边干边学机器视觉_第三章 图像采集 完整版
目录第3章图像采集 (1)3.1采集单幅图像 (1)3.1.1基于图像采集卡的Snap操作 (1)3.1.2基于USB摄像头的Snap操作 (3)3.1.3使用Snap.vi进行连续图像采集的速度问题 (4)3.2采集连续图像 (5)3.2.1基于图像采集卡的Grab操作 (6)3.2.2基于USB摄像头的Grab操作 (7)3.3多缓冲区采集方式 (8)3.3.1Sequence图象采集方式 (9)3.3.2Ring图象采集方式 (10)3.4触发 (11)3.4.1触发信号类型 (11)3.4.2触发方式图象采集的实现 (12)3.5图像保存与读取 (14)3.5.1图像文件格式简介 (14)3.5.2保存图像 (15)3.5.3读取图像 (16)第3章图像采集当选定好机器视觉的软硬件平台后，下一步就是图像采集。
本章将详细讨论基于USB 摄像头的图像采集和工业相机的图像采集，大家可以根据手中硬件的不同而选读不同的部分。
从软件的视角来看，尽管硬件不同，但编程的思路和模式是基本一致的。
本文使用的工业相机是Panasonic的BP330，它是一款遵循CCIR标准的黑白相机，图像采集卡是NI公司的PCI-1407(任何标准制式的黑白模拟相机都可以接到PCI-1407)。
把相机连接到PCI-1407后，即可在MAX下找到PCI-1407，点击Grab 按钮，还可以采集到图像，如图3.1所示。
图3.1 在MAX里面采集图像如果你使用的是USB 摄像头，那么请参考Error! Reference source not found.Error! Reference source not found.，运行imaqUSB examples.llb中的Grab.vi。
在软硬件正常工作的情况下，可以看到从USB 摄像头中传出的图像，如Error! Reference source not found.所示。
在进行机器视觉系统开发前，我们通常都会如上所示先验证软硬件是否能正常工作，以便后续开发。
3.1 采集单幅图像3.1.1基于图像采集卡的Snap操作采集单幅图像是基本的图像采集操作之一，对应的动作叫Snap。
每次Snap时，图像数据先从相机传到图像采集卡，然后再传到计算机的内存(图像处理缓冲区)中去，如图3.2所示。
图3.2 Snap方式采集图像过程Snap方式的图像采集程序如图3.3所示：第1步：调用IMAQ Init.vi完成图像采集板卡的初始化工作。
第2步：调用IMAQ Create.vi为图像数据创建一个数据缓冲区。
第3步：调用IMAQ Snap.vi从图像采集板卡中读入一帧图像数据，并把它放入先前创建的数据缓冲区中，并放入Image中显示。
第4步：当图像数据缓冲区被释放后，我们在前面板上将看不到采集的图像了，所以特地添加一个人为的延时程序，等待用户停止。
第5步：调用IMAQ Close.vi，释放占有的图像采集板卡。
第6步：调用IMAQ Dispose.vi，释放占有的图像数据缓冲区。
图3.3 Snap范例程序单幅图像采集的运行结果，如图3.4所示。
图3.4 单幅图像采集读到这里，大家可能跟我一样都有一个疑问，为什么必须有第二步和第六步，即创建图像数据缓冲区和释放图像数据缓冲区。
这是因为每帧图像的数据量都特别大，如果在处理图像的过程中直接传递图像数据，则非常耗时。
最好的方式是仅仅传递指向该数据缓冲区的引用。
IMAQ Create.vi完成的就是创建图像数据缓冲区并返回指向该数据缓冲区的引用的过程。
3.1.2基于USB摄像头的Snap操作USB摄像头的Snap操作的程序实现与上面的基本相同，只需要用IMAQ USB函数选板中的函数替代相应步骤即可，如图3.5所示。
图3.5 USB 摄像头Snap范例程序USB设备在正常工作以前, 第一件要做的事就是枚举，所以USB摄像头在进行初始化前，需要先执行第0步，枚举系统中的USB摄像设备，接着：第1步：调用IMAQ USB Init.vi完成USB摄像设备的初始化工作。
第2步：调用IMAQ Create.vi为图像数据创建一个数据缓冲区。
第3步：调用IMAQ USB Snap.vi从USB摄像设备中读入一帧图像数据，并把它放入先前创建的数据缓冲区中，并放入Image中显示。
第4步：当图像数据缓冲区被释放后，我们在前面板上将看不到采集的图像了，所以特地添加一个人为的延时程序，等待用户停止。
第5步：调用IMAQ USB Close.vi，释放占有的USB摄像设备。
第6步：调用IMAQ Dispose.vi，释放占有的图像数据缓冲区。
USB 摄像头Snap范例程序运行结果如图3.6所示。
图3.6 USB 摄像头Snap范例程序运行结果3.1.3使用Snap.vi进行连续图像采集的速度问题在实际工程应用中，连续图像采集的应用占绝大多数。
当我们会使用Snap.vi后，很自然的想到最简单的连续采集图像实现方式是把Snap.vi放到While循环中，如图3.7所示。
图3.7 使用Snap进行连续图像采集在While循环中，加入可以计算每次循环消耗的时间。
