德阳机器视觉系统软件设计的简单介绍

2023-03-24 12:24:01舞蹈049

今天给各位分享德阳机器视觉系统软件设计的知识，其中也会对进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

1、机器视觉图像处理本质？
2、机器视觉行业如何设计机器视觉系统框架
3、什么是机器视觉，主要的应用于哪些场景
4、什么是机器视觉？工作原理是什么
5、综合机器视觉检测技术，在设计一个机器视觉检测系统时，设计过程应该如何进行，需要重点考虑哪些

机器视觉图像处理本质？

由于随机干扰，相机输入的原始图像在一般情况下不能在机器视觉系统中直接使用，因此需要对原始图像进行处理。

图像处理的作用是突出图像中对机器视觉系统而言需要的特征，而减少不需要的特征，并不考虑图像是否降质。图像处理不是目的，而是为了机器视觉系统进一步的决策做准备。

图像处理的主要方式有以下几种：

一、二值化处理

根据某个阈值，将图像（模拟图像已经转换成了数字图像）中的256个灰度级别变成只有黑（0）和白（255）两种像素的二值化图像。

这样就把图像分成了需要使用的和不需要使用两部分，因此这一 *** 称为二值化处理或图像分割。

在对数字图像的处理过程中，将灰度图像（包括以灰度模式显示的彩色图像）二值化，使得在对图像做进一步处理时，操作更简单，运算和存储的数据量更小，系统速度更优化。

对灰度图像或以灰度模式显示的彩色图像进行二值化处理时，可人工设定阈值，也可以由系统自动求出阈值，从而将图像二值化。比较常用的计算阈值的 *** 包括双峰法、P参数法、迭代法和OTSU法等。

二、灰度处理

灰度图像是RGB三种颜色的分量相同的图像。彩色图像的三原色（学名三基色）中RGB的数量级（0~255）用同一个数值表示，则把彩色图像变为以灰度图像表示，这样可以减少图像数据运算量和存储量。

这个数值就叫灰度值，彩色图像转变为灰度图像的过程就是灰度处理的过程。

常用的灰度处理 *** 有任意分量法、更大值法、平均值法、加权平均值法。

三、图像增强（清晰化处理）

图像在传送和转换过程中，信号会不同程度地受到干扰而衰减，图像质量有时达不到机器视觉系统的要求。这时就要对图像附加一些信息或变换数据，有选择性地突出图像中有用的特征或抑制无用的特征，这就是图像增强。比如对比度增强、直方图均衡化、去雾处理等。

图像增强和图像还原是有区别的，图像增强是不考虑图像的降质而提高图像的实用性；图像还原是考虑图像的降质而提高图像的真实性。

图像增强的 *** 有：1、直接对图像的像素进行处理的空间域法。2、利用某种变换将空间域变为频率域，再将频率域变为空间域的图像（傅里叶变换、小波变换等）的频率法。

四、图像滤波（图像平滑处理）

由于硬件的性能原因以及对图像的某些处理环节，图像在形成、传输、记录过程中会受到多种杂波（噪声）干扰，使图像形成亮点、暗斑，影响了图像的进一步使用。这时就要对杂波进行过滤，称为滤波。

图像滤波是图像处理中不可缺少的一步，其处理效果将直接影响后续的图像分析的有效性和可靠性。图像滤波的 *** 有移动平均滤波、高斯滤波、中值滤波、非线性中值滤波等。

