机器视觉的核心技术——智能图像处理.docx

《机器视觉的核心技术——智能图像处理.docx》由会员分享，可在线阅读，更多相关《机器视觉的核心技术——智能图像处理.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、机器视觉的核心技术智能图像处理机器视觉MachineVision是人工智能领域中发展迅速的一个重要分支，目前正处于不断突破、走向成熟的阶段。一般以为机器视觉“是通过光学装置和非接触传感器自动地接受和处理一个真实场景的图像，通过分析图像获得所需信息或用于控制机器运动的装置，能够看出智能图像处理技术在机器视觉中占有举足轻重的位置。智能图像处理是指一类基于计算机的自适应于各种应用场合的图像处理和分析技术，本身是一个独立的理论和技术领域，但同时又是机器视觉中的一项特别重要的技术支撑。具有智能图像处理功能的机器视觉，相当于人们在赋予机器智能的同时为机器安上了眼睛，使机器能够“看得见、“看得准，可替代甚至

2、胜过人眼做测量和判定，使得机器视觉系统能够实现高分辨率和高速度的控制。而且，机器视觉系统与被检测对象无接触，安全可靠。机器视觉的图像处理系统对现场的数字图像信号根据详细的应用要求进行运算和分析，根据获得的处理结果来控制现场设备的动作，其常见功能如下：1图像收集图像收集就是从工作现场获取场景图像的经过，是机器视觉的第一步，收集工具大多为CCD或CMOS工业相机。就一幅图像而言，它实际上是三维场景在二维图像平面上的投影，图像中某一点的彩色亮度和色度是场景中对应点彩色的反映。这就是我们能够用收集图像来替代真实场景的根本根据所在。2图像分割图像分割就是根据应用要求，把图像分成各具特征的区域，从中提取出

3、感兴趣目的。在图像中常见的特征有灰度、彩色、纹理、边缘、角点等。例如，对汽车装配流水线图像进行分割，分成背景区域和工件区域，提供应后续处理单元对工件安装部分的处理。图像分割多年来一直是图像处理中的难题，至今已有种类繁多的不同分割算法，但是效果往往并不理想。近来，人们利用基于神经网络的深度学习方法进行图像分割，其性能胜过传统算法。3图像预处理对于收集到的数字化的现场图像，由于遭到设备和环境因素的影响，往往会遭到不同程度的干扰，如噪声、几何形变、彩色失调等，都会阻碍接下来的处理环节。为此，必须对收集图像进行预处理。常见的预处理包括噪声消除、几何校正、直方图平衡等处理。4目的识别和分类在制造或安防等

4、行业，机器视觉都离不开对输入图像的目的进行识别和分类处理，以便在此基础上完成后续的判定和操作。识别和分类技术有很多一样的地方，经常在目的识别完成后，目的的类别也就明确了。近来的图像识别技术正在跨越传统方法，构成以神经网络为主流的智能化图像识别方法，如卷积神经网络CNN、回归神经网络RNN等一类性能优越的方法。5目的检测和跟踪图像处理中的运动目的检测和跟踪，就是实时检测摄像机捕获的场景图像中能否有运动目的，并预测它下一步的运动方向和趋势，即跟踪，并及时将这些运动数据提交给后续的分析和控制处理，构成相应的控制动作。图像收集一般使用单个相机，假如需要可以以使用两个相机，模拟人的双目视觉而获得场景的立

5、体信息，这样愈加有利于目的检测和跟踪处理。6目的定位和测量在智能制造中，最常见的工作就是对目的工件进行安装，但是在安装前往往需要先对目的进行定位，安装后还需对目的进行测量。安装和测量都需要保持较高的精度和速度，如毫米级精度甚至更小，毫秒级速度。这种高精度、高速度的定位和测量，倚靠通常的机械或人工的方法是难以办到的。在机器视觉中，采用图像处理的办法，对安装现场图像进行处理，根据目的和图像之间的复杂映射关系进行处理，进而快速精准地完成定位和测量任务。维视图像VisionBankSVS智能视觉软件包含智能图像处理的各类算法，能够知足各种视觉需求，从物品的定位和检测到识别和测量，都能够解决。各工具之间的拖放可实现快速的数值、结果和图像、通讯链接，工具组可重复使用的并缩短应用开发的时间。无论您需要进行视觉检验，还是机器人引导，VisionBankSVS软件都能提供业界最成熟、最可靠的工具。灵敏而强大的PC-based及嵌入式应用开发，能够以超快速度，为各种机器视觉应用创立解决方案。上一条返回目录下一条