1、第 2章 機器視覺系統(tǒng)與數(shù)字圖像處理2.1機器視覺系統(tǒng)2.1. 1機器視覺系統(tǒng)簡介機器視覺系統(tǒng)是指利用機器替代人眼做出各種測量和判斷。 機器視覺是工程 領(lǐng)域和科學領(lǐng)域中的一個非常重要的研究領(lǐng)域, 它是一門涉及光學、 機械、 計算 機、模式識別、圖像處理、人工智能、信號處理以及光電一體化等多個領(lǐng)域的綜 合性學科, 其能以及應用范圍隨著工業(yè)自動化的發(fā)展逐漸完善和推廣, 其中母子 圖像傳感器、 CMOS 和 CCD 攝像機、 DSP 、 ARM 嵌入式技術(shù)、圖像處理和模式 識別等技術(shù)的快速發(fā)展, 有力地推動了機器視覺的發(fā)展。 機器視覺是一種比較復 雜的系統(tǒng)。 因為大多數(shù)系統(tǒng)監(jiān)控對象都是運動物體, 系

2、統(tǒng)與運動物體的匹配和協(xié) 調(diào)動作尤為重要,所以給系統(tǒng)各部分的動作時間和處理速度帶來了嚴格的要求。 在某些應用領(lǐng)域, 例如機器人、 飛行物體導制等, 對整個系統(tǒng)或者系統(tǒng)的一部分 的重量、體積和功耗都會有嚴格的要求。機器視覺系統(tǒng)通過圖像攝取裝置將被攝取目標轉(zhuǎn)換成圖像信號, 傳送給專用 的圖像處理系統(tǒng),根據(jù)像素分布和亮度、顏色等信息,轉(zhuǎn)變成數(shù)字化信號。機器 視覺系統(tǒng)可以快速獲取大量信息, 而且易于自動處理, 也易于同設計信息以及加 工控制信息集成。 在生產(chǎn)線上, 人來做此類測量和判斷會因疲勞、 個人之間的差 異等產(chǎn)生誤差和錯誤, 但是機器卻會不知疲倦地、 穩(wěn)定地進行下去; 在一些不適 合人工作業(yè)的危險

3、工作環(huán)境或人工視覺難以滿足要求的場合, 常用機器視覺來替 代人工視覺。 機器視覺系統(tǒng)就其檢測性質(zhì)和應用范圍而言, 分為定量和定性檢測 兩大類, 每類又分為不同的子類。 機器視覺在工業(yè)在線檢測的各個應用領(lǐng)域十分 活躍,如:印刷電路板的視覺檢查、鋼板表面的自動探傷、大型工件平行度和垂 直度測量、容器容積或雜質(zhì)檢測、機械零件的自動識別分類和幾何尺寸測量等。 此外, 在許多其它方法難以檢測的場合, 利用機器視覺系統(tǒng)可以有效地實現(xiàn)。 機 器視覺的應用正越來越多地代替人去完成許多工作, 這無疑在很大程度上提高了 生產(chǎn)自動化水平和檢測系統(tǒng)的智能水平機器視覺系統(tǒng)的優(yōu)點有:1. 非接觸測量, 對于被檢測對象不會

4、產(chǎn)生任何損傷, 而且提高了系統(tǒng)能夠的可靠性; 2. 較寬的光譜響應范圍, 例如使用人眼看不見的 紅外測量, 擴展人眼的視覺范圍; 3. 長時間穩(wěn)定工作, 人類難以長時間對同一對 象進行觀察, 而機器視覺系統(tǒng)則可以長時間地作測量、 分析和識別任務。 機器視 覺系統(tǒng)的應用領(lǐng)域越來越廣泛。在工業(yè)、農(nóng)業(yè)、國防、交通、醫(yī)療、金融甚至體 育、 娛樂等等行業(yè)都獲得了廣泛的應用, 可以說已經(jīng)深入到我們的生活、 生產(chǎn)和工作的方方面面。2.1.2機器視覺系統(tǒng)的構(gòu)成和工作過程一個完整的機器視覺系統(tǒng)包括:照明光源、光學鏡頭、 CCD 攝相機、圖 像采集卡、圖像檢測軟件、監(jiān)視器、通訊單元等,如圖 2-1所示。 圖 2-