运行上述程序，可以看到使用Snap进行连续图像采集时，获得每帧图像所消耗的时间高达120ms(不同的系统，时间略有不同)，如图3.8所示。
换句话说，在这种方式下，每秒钟只能获得大约8帧图像，这种速度在大多数实际应用中是不能容忍的。
图3.8 120ms采集一帧图像为实现高速的连续图像采集，NI Vision Module提供了一个专用于连续图像采集的VI，IMAQ Grab Acquire.vi，。
下节本文将详述如何进行连续图像采集。
3.2 采集连续图像IMAQ Snap.vi运行速度之所以会慢，是因为IMAQ Snap.vi除了实现图像数据采集的操作外，还实现了许多初始化和资源释放的操作，大家可以双击IMAQ Snap.vi，看看IMAQ Snap.vi的实现过程，如图3.9所示。
图3.9 IMAQ Snap.viPS.看NI提供的VI的内部实现方式是一种很好的学习方式。
——代码阅读了解了速度慢的原因后，很自然的想到，既然是连续采集，何不把许多雷同的初始化操作提取出去，在每次连续采集开始时，仅做一次初始化就可以。
为实现快速的连续图像采集，NI Vision Module提供了两个VI，一个是IMAQ Grab Setup.vi，另一个是IMAQ Grab Acquire.vi。
IMAQ Grab Setup.vi负责每次连续采集前的初始化，IMAQ Grab Acquire.vi专注于图像采集。
3.2.1基于图像采集卡的Grab操作基于图像采集卡的连续图像采集的实现代码如图3.10所示。
图3.10 连续图像数据采集第1步：调用IMAQ Init.vi完成图像采集板卡的初始化工作。
第2步：调用IMAQ Grab Setup.vi初始化Grab过程。
第3步：调用IMAQ Create.vi创建图像数据缓冲区。
第4步：调用IMAQ Grab Acquire.vi快速采集图像数据。
第5步：调用IMAQ Close.vi，释放占有的图像采集板卡。
第6步：调用IMAQ Dispose.vi，释放占有的图像数据缓冲区。
使用IMAQ Grab Acquire.vi，采集每帧图像的时间从120ms降到了40ms，如图3.11所示。
图3.11 IMAQ Grab Acquire运行结果3.2.2基于USB摄像头的Grab操作同上，USB摄像头的Grab操作的程序也与基于图像采集卡的实现过程基本相同，如图3.12所示：第0步：调用IMAQ USB Enumerate Camera.vi枚举USB摄像头。
第1步：调用IMAQ USB Init.vi完成USB摄像头的初始化工作。
第2步：调用IMAQ USB Grab Setup.vi初始化Grab过程。
第3步：调用IMAQ Create.vi创建图像数据缓冲区。
第4步：调用IMAQ USB Grab Acquire.vi快速采集图像数据。
第5步：调用IMAQ USB Close.vi，释放占有的USB摄像头。
第6步：调用IMAQ Dispose.vi，释放占有的图像数据缓冲区。
图3.12 USB摄像头的连续图像采集过程使用IMAQ USB Grab Acquire.vi实现连续图像采集后，采集每帧图像的时间下降到了35ms毫秒左右，如图3.13所示。
图3.13 USB 摄像头连续图像采集结果3.3 多缓冲区采集方式从前面的章节中，我们学会了如何采集图象。
在高速图象采集应用中，我们会发现前面的Grab方式会存在一个问题，即当图象采集速度非常高时，处理程序还来不及处理当前的图象，图象缓冲区里面的数据已经被新的图象数据所覆盖了。
为了解决采集缓冲区不足的问题，我们很自然的想到一个解决方案——增加图象采集缓冲区。
NI-IMAQ提供了两种多缓冲区的方式，一种是Sequence，另一种是Ring，如图3.14所示。
图3.14 多缓冲区图象采集方式Sequence和Ring都是多缓冲区图象采集方式，它们的区别是，Sequence是单次采集，而Ring是连续采集，类似Snap和Grab。
在Ring方式下，当一个buffer中的数据正在被处理时，新采集到的图象数据会更新到另外的Buffer中去。
下面本文将依次介绍Sequence和Ring的实现方式。
3.3.1Sequence图象采集方式Sequence图象采集方式由IMAQ Sequence.vi实现，如图3.15所示。
图3.15 IMAQ Sequence.viIMAQ Sequence.vi最重要的参数是Images In，如图3.16所示。
Images In是一个图象数据缓冲区引用数组，里面包含了多个由IMAQ Create.vi创建的图象数据缓冲区的引用。
只有知道多个图象数据缓冲区在哪里，IMAQ Sequence.vi才能完成多缓冲区模式的图象采集。
图3.16 IMAQ Sequence.vi参数Sequence图象采集方式的完整实现，大家可以参考范例程序中的HL Sequence.vi，如图3.17所示。
第1，4，5步是大家熟悉的初始化图象采集卡，释放图象采集卡和释放图象缓冲区的程序。
第2步是调用IMAQ Create.vi创建多个图象数据缓冲区，需要注意的是，多个图象数据缓冲区的名字必须不一样。
