機器視覺是對人眼視覺的模擬,,兩者之間有很多的結構相似性,也有很多區(qū)別,。人類視覺是一個眼球與大腦高等思維相互配合的復雜過程,,不僅包含精密的生理學機制,,也包括復雜的高等思維過程,,所以,,人眼視覺在大部分領域都遠遠優(yōu)秀于機器視覺,。當然,,這并不是說機器視覺沒有特殊之處。
圖像好壞的描述標準
在藝術攝影領域,,圖片的好壞自有一套美學的描述標準,。同樣,在機器視覺成像領域,,也會有圖片的好壞描述標準,。
從上圖像好壞對比圖中可以看出,在第一組圖像中,,上圖特征可以完全顯示出來但在下圖中,,部分特征無法完全顯示;在第二組圖像中,上圖對焦比較好,,但在下圖中,,圖像比較模糊,圖像細節(jié)顯示不清晰;在第三組圖像中,,上圖待測特征非常凸顯但在下圖中,,待測特征的灰度和背景很相近,并沒有比較明顯的灰度差,。從這幾組圖片中,,我們得出了關于圖像好壞標準的幾點準則。
1,、對比強烈
在一張圖像中,,如果特征相比背景有很強的對比度,那么在視覺軟件中,,這些特征就很容易被識別到,,并且識別效果相對穩(wěn)定。在工程應用中,,提高圖像對比度可以通過合適的打光實現(xiàn),,比如對輪廓檢測,打背光就會有比較好的對比度效果,,此外,,有時也可以通過圖像處理來實現(xiàn)圖像對比度增強,比如圖像二值法運算,。
2,、征完整
圖像特征完整要求在對特征成像時要選擇合適的視野。視野不能太大,,一般來說,,視野越大,圖像精度越低,,當然,,視野也不能過小,否則會漏掉局部關鍵特征,。視野主要與三點因素相關,,即鏡頭焦距、工作距離和相機芯片尺寸,。
3,、邊緣銳利
邊緣銳利是圖像好壞標準中比較重要的一個要索。
圖像黑白過渡僅需一個像素就完成圖像由黑到白的變化,,這樣就可以準確確定出圖像邊界所在的位置;在圖中右部分,,圖像由黑到白過渡,經歷了五個像素的變化,,這就會導致在確定圖像邊界時可能產生五個像素的誤差,,假設一個像素的尺寸為0.1mm,這就意味著可能會有 0.5mm 的測量誤差,。在具體項目應用中,,可以選擇特殊的遠心鏡頭配合平行光使用,以提高圖像邊緣銳利程度,。
4,、顏色真實
圖像顏色的真實性要求主要是針對彩色圖像。在一般領域里,,對顏色識別要求沒那么嚴格時,,但在特殊領域,如生理學,、醫(yī)學領域,,對顏色要求是比較嚴格的。
3D視覺在智能制造中的應用
能賦予工業(yè)機器人深度學習能力的3d機器視覺系統(tǒng)
機器視覺的應用及優(yōu)勢
在工業(yè)機器視覺系統(tǒng)中,相機該如何選擇,?[看完你就知道了]
工業(yè)機器視覺中常用的6種光源顏色詳解
工業(yè)機器人視覺系統(tǒng)中,,這6種形狀的LED光源你了解多少,?