搜索
1.机器视觉的技术范围技术层次：底层基础元件和材料、图像和视觉核心算法、视觉硬件和系统（含照明）、软件开发环境系统流程：取像=》分析=》结果输出部件与系统软：硬件：照明、光学元件、镜头、相机、图像采集卡、工具软件、智能相机相关技术：运动控制、机器人、通讯2.镜头基本概念视野(FOV)图像采集设备所能够覆盖的范围，它可以是在监视器上可以见到的范围，也可以使设备所输出的数字图像所能覆盖的最大范围。最大/最小工作距离（WorkDistance）从物镜到被检测物体的距离的范围，小于最小工作距离大于最大工作距离系统均不能正确成像。景深（DepthOfField）在某个调焦位置上，景深内的物体都可以清晰成像。畸变几何畸变指的是由于镜头方面的原因导致的图像范围内不同位置上的放大率存在的差异。几何畸变主要包括径向畸变和切向畸变。如枕形或桶形失真。成像面可以在镜头的像面上清晰成像的物方平面光圈与F值光圈是一个用来控制镜头通光量装置，它通常是在镜头内。表达光圈大小我们是用F值，如f1.4，f2，f2.8etc。焦距焦距是像方主面到像方焦点的距离。如16mm，25mm分辨率测量系统能够重现的最小的细节的尺寸常常用每毫米线对来表示，也就是根据这个镜头能够分辨一毫米内多少对直线。选择镜头的时候必须注意厂商给出的分辨率的定义方式。3.镜头的分类按照等效焦距分为广角镜头等效焦距小于标准镜头（等效焦距为50mm）的镜头。特点是最小工作距离短，景深大，视角大。常常表现为桶形畸变。中焦距镜头焦距介于广角镜头和长焦镜头之间的镜头。通常情况下畸变校正较好。长焦距镜头等效焦距超过200mm的镜头。工作距离长，放大比大，畸变常常表现为枕形状畸变。按照功能分变焦距镜头镜头的焦距可以调节，镜头的视角，视野可变定焦距镜头镜头的焦距不能调节，镜头视角固定。聚焦位置和光圈可以调节定光圈镜头光圈不能调节，通常情况下聚焦也不能调节按照用途分微距镜头（或者成为显微镜头）用于拍摄较小的目标具有很大的放大比远心镜头包括物方远心镜头和像方远心镜头以及双边远心镜头。4.工业相机的基本概念物理放大率传感器感光面积于视野的比值，整个参数基本取决于镜头系统放大率最后显示环节上目标的尺寸于实际目标尺寸的比值。系统放大率取决于物理放大率和显示系统的阐述。对于自动测量和检测系统而言，物理放大率具有关键的意义。系统放大率仅仅对于需要人机交互进行检测的系统有意义像素（Pixel=picture+element）传感器感光面上最小感光单位分辨率(Resolution)模拟制式相机的分辨率取决于传感器上像素的数目以及后期处理电路的质量，数字相机的传分辨率则直接取决与传感器上像素的数目。相机扫描方式：隔行扫描、逐行扫描CCD的基本工作原理：当光子撞击到硅原子上时，会产生自由电子，再将这些自由电子收集在一起形成信号。工业相机分类：按照图像传感器区分CCD相机：使用CCD感光芯片为图像传感器的相机CMOS相机：使用CMOS感光芯片为图像传感器的相机按照输出图像颜色区分：单色相机：输出图像为单色图像的相机。彩色相机：输出图像为彩色图像的相机。按照传感器类型区分面扫描相机传感器上像素呈面状分布的相机，其所成图像为二维“面”图像。线扫描相机传感器上呈线状（一行或三行）分布的相机，其所成图像为一维“线”图像。按输出信号区分模拟信号相机从传感器中传出的信号，被转换成模拟电压信号，即普通视频信号，后再传到图像采集卡中。数字信号相机信号自传感器中的像素输出后，在相机内部直接数字化并输出。5.图像采集卡的基本概念图像采集卡（FrameGraber）图像采集卡是图像采集部分和处理部分的接口。图像经过采样、量化以后转换为数字图像并输入、存储到帧存储器的过程，叫做采集、数字化。A/D转换视频量化处理是指将相机所输出的模拟视频信号转换为PC所能识别的数字信号的过程，即A/D转换。视频信号的量化处理是图像采集处理的重要组成部分。6.