光源和镜头重要吗？ 点击：3583 | 回复：37
发表于：2004-08-17 19:38:00
8楼
机器视觉光学镜头的技术指标
作者:Gregg Fales, Edmund Industrial Optics
机器视觉的集成和设计面临各种来自硬件、软件和电子方面问题的挑战，如果忽视光学性能规格，不了解如何评估光学器件，用户挑选合适的机器视觉镜头将会面临挑战。通过了解10项镜头规格，可以帮助集成商和用户挑选镜头，来优化或评估各自系统的性能。
视觉系统光学性能的4项最基本参数是视野（field of view）、分辨率resolution、工作距离working distance和景深depth of field（见图）。需要考虑的更高级的集成规格参数包括焦距（f）、maximum chip format、失真（distortion）、变焦/聚焦特点（zoom/focus）、design conjugate、聚焦远心(telecentricity)。
四大参数
视野
简单而言，视野应该是你需要检查的物体的尺寸。很多从事机器视觉系统规格的工程师是从放大倍数的角度来思考的。然而，放大倍数是一种相对规格，依赖于图像传感器的尺寸和显示器件的尺寸。从视野或分辨率的角度来说，它没有真正意义。例如，一种具备 50 倍放大倍数的系统可能具有 5.3 毫米的视野（假如该系统使用的是 1/2 英寸 CCD 和 13 英寸显示器）或 15.2 毫米的视野（1 英寸 CCD、19 英寸显示器）。你必须规定视野，以确保视觉系统能够检验你感兴趣的整个区域。
分辨率
只有规定视野而不是规定放大倍数，才能确保系统将具有合适的分辨率。分辨率是系统可以测到的受检验物体上的最小可分辨特征尺寸。在多数情况下，视野越小，分辨率越好。系统的分辨率是由光学器件的调制传递函数（modulation transfer function, MTF）、摄像机、电缆和显示硬件等多个参数决定的。MTF 限定了部件在分辨率和对比度方面的总体成像性能。
光学器件的 MTF 常常被忽略，而仅仅根据基本放大倍数和摄像机像素数量来计算系统的分辨率是。这种近似计算假定光学器件是完美的，往往导致镜头规格偏低，并使系统性能降低。如果了解镜头把来自物体的数据传递到摄像机芯片的精确度，集成商就可以使系统的视野达到最大，同时为手头的工作维持适当的分辨率。
工作距离
有时，各种机械限制支配光学限制。工作距离是从镜头前部到受检验物体的距离。需要的工作距离越长，保持小视野的难度和成本就越高。通常，人们会出于需要而规定小视野，同时出于方便而规定相当长的工作距离。然而，这种配置会极大地增加成本，往往会降低分辨率，并削弱光学器件的采光能力，从而不必要地降低了系统的总体成像性能。当存在机械限制时（比如在真空箱内部获取某反应的图像），这种配置也许是必要的。不过，假如长工作距离不是必需的，那就不要把事情搞得过于复杂。
景深
假如成像的物体是三维的，那么你还必须考虑景深。镜头的景深是物体离最佳焦点较近或较远时，镜头保持所需分辨率的能力。大的景深能够简化各种安装限制，这是因为不需要进行精确的移动来使物体定位于镜头的额定工作距离。不过要记住，虽然镜头会在规定的景深上保持最小分辨率，但它们不一定会在该景深上保持相同视野。放大倍数的这种变化可能对机器视觉测量应用造成灾难性后果。远心镜头可以把该问题减小到最低程度。
四大参数已经定义机器视觉系统的性能，选择和优化另外六个参数，可以减少设备的设置费用、系统的故障时间，并优化设备的可靠性和可重复性。
发表于：2004-08-26 22:48:00
10楼
图像知识—图像词汇[转帖]
Algebraic operation 代数运算 一种图像处理运算，包括两幅图像对应像素的和、差、积、商
Aliasing 走样（混叠）当图象像素间距和图像细节相比太大时产生的一种人工痕迹
Arc 弧 图的一部分， 表示一曲线一段的相连的像素集合
Binary image 二值图象 只有两级灰度的数字图像（通常为0和1，黑和白）
Blur 模糊 由于散角、低通滤波、摄像机运动等引起的图像清晰度的下降
Border 边框 一幅图像的首、末行或列
Border chain code 边界链码 定义一个物体的边界的方向序列
Boundary pixel 边界像素 至少和一个背景像素相邻接的内部像素
Boundary tracking 边界跟踪 一种图像分割技术，通过沿弧从一个像素顺序探索到下一个像素将弧检测出
Brightness 亮度 和图像一个点相关的值，表示从该点的物体发射或反射的光的量
Change detection 变化检测 通过相减等操作将两幅匹配图像的像素加以比较从而检测出其中物体差别的技术
Closed curve 封闭曲线 一条首尾点处于同一位置的曲线
Cluster 聚类，集群 在空间中位置接近的点的集合
Cluster analysis 聚类分析 在空间中对聚类的检测、度量和描述
Concave 凹的 物体是凸的是指至少存在两个物体内部的点，其连线不能完全包含在物体内部
Contour encoding 轮廓编码 对具有均匀灰度的区域，只将其边界进行编码的一种图像压缩技术
Contrast 对比度 物体平均亮度与其周围背景的差别程度
Contrast stretch 对比度扩展 一种线性的灰度变换
Convex 凸的 物体是凸的是指连接物体内部任意两点的直线均落在物体内部
Convolution 卷积 一种将两个函数组合生成第三个函数的运算，卷积刻画了线性移不变系统的运算
