计算机视觉简介 随着自动化水平不断的提高，机器视觉在自动化行业中应用也是越来越多，而机器视觉在我国可以说处于刚起步发展阶段，从事这一行业研究的专业人士很少，前两天有位热心的网友特地给我来信寻求这方面的资料支持，今就下班之余在网上搜索了下面这篇本人认为介绍的比较全面的文章，现摘录如下，希望能给从事自动化行业的人士一些指引，我将在中国自动化网及BBS论坛经常简介有关机器视觉方面的知识，希望大家能关注，也希望机器视觉感爱好者能提供些这方面的信息，供大家学习！ 计算机视觉是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量等；图像处理的主要功能是将获得的低质量图像（反差小，模糊，变形等）用计算机处理成更适合人眼观察或仪器检测的图像。 机器人视觉是一门新兴的发展迅速的学科，八十年代以来, 机器人视觉的研究已经历了从实险室走向实际应用的发展阶段。从简单的二值图象处理到高分辨率多灰度的图象处理,从一般的二维信息处理到三维视觉机理以及模型和算法的研究都取得了很大的进展。而计算机工业水平的飞速提高以及人工智能、并行处理和神经元网络等学科的发展,更促进了机器人视觉系统的实用化和涉足许多复杂视觉过程的研究。目前，机器人视觉系统正在广泛地应用于视觉检测、机器人的视觉引导和自动化装配领域中。 在现代化的大生产之中，视觉检测往往是不可缺少的环节。比如，汽车零件的外观，药品包装的正误，IC字符印刷的质量，电路板焊接的好坏，等等，都需要众多的检测工人，通过肉眼或结合显微镜进行观测检验。大量的检测人工不仅影响工厂效率，而且带来不可靠的因素，直接影响产品质量与成本。另外，许多检测的工序不仅仅要求外观的检测，同时需要准确获取检测数据，比如零件的宽度，圆孔的直径，以及基准点的坐标等等，这些工作则是很难靠人眼快速完成。 近年来发展迅猛的机器视觉技术解决了这一问题。机器视觉系统一般采用CCD照相机摄取检测图象并转化为数字信号，再采用先进的计算机硬件与软件技术对图象数字信号进行处理，从而得到所需要的各种目标图象特征值，并由此实现模式识别，坐标计算，灰度分布图等多种功能。然后再根据其结果显示图象，输出数据，发出指令，配合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。与人工视觉相比较，机器视觉的最大优点是精确，快速，可靠，以及数字化。 技术简介 　机器视觉系统的概述 　　　机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 　　机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 　　机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 　　将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 　　视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 　　图像的获取 　　图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： 　　＊ 照明 　　＊ 图像聚焦形成 　　＊ 图像确定和形成摄像机输出信号 　　1、照明 　　照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 　　过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。但是，这些光源的一个最大缺点是光能不能保持稳定。以日光灯为例，在使用的第一个100小时内，光能将下降15%，随着使用时间的增加，光能将不断下降。因此，如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。 　　另一个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，一般采用加防护屏的方法，减少环境光的影响。 　　由于存在上述问题，在现今的工业应用中，对于某些要求高的检测任务，常采用X射线、超声波等不可见光作为光源。但是不可见光不利于检测系统的操作，且价格较高，所以，目前在实际应用中，仍多用可见光作为光源。 　　照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，照像机拍摄要求与光源同步。 2、图像聚焦形成 　　被测物的图像通过一个透镜聚焦在敏感元件上，如同照像机拍照一样。所不同的是照像机使用胶卷，而机器视觉系统使用传感器来捕捉图像，传感器将可视图像转化为电信号，便于计算机处理。 　　选取机器视觉系统中的摄像机应根据实际应用的要求，其中摄像机的透镜参数是一项重要指标。透镜参数分为四个部分：放大倍率、焦距、景深和透镜安装。 　　3、图像确定和形成摄像机输出信号 　　机器视觉系统实际上是一个光电转换装置，即将传感器所接收到的透镜成像，转化为什么算机能处理的电信号、摄像机可以是电子管的，也可是固体状态传感单元。 　　电子管摄像机发展较早，20世纪30年代就已应用于商业电视，它采用包含光感元件的真空管进行图像传感，将所接收到的图像转换成模拟电压信号输出。具有RS-170输出制式的摄像机可直接与商用电视显示器相连。 　　固体状态摄像机是在20世纪60年代后期，美国贝尔电话实验室发明了电荷耦合装置（CCD），而发展起来的。它上分布于各个像元的光敏二极管的线性阵列或矩形阵列构成，通过按一定顺序输出每个二极管的电压脉冲，实现将图像光信号转换成电信号的目的。输出的电压脉冲序列可以直接以RS-170制式输入标准电视显示器，或者输入计算机的内存，进行数值化处理。CCD是现在最常用的机器视觉传感器。 图像处理技术 　　机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。 　　1、图像的增强 　　图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。 　　图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表，与对比度紧密相连。 　　通常，在计算机中表示的一幅二维数字图像可表示为一个矩阵，其矩阵中的元素是位于相应坐标位置的图像灰度值，是离散化的整数，一般取0，1，……，255。这主要是因为计算机中的一个字节所表示的数值范围是0~255。另外，人眼也只能分辨32个左右的灰度级。所以，用一个字节表示灰度即可。 　　但是，直方图仅能统计某级灰度像素出现的概率，反映不出该像素在图像中的二维坐标。因此，不同的图像有可能具有相同的直方图。通过灰度直方图的形状，能判断该图像的清晰度和黑白对比度。 　　如果获得一幅图像的直方图效果不理想，可以通过直方图均衡化处理技术作适当修改，即把一幅已知灰度概率分布图像中的像素灰度作某种映射变换，使它变成一幅具有均匀灰度概率分布的新图像，实现使图象清晰的目的。 2、图像的平滑 　　图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息。众所周知，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会使图像变质。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。 　　在本世纪四、五十年代发展起来的线性滤波器以其完善的理论基础，数学处理方便，易于采用FFT和硬件实现等优点，一直在图像滤波领域占有重要地位，其中以WIENER滤波器理论和卡尔曼滤波理论为代表。但是线性滤波器存在着计算复杂度高，不便于实时处理等缺点。虽然它对高斯噪声有良好的平滑作用，但对脉冲信号干扰和其它形式的噪声干扰抑制效果差，信号边缘模糊。为此，1971年，著名学者TUKEY提出非线笥滤波器——中值滤波器，即把局部