中建立一個檢查圖案，該項限制措施將在未來的正式執(zhí)行中刪除。118.檢查圖案培訓一個或更多的圖像可以做為培訓圖案使用118.訓練檢查圖案傳遞到PatInspect中：一個輸入圖像（InputImage）一種姿態(tài)通常直接來自運行在同樣圖像上的PMAlign結果作為輸入圖像您還可以選擇性地在訓練訓練圖像（TrainImage）和原點中直接傳遞119.訓練檢查圖案傳遞到PatInspect中：119.訓練檢查圖案對于第一個訓練圖像：120.訓練檢查圖案對于第一個訓練圖像：120.訓練檢查圖案技術上，您所需要的只是一個訓練圖案。但是，多數“實際”檢查需要解釋元件中的自然的可接受的變化統(tǒng)計訓練

允許您提供多個

好圖像，但是元件不同121.訓練檢查圖案技術上，您所需要的只是一個訓練圖案。但是，多數“統(tǒng)計圖案訓練對于隨后的圖像：將圖像傳遞到輸入圖像運行統(tǒng)計培訓當前圖案訓練區(qū)域數量會增加圖像數量多少沒有限制訓練圖像沒有變化122.統(tǒng)計圖案訓練對于隨后的圖像：122.訓練的圖案圖像訓練的圖案圖像是提供給圖案訓練的對準圖像的算術平均數123.訓練的圖案圖像訓練的圖案圖像是提供給圖案訓練的對準圖像的算術遮罩訓練圖像

可選項，您可以遮罩任何訓練圖像，忽略訓練中一些像素124.遮罩訓練圖像 可選項，您可以遮罩任何訓練圖像，忽略訓練中一些閥值圖像PatInspect還計算閥值圖像閥值圖像為每個像素設置一個閥值PatInspect使用該閥值圖像通過給發(fā)生變化的地方分配一個較高的值而給沒有變化的地方分配較低的值來去除不代表缺陷的差別125.閥值圖像PatInspect還計算閥值圖像125.閥值圖像在PatInspect運行時，它會從模板圖像中減去運行期間圖像中的像素并且將結果與閥值圖像相比較。因此，閥值越高，沒有傳遞缺陷的運行期間圖像中的差別越大。126.閥值圖像在PatInspect運行時，它會從模板圖像中減去運計算閥值使用coeffs計算一個像素的閥值T：

T=coeffs.x()*StdDev+coeffs.y() ||||

比例

位移系數的默認值是（1.0、0.0）StdDev

是