5、1典型的機器視覺系統(tǒng)Fig.2-1 A typical machine vision system工業(yè)機器視覺系統(tǒng)的工作過程主要如下,如圖 2-2所示:1、當傳感器探測到被撿測物體接近運動至攝像機的拍攝中心,將觸發(fā) 脈沖發(fā)送給圖像采集卡;2、圖像采集卡根據(jù)已設定的程序和延時,將啟動脈沖分別發(fā)送給照明 系統(tǒng)和攝像機;3、一個啟動脈沖送給攝像機,攝像機結(jié)束當前的拍照,重新開始一副 新的拍照,或者在啟動脈沖到來前攝像機處于等待狀態(tài),檢測到啟動脈沖 后啟動,在開始新的一副拍照前攝像機打開曝光構(gòu)件(曝光時間事先設定 好;另一個啟動脈沖送給光源,光源的打開時間需要與攝像機的曝光時 間匹配;攝像機掃描和輸出

6、一副圖像;4、圖像采集卡接收信號并通過 A/D轉(zhuǎn)換將模擬信號數(shù)字化,或者是直 接接收攝像機數(shù)字化后的數(shù)字視頻數(shù)據(jù);5、圖像采集卡將數(shù)字圖像存儲在計算機的內(nèi)存中;6、計算機對圖像進行處理、分析和識別,獲得檢測結(jié)果;7、處理結(jié)果控制流水線的動作、進行定位、糾正運動的誤差等。 圖 2-2機器視覺系統(tǒng)的工作過程Fig.2-2 The working principle of Machine vision system2.2數(shù)字圖像處理2.2. 1數(shù)字圖像處理簡介數(shù)字圖像處理 (Digital Image Processing即計算機圖像處理,指將圖像 由模擬信號轉(zhuǎn)化為數(shù)字信號, 并利用計算機對圖像進行

7、去噪、 增強、 復原、 分割、 提取特征等處理的過程。 圖像經(jīng)過處理后, 輸出的質(zhì)量得到很大程度的增強, 即 改善了其視覺效果,又便于計算機完成后續(xù)的分析、處理等。圖像是人類獲取信息和交換信息的主要來源之一, 圖像處理已經(jīng)在人類生活 和工作的許多方面得到了廣泛的應用并取得令人矚目的成就,例如航空航天技 術(shù)、通信工程、生物醫(yī)學工程、工業(yè)檢測、文化藝術(shù)、軍事安全、電子商務、視 頻和多媒體系統(tǒng)等領(lǐng)域,圖像處理已經(jīng)成為一門前景遠大的新型學科。數(shù)字 圖像處理技術(shù)雖然已經(jīng)取得了很多重要的研究成就,但是仍然存在一些困難: (1信息處理量大。數(shù)字圖像處理的信息基本上都是以二維形式存在,處理信 息量較大,對計算

8、機的速度、存儲量等有比較高的要求。 (2頻帶占用寬。在圖 像成像、傳輸、顯示等環(huán)節(jié)的實現(xiàn)上,成本高,技術(shù)實現(xiàn)難度大,這就要求更高 的頻帶壓縮技術(shù)。 (3像素相關(guān)性較大。數(shù)字圖像中每個像素并不是獨立的,很 多像素有著相同或者接近的灰度, 相關(guān)性較大, 因此信息壓縮有很大地提升空間。 (4不能復現(xiàn)有關(guān)三維景物的所有幾何信息。圖像是三維景物的二維投影,所 以必須附加新的測量或者合適的假定才能理解和分析三維景物。 (5 人為因素的 影響大。經(jīng)過數(shù)字圖像處理的圖像一般是被人觀察和分析的,人的視覺系統(tǒng) 很復雜, 機器視覺系統(tǒng)同樣是模仿人的視覺, 人的感知機理制約著機器視覺系統(tǒng) 的研究。在工業(yè)生產(chǎn)自動化過程

