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,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
機器視覺的應用及優勢
智能機器視覺系統中,工業相機的參數與功能詳解
機器視覺工業相機「4種常見的分類方式」
工業機器視覺中常用的6種光源顏色詳解
機器視覺工業相機的通信接口(360度深度解析)