五、图像锐化（清晰化处理）

图像锐化也称为边缘增强，起到突出图像的地物边缘、补偿图像的轮廓、使图像更清晰的作用。图像锐化和图像增强一样有空间域处理和频率域处理两个 *** 。

简单的边缘线就能使我们理解所要表述的物体，对于图像处理来说，边缘检测也是重要的基本操作之一。

六、图像的腐蚀和膨胀（二值图像平滑处理）

图像的腐蚀和膨胀操作是图像形态学算法处理的基础。

腐蚀的作用是消除目标图像的边界噪声点，使目标缩小（白 *** 域变小）；膨胀的作用是将与目标图像接触的背景点合并，填补空洞，使目标增大（白 *** 域变大）。

两种操作一般配合使用，先腐蚀后膨胀为开运算（清除白色外部的白点噪声，使外轮廓清晰，噪声去外白、留内黑）；

先膨胀后腐蚀为闭运算（清除白色内部的黑点噪声，使内轮廓清晰，噪声去内黑、留外白）。

为了不破坏区域间的连接性，更多的 *** 是使用面积法去噪声处理。

想了解更多机器视觉相关内容可登录：网页链接

机器视觉行业如何设计机器视觉系统框架

如何设计机器视觉系统框架 --- 创科黎友在决定一个机器视觉系统的需求及应用时，很多因素需要考虑。机器视觉（或称为自动可视检测系统）一般包含了大量部件，这些部件直接影响系统的性能。为了获得这些子系统的优越性能，并无缝将他们接合在你的生产线上，更好花一些时间来学习视觉系统的组成、应用、以及正确的规划的重要性。机器视觉的应用在对精度和可靠性都很高的重复性检测任务中，机器视觉广泛应用在这些生产流程中。一些常见的任务：在食物包装中检测数据代码；自动检测部件用于正确的安装；为机器人的捡起（pick）和放置（place）动作提供向导；在制药中效验药品的颜色；读取部件的条形码、以及在产品上的标识；还有更多更多。基于PC的机器视觉系统的基本组成由于机器视觉应用非常广泛，在不同的系统里使用不同的部件，但是，我们可以将这些部件分成如下几类（见图1）。图1 通常的机器视觉系统的主要组成（附件1） 1. 摄像头和光学部件 –这一类通常含有一个或多个摄像头和镜头（光学部件），用于拍摄被检测的物体。根据应用，摄像头可以基于如下标准，黑白RS-170/CCIR、复**色（Y/C），RGB彩色，非标准黑白（可变扫描），步进扫描（progressive-scan）或线扫描。 2. 灯光 –灯光用于照亮部件，以便从摄像头中拍摄到更好的图像，灯光系统可以在不同形状、尺寸和亮度。一般的灯光形式是高频荧光灯、LED、白炽灯和石英卤（quartz-halogen）光纤。 3. 部件传感器 –通常以光栅或传感器的形式出现。当这个传感器感知到部件靠近，它会给出一个触发信号。当部件处于正确位置时，这个传感器告诉机器视觉系统去采集图像。 4. 图像采集卡 –也称为视频抓取卡，这个部件通常是一张插在PC上的卡。这张采集卡的作用将摄像头与PC连接起来。它从摄像头中获得数据（模拟信号或数字信号），然后转换成PC能处理的信息。它同时可以提供控制摄像头参数（例如触发、曝光时间、快门速度等等）的信号。图像采集卡形式很多，支持不同类型的摄像头，不同的计算机总线。 5. PC平台 –计算机是机器视觉的关键组成部分。应用在检测方面，通常使用Pentium III或更高的CPU。一般来讲，计算机的速度越快，视觉系统处理每一张图片的时间就越短。由于在制造现场中，经常有振动、灰尘、热辐射等等，所以一般需要工业级的计算机。 6. 检测软件 –机器视觉软件用于创建和执行程序、处理采集回来的图像数据、以及作出“通过/失败（PASS/FAIL）”决定。机器视觉有多种形式（C语言库、 ActiveX控件、点击编程环境等等），可以是单一功能（例如设计只用来检测LCD或BGA、对齐任务等等），也可以是多功能（例如设计一个套件，包含计量、条形码阅读、机器人导航、现场验证等等）。 7. 数字I/O和 *** 连接 –一旦系统完成这个检测部分，这部分必须能与外界通信，例如需要控制生产流程、将“通过/失败（PASS/FAIL）”的信息送给数据库。通常，使用一张数字I/O板卡和（或）一张网卡来实现机器视觉系统与外界系统和数据库的通信。配置一个基于PC的机器视觉系统认真的计划和注意细节能帮助你确保你的检测系统符合你的应用需求。如下是你必需考虑的几点：确定你的目标 –这可能是最重要的一步棗决定在这个检测任务中你需要实现什么，检测任务通常分为如下几类： 1. 测量或计量 2. 读取字符或编码（条形码）信息。 3. 检测物体的状态 4. 认知和识别特殊的特性棗模式识别 5. 将物体与模板进行对比或匹配 6. 为机器或机器人导航检测流程可以包含只有一个操作或包含多个与检测任务相关的任务。为了确认你的任务，首先你应该明确为了更大限度检测部件你需要做的测试，也就是你能考虑到会出现的缺陷。