光源简述机器视觉系统工作的基本程序：取像=》分析=》结果输出光源：为确保视觉系统正常取像获得足够光信息而提供照明的装置光源的目的•是将待测区域与背景明显区分开•将运动目标“凝固”在图像上•增强待测目标边缘清晰度•消除阴影•抵消噪光光源是一个视觉应用开始工作的第一步适合的光源可以提高系统检测精度、运行速度及工作效率获得完美图像的6大要素：高系统精度、清晰成象、避免畸变、保持待测物体在成象中大小一致、图像中待测部分反差最大化、恰当的照明与曝光获得完美图像的6大要素及控制因素·高系统精度。控制因素：视野、相机分辨率。·清晰成象。控制因素：镜头、光源·避免畸变。控制因素：镜头、系统标定·保持待测物体在成象中大小一致。控制因素：视野、拍照角度、待测物位置·反差最大化。控制因素：光源·恰当的照明与曝光。控制因素：光源、镜头如何获得完美图像·选择适合的光源、镜头、相机·学会如何使用、控制光源、镜头、相机如何选择光源：背光——测量系统的最佳选择、亮场——最直接的照明、暗场——适合光滑表面的照明、结构光法——最简便的三维测量、影子的利用——最不直接的测量、同轴光——昂贵的光源、彩色的考虑7.图像处理的基本步骤高通滤波：增强对比度010151010低通滤波：降低噪音111111111Sobel：提取边缘101202101121000121基本形态算子·腐蚀(erosion)：取最小值·膨胀(dilation)：取最大值·中值滤波(Medianfilter)：取中间值门限种类·单门限：将图像像素分2类·双门限：将图像像素分3类门限选取方式·手动选取：如绝对值、相对值等·自动选取：如最佳门限8.边缘检测算法Roberts边缘检测算子；Sobel边缘检测算子；Prewitt边缘检测算子；Krisch边缘检测；LoG_Laplacian高斯-拉普拉斯算子；边缘上的这种变化可以通过微分算子进行检测：一阶导数：通过梯度来计算特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。用途：用于检测图像中边的存在二阶导数：通过拉普拉斯算子来计算特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。用途：确定边上的像素是在亮的一边，还是暗的一边，0用于确定边的准确位置边缘检测算法有如下四个步骤滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能．需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折衷．增强：增强边缘的基础是确定图像各点邻域强度的变化值．增强算法可以将邻域（或局部）强度值有显著变化的点突显出来．边缘增强一般是通过计算梯度幅值来完的．检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点．最简单的边缘检测判据是梯度幅值阈值判据．定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来．边缘检测中经常碰到的问题是：·图像中存在太多的细节。比如，前面例子中的砖墙·图像受到噪声的干扰，不能准确的检测边缘解决的一个方法是在边缘检测之前对图像进行平滑Roberts边缘检测算子实现步骤(1)取得原图的数据区指针。(2)开辟一个和原图相同大小的图像缓冲区，并设定新图像初值为全白（255）。(3)每个像素依次循环，用Roberts边缘检测算子分别计算图像中各点灰度值，对它们平方之和，再开方。(4)将缓冲区中的数据复制到原图数据区。Sobel边缘检测算子实现步骤(1)取得原图的数据区指针。(2)开辟两个和原图相同大小的图像缓冲区，将原图复制到两个缓冲区。(3)分别设置Sobel算子的两个模板，调用Templat()模板函数分别对两个缓冲区中的图像进行卷积计算。(4)两个缓存图像每个像素依次循环，取两个缓存中各个像素灰度值较大者。(5)将缓冲区中的图像复制到原图数据区。Prewitt边缘检测算子