Corrvolution kernel 卷积核 用于数字图像卷积滤波的二维数字阵列，与图像或信号卷积的函数
Curve 曲线 空间的一条连续路经，表示一路径的像素集合
Debluring 去模糊 一种降低图像模糊，锐化图像细节的运算；消除或降低图像的模糊，通常是图像复原或重构的一个步骤
Decision rule 决策规则
在模式识别中，用以将图像中物体赋以一定量的规则或算法，这种赋值是以对物体特征度量为基础的
Digital image 数字图像 表示景物图像的整数阵列；一个二维或更高维的采样并量化的函数，它由相同的连续图像产生；在矩阵网络上采样一连续函数，并在采样点上将值量化后的阵列
Digital image processing 数字图像处理 对图像的数字化处理；由计算机对图片信息进行操作
Digitization 数字化 将景物图像转化为数字形式的过程
Edge 边缘 在图像中灰度出现突变的区域；属于一段弧上的像素集，在其另一边的像素与其有明显的灰度差别
Edge detection 边缘检测 通过检查邻域，将边缘像素标识出的一种图像分割技术
Edge enhancement 边缘增强 通过将边缘两边像素的对比度扩大来锐化图像边缘的一种图像处理技术
Edge image 边缘图像 在边缘图像中每个像素要么标注为边缘，要么为非边缘
Edge linking 边缘连接 在边缘图像中将边缘像素连成边缘的一种图像处理技术
Edge operartor 边缘算子 将图像中边缘像素标记出来的一种邻域算子
Edge pixel 边缘像素 处于边缘上的像素
Enhance 增强 增强对比度或主观可视程度
Exterior pixel 外像素 在二值图像中，处于物体之外的像素（相对于内像素）
False negative 负误识 在两类模式识别中，将属于物体标注为不属于物体的误分类
False positive 正误识 在两类模式识别中，将不属于物体标注为不属于物体的误分类
Feature 特征 物体的一种特性，它可以度量，有助于物体的分类。
Feature extraction 特征检测 模式识别过程中的一个步骤，在该步骤中计算物体的有关度量
Feature seletion 特征选择 在模式识别系统开发过程中的一个步骤，旨在研究质量或观测能否将物体赋以一定类别
Feature space 特征空间 参见度量空间
Fourier transform 傅立叶变换 采用复指数作为核函数的一种线性变换
发表于：2004-09-02 20:10:00
11楼
选光源要注意什么?(摘自机器视觉参考书)
A. Surface finish (表面光滑程度)
1. Is the part highly specular and
a. flat surfaced?
b. curved in surface?
c. irregular in surface?
2. Is the part highly diffuse and
a. flat surfaced?
b. curved in surface?
3. Is the part partially diffuse and
a. directionally sensitive?
b. does it have directionally uniform reflections?
4. Are there mixed surfaces of specular, diffuse, and directional?
B. Surface geometry (表面几何形状)
1. Is the part flat?
2. Is it gently curving?
3. Does it contain sharp radii?
4. Does it have mixed surfaces?
C. Surface reflectance(表面反光特性)
1. Is the part highly reflective?
2. Is it poorly reflective?
3. Does it have mixed areas of good and bad reflectance?
4. Is it translucent?
5. Is it transparent?
D. Coloration (颜色)
1. Is the part monocolored and
a. broad in spectral content (gray)?
b. narrow or singular (i.e. red)?
2. Are there color variations that are
a. subtle?
b. discrete?
3. Is the part mixed with broad and discrete colors?
热门招聘
相关主题
- 机器视觉应用案例精选
[2706] - 北醒CE30固态激光雷达评测[1793]
- 帮忙设计布面检测系统[1423]
- 推荐：德国的StemmerImaging公...[8976]
- 印刷机帖版机[1820]
- 康耐视发展历史[1687]
- 相机和图像采集卡的选择 [964]
- 模拟相机的接口有哪些？[2064]
- IPD智能视觉传感器[1259]
- 项目求助系统要求：测量范围：...[1857]
官方公众号
智造工程师
-
客服
-
小程序
-
公众号
工控网智造工程师好文精选