为了明确什么哪个才是最重要的，更好做一张评估表，列出“必须做”和“可以做”的测试。一旦主要的对测试标准满意，随后可以将更多的测试加进去来改善检测过程，一定要记住，添加测试的同时也会增加检测的时间。确定你需要的速度 –系统检测每一个部件需要多少时间？这个不只是由PC的速度决定，还受生产流水线速度的影响。很多机器视觉包含了时钟/计时器，所以检测操作的每一步所需要的时间都可以准确测量，从这些数据，我们就可以修改我们的程序以满足时间上的要求。通常，一个基于PC的机器视觉系统每一秒可以检测20-25个部件，与检测部件的多少和处理程序以及计算机的速度有密切关系。聪明地选择你的硬件 –一套机器视觉系统的性能与它的部件密切相关。在选择的过程中，有很多捷径棗特别在光学成像上棗可能很大程度降低系统的效率。如下是在选择部件时你必须紧记的几个基本原则。 1. 摄像头摄像头的选择与应用的需求直接相关，通常考虑三点：a）黑白还是彩色；b）部件/目标的运动；c）图像分辨率。在检测应用中大部分使用黑白摄像头，因为黑白图像能提供90%可视数据，并且比彩色便宜。彩色摄像头主要用于一些需要分析彩色图像的场合里。根据部件在检测时是否移动，决定我们选择标准隔行扫描摄像头还是逐行扫描摄像头。另外，图像的分辨率必须足够高，以提供检测任务需要的足够的数据。最后，摄像头必须质量好和可以避免工业现场中的振动、灰尘和热的影响。 2. 光学部件和照明这个至关重要的因素往往被人所忽略。当你使用一个很差的光学部件或照明，就算你使用更好的机器视觉系统，它表现出的性能甚至比不上一个配上良好光学部件和适当照明的低能力系统。光学部件的目标是产生更好和更大可用面积的图像，并且提供更好的图像分辨率。照明的目标是照亮需要测量或检测的部分的关键特征。通常，照明系统的设计由如下因素决定：颜色、纹理、尺寸、外形、反射率等等。 3. 图像采集卡虽然图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。使用模拟输入的图像采集卡，目标是尽量不变地将摄像头采集的图像转换为数字数据。使用不正确的图像采集卡可能得到错误的数据。工业用的图像采集卡通常用于检测任务，多媒体采集卡由于它通过自动增益控制、边沿增强和颜色增强电路来更改图像数据，所以不用在这个领域里。使用数字输入的图像采集卡的目标是将摄像头输出的数字图像数据转换并输送到PC中作处理。考虑各种变化：人类的眼睛和大脑可以在不同的条件下识别目标，但是机器视觉系统就不是这样多才多艺了，它只能按程序编写的任务来工作。了解你的系统能看到什么和不能看到什么能帮助你避免失败（例如将好的部件认为是坏的）或其它检测错误。一般要考虑的包括部件颜色、周围光线、焦点、部件的位置和方向和背景颜色的大变化。正确选择软件：机器视觉软件是检测系统中的智能部分，也是最核心的部分。软件的选择决定了你编写调试检测程序的时间、检测操作的性能等等。图2 DTVF是一个多功能、图形化编程的机器视觉软件（附件2）机器视觉提供了图形化编程界面 (通常称为“Point Click”) 通常比其他编程语言(例如Visual C++)容易，但是在你需要一些特殊的特征或功能时有一定的局限性。基于代码的软件包，尽管非常困难和需要编码经验，但在编写复杂的特殊应用检测算法具备更大的灵活性。一些机器视觉软件同时提供了图形化和基于代码的编程环境，提供两方面更好的特征，提供了很多灵活性，满足不同的应用需求。通信和记录数据：机器视觉系统的总的目标是通过区分好和坏的部件来实现质量检测。为了实现这一功能，这个系统需要与生产流水线通信，这样才可以在发现坏的部件是做某种动作。通常这些动作是通过数字I/O板，这些板与制造流水线中的PLC相连，这样坏的部件就可以跟好的部件分离。例外，机器视觉系统可以与 *** 连接，这样就可以将数据传送给数据库，用于记录数据以及让质量控制员分析为什么会出现废品。在这一步认真考虑将有助于将机器视觉系统无缝与生产流水线结合起来。需要考虑的问题是： 1. 使用了什么类型的PLC，它的接口如何？ 2. 需要什么类型的信号？ 3. 现在使用或必须使用什么类型的 *** ？ 4. 在 *** 上传送的文件格式是什么？通常使用RS-232端口与数据库通信，来实现对数据的纪录。为以后做准备：当你为机器视觉系统选择部件时，时刻记住未来的生产所需和有可能发生的变动。这些将直接影响你的机器视觉软硬件是否容易更改来满足以后新的任务。提前的准备将不仅仅节约你的时间，而且通过在将来重用现有的检测任务可以降低整个系统的价格。机器视觉系统的性能由最差的部分决定（就像一个木桶的容量由最短的一个木块决定），精度则由它能获取的信息决定。花时间和精力合理配置系统就可以建造一个零故障和有弹性的视觉检测系统。