9、中, 數(shù)字圖像處理技術(shù)是實現(xiàn)產(chǎn)品實時監(jiān)控和故障診 斷分析最有效的方法之一, 隨著計算機軟硬件、 思維科學研究、 模式識別以及機 器視覺系統(tǒng)等相關(guān)技術(shù)和理論的進一步發(fā)展, 將促進這一方法向更高、 更深層次 發(fā)展。2.2.2 數(shù)字圖像處理的工具數(shù)字圖像處理的應用工具有很多,總體可以分為三類:第一類工具的共同點是先把圖像變換到其他域中進行處理, 再變換到原域中 進行下一步處理,例如有關(guān)圖像濾波和正交變換等方法。第二類工具是直接在空間域中進行圖像處理, 例如微分方程方法、 統(tǒng)計方法 等數(shù)學方法。第三類工具和通常在空間域和頻域使用的方法不同, 是建立在隨機集合和積 分幾何論基礎(chǔ)上的運算,例如數(shù)學形態(tài)運算

10、方法。2.2.3數(shù)字圖像處理的研究內(nèi)容數(shù)字圖像處理的研究內(nèi)容主要有以下幾個方面:1.圖像變換。為了得到更加簡單和方便處理的圖像函數(shù),一般要對圖 像進行圖像變換,圖像變換的形式主要有光學和數(shù)字兩種,分別對應連續(xù) 函數(shù)和二維離散運算。常用的方法有傅立葉變換、沃爾什 -哈達瑪變換、離 散卡夫納-勒維變換等間接處理技術(shù)。2.圖像增強和復原。其目的都是改善圖像的質(zhì)量,提高圖像的清晰度。 圖像增強可以突出預處理圖像中所感興趣信息,常用方法有灰度變換、直 方圖處理、銳化濾波等。圖像復原可以復原被退化的圖像,常采用濾波復 原的方法。3.圖像壓縮。這種技術(shù)可以除去冗余數(shù)據(jù),減少描述圖像所需的數(shù)據(jù) 量,實現(xiàn)快速傳

11、輸和存儲圖像數(shù)據(jù)。圖像壓縮分為有損壓縮和無損壓縮兩 種,無損壓縮主要用在編檔保存等要求圖像質(zhì)量的方面,有損壓縮相比前 者可以實現(xiàn)更高的壓縮程度,但是生成的圖像不如原圖。4.圖像分割。圖像分割是把圖像內(nèi)各像素進行分類,將圖像細分成若干有 意義的子區(qū)域,如圖像中的區(qū)域、邊緣等。經(jīng)過幾十年的研究,在借助各種理論 的基礎(chǔ)上, 圖像分割的算法現(xiàn)在已經(jīng)有上千種, 但由于這些算法都是針對具體問 題提出的, 因此尚無通用分割算法。 隨著各種新技術(shù)和新理論的結(jié)合, 圖像分割 算法將取得更大地突破和進展。5.圖像描述。對被分割出來的區(qū)域進行描述,是圖像自動化處理的前期步 驟, 表示區(qū)域關(guān)系到兩個基本選擇:用外部特征表示區(qū)域和用內(nèi)部特征表示區(qū)域, 不管選擇何種表示方案都是為了數(shù)據(jù)便于計算機處理。 圖像描述的方法有曲線擬 合、基于弧長極半徑的傅里葉描述子、矩描述、鏈碼。6.圖像分類識別。圖像識別是按照某些特征對研究對象進行識別,屬于模 式