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,以达到较佳效果。
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、钠光灯。但是,这些光源的一个较大缺点是光能不能保持稳定。以日光灯为例,在使用的一个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,产品有无检测设备出售,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,产品有无检测设备现货,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。
人力成本的不断提升,促使机器视觉产业进一步发展。近年来,各地低工资标准的不断****,使人工和管理成本成为制造型企业大的成本支出。随着现代工业自动化技术日趋成熟,越来越多的制造企业考虑如何采用机器视觉,产品有无检测设备代理,取代人工来帮助生产线实现检查、测量和自动识别等功能,以提率并降低成本,从而实现生产效率的较大化。
近年来,机器视觉软硬件技术不断取得突破,以工业相机、图像采集卡、光源及图像处理软件为核心的视觉产品日益完善,成本也在继续下降,促成了工业视觉水平的加速发展。同时,机器视觉与多种技术融合逐步深入,不断提升智能制造自动化水平。而制造业转型升级步伐加快,机器视觉技术与产品的需求逐步增加,应用领域逐渐扩大,将推动企业加速发展产品功能*,产品有无检测设备,以满足用户个性化需求。
图像数据编码一般采用预测编码,即将图像数据的空间变化规律和序列变化规律用一个预测公式表示,如果知道了某一像素的前面各相邻像素值之后,可以用公式预测该像素值。采用预测编码,一般只需传输图像数据的起始值和预测误差,因此可将8比特/像素压缩到2比特/像素。
变换压缩方法是将整幅图像分成一个个小的(一秀取8*8或16*16)数据块,再将这些数据块分类、变换、量化,从而构成自适应的变换压缩系统。该方法可将一幅图像的数据压缩到为数不多的几十个特传输,在接收端再变换回去即可。
边缘锐化
图像边缘锐化处理主要是加强图像中的轮廓边缘和细节,形成完整的物体边界,达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。它是早期视觉理论和算法中的基本问题,也是中期和后期视觉成败的重要因素之一。