机器视觉作业

机器视觉结课作业 机器视觉系统的组成，及各组成部分的作用。 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 一个典型的机器视觉系统包括以下五大块： （1）照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。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。光源可分为可见光和不可见光。常用的几种可见光源是白炽灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。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 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。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，摄像机拍摄要求与光源同步。 （2）镜头 FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）   镜头选择应注意：①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点/节点⑦畸变。 勿将工作距离与物体到像的距离混淆。工作距离是从工业镜头前部到被观察物体之间的距离。而物体到像的距离是 CCD 传感器到物体之间的距离。计算要求的工业镜头焦距时，必须使用工作距离 （3）相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。 （4）图像采集卡  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。  比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。   （5）视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。采集卡传输图像到存储器，进而计算分析。当前主流配置的PLC，且配置较高，视觉处理器已经几乎退出市场。 1、 机器视觉应用的调研（目前现状、发展趋势等）。 目前现状： 在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT表面贴装：SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。 而在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。目前国内机器视觉大多为国外品牌。国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家，随着机器视觉的不断应用，公司规模慢慢做大，技术上已经逐渐成熟。 随着经济水平的提高，3D机器视觉也开始进入人们的视野。3D机器视觉大多用于水果和蔬菜、木材、化妆品、烘焙食品、电子组件和医药产品的评级。它可以提高合格产品的生产能力，在生产过程的早期就报废劣质产品，从而减少了浪费节约成本。这种功能非常适合用于高度、形状、数量甚至色彩等产品属性的成像。 在行业应用方面，主要有制药、包装、电子、汽车制造、半导体、纺织、烟草、交通、物流等行业，用机器视觉技术取代人工，可以提供生产效率和产品质量。例如在物流行业，可以使用机器视觉技术进行快递的分拣分类，不会出现大多快递公司人工进行分拣，减少物品的损坏率，可以提高分拣效率，减少人工劳动。 发展趋势： 由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。 但是机器视觉技术比较复杂，最大的困难在于人的视觉机制尚不清楚。人可以用内省法描述对某一问题的解题过程，从而用计算机加以模拟。但尽管每一个正常人都是“视觉专家”，却不可能用内省法来描述自己的视觉过程。因此建立机器视觉系统是十分困难的任务。 可以预计的是，随着机器视觉技术自身的成熟和发展，它将在现代和未来制造企业中得到越来越广泛的应用。 2、 分析一个具体的机器视觉案例。 本案例主要是用HALCON软件实现对电子元器件的分割。 HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境维视图像开发定制软件。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。 这个例子讨论使用不同的分割方法的结合。它的操作对象是具有多个电子元件的图像，它们在外形，大小以及排列上都不相同。图1的左边图显示了输入图像。 图1带有电子原件的电路板（左）和在HSV空间的相应得灰度值（右） 首先，你要提取电阻与电容。这相当容易，因为彩色图像中它的元件具有不同的颜色。输入图像具有三种颜色通道，包括红，绿和蓝。因为在RGB空间中进行分割是相对困难得的，你需要将图像转化到HSV空间。在这里颜色信息储存在单一的信道。图1的右边图显示图像在单一信道的代替物。太小的元件可以通过selectshape来清除。程序显示如下： read_image (ICs, ’ic’) decompose3 (ICs, Red, Green, Blue) trans_f rom_rgb (Red, Green, Blue, Hue, Saturation, Intensity) threshold (Saturation, Colored, 100, 255) reduce_domain (Hue, Colored, HueColored) threshold (HueColored, Blue, 114, 137) connection (Blue, BlueConnect) select_shape (BlueConnect, BlueLarge, ’area’, ’and’, 150, 100000) shape_trans (BlueLarge, Condensators, ’rectangle2’) threshold (HueColored, Red, 10, 19) connection (Red, RedConnect) select_shape (RedConnect, RedLarge, ’area’, ’and’, 150, 100000) shape_trans (RedLarge, Resistors, ’rectangle2’) 如果你更仔细的观察一下程序，你就会结果有了显著的提高。 其中之一是因为颜色模型，彩色图形的门限在所有的像素间选择一个固定的颜色，选择在颜色浸透部分时独立的。这有可能造成非常亮或者非常暗的像素与电子元件有相同的灰度。，但你只寻找非常强烈的颜色。所以你选择的像素点都是色彩强烈的点，例如具有色才饱和度的像素点。 第二个加强的是对象的形状，因为所有的元件都是矩形的，你可以指定所有相连的元件最小的矩形来加强分割效果。图2的左边图是结果元件的标注。 图2 电阻和电容（左）和ic元件（右） 第二步我们寻找所有的ic元件。这看起来很容易，因为它相当的大而且暗，但是由于明亮的标记被打印在IC元件的周围会出现一些问题。所以一个简单的门限处理并不是有效的。除此之外你还有联合所有属于一个IC元件的片断，这可以通过检查片断的连接部位。可以使用膨胀来扩展区域直道它们相互交替，但又不能太大以致IC元件都重叠。标记之间的空白一定要比IC元件之间的小。现在你可以分离IC元件从它们的相连的元件中。可惜它们太大以致不能分割。另一个对相连的元件的门限将会探测每个IC元件的暗的像素。最终你可以用闭合的矩形里指定电阻和电容。 threshold (Intensity, Dark, 0, 50) dilation_rectangle1 (Dark, DarkDilate, 15, 15) connection (DarkDilate, ICLarge) add_channels (ICLarge, Intensity, ICLargeGray) threshold (ICLargeGray, ICsDark, 0, 50) shape_trans (ICsDark, IC, ’rectangle2’) 图2的右边图显示了IC的结果图。关于上面的程序我们要提及两点。这里操作符addchannels被reducedomain代替。这是必须的因为一些区域必须用灰色像素值来填充。前面程序的处理是相当不同的，一幅图有效的像素点四有限的。这就有了第二点，操作符threshold有一些图片作为输入，门限处理每幅图都有，因此，你提供的尽可能多的区域作为输入图像。 最终IC的分割必需进行，它们明亮且非常小。使用动态门限处理它们是相当容易的。然而电路板上的锡元件依然是一个问题，它们必须从IC中提取出来。这可以通过限定在特定的区域寻找。IC接触可能只出现在IC的元件的左边或者右边。感兴趣的区域的界定可以通过扩大IC区域，可以通过另一种膨胀来实现结果。图3左边图显示了操作结果。