機器視覺系統基本原理1.機器視覺系統的原理

2.機器視覺系統與人的視覺的對比3.機器視覺系統的構成第一頁，共33頁。機器視覺系統原理及基礎知識機器視覺系統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第二頁，共33頁。1.機器視覺系統的原理

機器視覺系統的目的就是給機器或自動生產線添加一套視覺系統，其原理是由計算機或圖像處理器以及相關設備來模擬人的視覺行為，完成得到人的視覺系統所得到的信息。人的視覺系統是由眼球、神經系統及大腦的視覺中樞構成，計算機視覺系統則是由圖像采集系統、圖像處理系統及信息綜合分析處理系統構成。第三頁，共33頁。

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。紅色部分就構成了圖像分析的研究內容。

第四頁，共33頁。第五頁，共33頁。機器視覺系統結構第六頁，共33頁。照明光源

簡單視功能原理：人眼視網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。

第七頁，共33頁。光源（光源是基準，打光是藝術）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第八頁，共33頁。好的打光方式等于成功了一大半光源調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域的特征同時抑制其他的特征（噪聲）第九頁，共33頁。照明規則

1、光線太暗會影響視覺系統2、光線太亮會影響視覺系統3、照明的主要功能是產生光學信號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，它降低圖像質量7、來自目標任意點的光線都應填滿鏡頭的入瞳第十頁，共33頁。鏡頭－影響圖像質量的因素

第十一頁，共33頁。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第十二頁，共33頁。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）CS接口（后截距）F接口（尼康口）M42其它：哈蘇、徠卡、AK第十三頁，共33頁。

遠心鏡頭在測量系統中，物距常發生變化，從而使像高發生變化，所以測得的物體尺寸也發生變化，即產生了測量誤差；即使物距是固定的，也會因為CCD敏感表面不易精確調整在像平面上，同樣也會產生測量誤差。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。第十四頁，共33頁。遠心鏡頭的優點：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第十五頁，共33頁。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。第十六頁，共33頁。鏡頭畸變第十七頁，共33頁。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字傳感器。第十八頁，共33頁。攝像機—計算機接口

攝像機捕獲圖像后輸出為模擬或數字視頻信號。第十九頁，共33頁。圖像處理系統

圖像處理系統或計算機的作用是執行圖像處理及分析軟件，調用根據檢測功能所特殊設計的一系列圖像處理及分析算法模塊，對圖像數據進行復雜的計算和處理，最終得到系統設計所需要的信息，然后通過與之相連接的外部設備以各種形式輸出檢測結果及響應。其外部輸出設備可以包括顯示器、網絡、打印機、報警器及各種控制信號。第二十頁，共33頁。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系描述理解解釋圖像分析第二十一頁，共33頁。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）幾何形態分析（Blob分析），形狀、邊緣、長度、面積、圓形度位置、方向、數量、連通性等搜索匹配文字識別OCR，印刷質量OCV色彩分析（色度、色密度、光譜、自動白平衡）3維測量第二十二頁，共33頁。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。第二十三頁，共33頁。

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第二十四頁，共33頁。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第二十五頁，共33頁。

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。第二十六頁，共33頁。

第二類問題:

待識別物是有形的整體，二維圖像信息已經足夠識別該物體，如文字識別、某些具有穩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。第二十七頁，共33頁。二、圖像分析的關鍵技術

1、低層處理的圖象分割算法不穩定，很難把物體在圖象中相應位置截然分割開來；

2、從平面圖象出發發現立體信息（病態問題）；

3、大規模并行圖象處理；三、圖像分析的相關學科屬于計算機學科，但它的基礎知識來自神經生理學、認知心理學、物理學、數學等經典學科，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系。圖像分析是一門多學科的交叉。第二十八頁，共33頁。四、圖像分析的發展歷程1、圖像分析的興起(1964年――1970年)

以改善圖像質量為目標的計算機圖像處理得到蓬勃發展。2、圖像分析的發展(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年至現在)

即著眼于對圖像的識別和理解。對圖像的分析與處理，也