机器视觉在图案匹配的经过怎样操纵？.docx

《机器视觉在图案匹配的经过怎样操纵？.docx》由会员分享，可在线阅读，更多相关《机器视觉在图案匹配的经过怎样操纵？.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、机器视觉在图案匹配的经过怎样操纵？网络转载导语：机器视觉系统也需要可以发现和识别图案。任何机器视觉任务中的第一步都是图案匹配，即基于如边沿这样的外形属性在视场内定位对象。这个经过怎样工作?我们人类从第一次翻开眼睛的那天便开场学习识别各种图案。那是一只鸟!这是一架飞机!那些是字母A，B和C!假如我们无法从环境中挑出特定的物体并对它们进展分类，那么我们的视觉将几乎没有用途。机器视觉系统也需要可以发现和识别图案。任何机器视觉任务中的第一步都是图案匹配，即基于如边沿这样的外形属性在视场内定位对象。这个经过怎样工作?事实证实，执行图案匹配有很多方法，由于这是一项涉及大量数据处理的任务，而且对优化流程至关

2、重要。在最根本的层面上，它涉及到使用图像中各个像素的强度来确定外形的轮廓(或者边沿)所在的位置。假如这些轮廓的排列与基于统计分析的模板图案的排列公道相似，那么视觉系统将输出匹配。比照度为王由于边沿的检测基于各个像素不同的强度，所以良好的比照度非常重要。这一要求已经缔造了各种照明技术的创新，例如照明垂直于外表的同轴照明，以及从各个方向提供一致照明的圆顶照明。尽量减少环境光线的影响和来自反射外表的眩光也特别必要。良好的照明可以最大限度地检测相关边沿，并最大限度地减少对不存在的边沿的感悟。有些情况下，仅有好的照明是不够的，还需要一些图像处理算法以显示图像的某些特征。这种图像处理算法的一个例子是阈值处

3、理，即生成不同像素强度的直方图以计算强度阈值。该算法逐个像素地查看图像，将低于阈值的所有像素设置为黑色，高于阈值以上的所有像素设置为白色。Visionscape机器视觉软件中的阈值例如。查找图案机器视觉系统在产品线上玩工业版“大家来找茬之前，它需要知道它在寻找什么。系统的操纵员通过提供模板图像来告诉它要寻找什么。然后系统记住外形，包括边沿的位置以及它们相对于模板图案的整体大小相距多远。视觉系统可以以各种尺寸和方向找到一样的图案，这一点非常重要。一旦系统知道它想找到什么，它就开场分析捕捉图像的像素数据。像素的强度范围从0到255，这些值可用于计算。为了找到一个物体的边沿，软件通过执行像素减法来查

4、找比照度的较大变化。假如减法的结果接近零，那么两个像素不包含边沿。强度差异很大-无论是正值还是负值-都说明边沿可能存在。像素相减的结果存储在数据构造中，并且软件在修改后的图像表示中程度和垂直扫描以找到轮廓。它会保持轮廓相对间隔的选项卡，然后查找参考图像与任何发现外形之间的统计相似性。可以通过改变系统的统计容差以便使匹配更可能或者更不可能。高容差度会使误报更常见，而容差更低的系统更可能错过真正的匹配。将来的机器视觉：深度学习在传统的机器视觉中，您需要准确地告诉系统您想要查找的内容。这可能需要大量的编程工作。假如系统可以找出自己想要寻找的东西，这不是很好吗?这是将深度学习算法融入工业机器视觉系统的推动气力。深度学习利用诸如卷积神经网络(CNN)之类的高级算法使计算机可以根据一组训练数据学习他们需要做什么。不需要指定对象确实切轮廓，而是将一系列图像呈现给系统，并告诉他们包含或者不包含特定对象的标准。在此训练期间，算法会自行发现图像的哪些属性指示该对象可能存在。这将大大进步识别率，由于视觉系统处理大量数据的才能使其在识别对象的定义特征方面比人类更好。机器视觉正在迅速开展，专注于此的工程师们也在不断展望将来。将来几年在照明、相机和机器视觉算法等方面可能产生更多创新，使工业自动化比以往更加精简和灵敏。