第3步是调用IMAQ Sequence.vi采集多帧图象数据，当指定数量的图象采集完毕后，IMAQ Sequence.vi会返回并结束Sequence采集过程。
图3.17 HL Sequence.vi3.3.2Ring图象采集方式Ring图象采集方式需要由三个VI来实现，它们分别是：，和。
机器视觉工作原理
机器视觉工作原理机器视觉是一门涵盖图像处理、模式识别、计算机视觉、机器学习等多学科交叉的技术领域。
它通过模仿人类视觉系统，利用计算机和相应的硬件设备，实现对图像和视频进行感知、分析和理解的过程。
本文将详细介绍机器视觉的工作原理。
一、图像采集机器视觉的首要任务是从外部环境中获取图像信息。
常用的图像采集设备包括摄像机、扫描仪、摄像头等。
在采集图像时，设备会将光学信号转换为电信号，并经过模数转换器转化为数字信号。
二、图像预处理由于采集到的图像可能存在噪声、光照变化等问题，需要进行预处理来提高图像质量。
图像预处理的主要任务包括去噪、增强、调整图像尺寸等。
去噪可以通过滤波器进行，增强则可以通过改变对比度、亮度等来实现。
三、特征提取特征提取是机器视觉中的核心环节，它通过分析图像中的关键特征，将其转化为计算机可识别的形式。
在图像处理领域，常用的特征提取算法包括边缘检测、角点检测、纹理分析等。
这些算法可以在图像中找到目标物体的形状、纹理、颜色等特征。
四、目标检测与识别目标检测是指在图像中找到感兴趣的目标并标记出来，而目标识别则是将检测到的目标与已知的目标进行匹配，从而确定它们的类别。
常用的目标检测与识别方法包括模板匹配、神经网络、机器学习等。
这些方法可以根据已有的数据对目标进行分类和识别。
五、目标跟踪目标跟踪是指在视频序列中实时追踪目标的位置和运动。
通过对前后帧图像的比较和分析，能够准确地追踪目标物体的移动、变形等。
常用的目标跟踪算法包括卡尔曼滤波、粒子滤波、MeanShift等。
六、决策与控制通过前面的步骤，机器视觉系统已经获取了目标物体的特征和位置信息。
接下来，根据预先设定的策略，决策系统会根据分析结果做出相应的决策，并传递给控制系统。
控制系统可以通过执行机械动作、控制输出信号等方式实现对目标物体的操控。
七、应用领域机器视觉技术在众多领域都有广泛应用，包括工业制造、无人驾驶、医疗影像、物体识别、安防监控等。
机器视觉中的图像采集技术
收稿日期:20021025作者简介:刘焕军,硕士生,研究方向为图像处理、机器视觉;王耀南,教授,博士生导师,主要从事图像处理,智能控制等方面的研究工作;段 峰,博士生,研究方向为图像处理、机器视觉。
机器视觉中的图像采集技术刘焕军,王耀南,段 峰(湖南大学电气与信息工程学院,长沙 410082)摘 要:文章介绍了图像采集系统的构成以及在机器视觉中的重要性,阐述了图像采集系统中关于摄像机、镜头、图像采集卡和光源等方面的诸多实用技术,论述了设计图像采集系统时要注意的问题和原则。
关键词:机器视觉;图像采集;摄像机;图像采集卡;光源Abstract :The structure of image capture and its importance in machine vision is introduced in this paper.Some issues about camera and lens,frame grabber ,light source are ex pounded.The question and principle w hen people design imag e capture are also discussed .Key words :m achine vision;im age capture;camera;frame grabber;lig ht source0 引言机器视觉是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观世界的识别。
一个典型的机器视觉系统一般包括图像采集部分、图像处理部分、通信和I/O 部分以及输出和执行机构等。
图像采集是一个重要的环节,它将对象的可视化图像和特征转化为能被计算机处理的一系列数据。
由于机器视觉系统强调精度和速度,所以需要图像采集部分及时、准确地提供清晰的图像,只有这样,图像处理部分才能在比较短的时间内得出正确的结果。
由此可知图像采集部分的性能会直接影响整个机器视觉系统的性能。
机器视觉基础知识（ＰＤＦ）
机器视觉中的图像采集技术硬件基础知识
一、镜头基本概念（7）
镜头的调制传递函数MTF
第一节 工业镜头
机器视觉中的图像采集技术硬件基础知识
一、镜头基本概念（8）
镜头的调制传递函数MTF
第一节 工业镜头
机器视觉中的图像采集技术硬件基础知识
第一节 工业镜头
一、镜头基本概念（9）
镜头的调制传递函数MTF
机器视觉中的图像采集技术硬件基础知识
第一节 工业镜头
一、镜头基本概念（4）
镜头接口 – C-MOUNT 镜头的标准接口之一，镜头的接口螺纹参数： 公称直径：1“ 螺距：32牙 – CS－Mount是C－Mount的一个变种，区别仅仅在于 镜头定位面到图像传感器光敏面的距离的不同，C－ Mount 是17。5mm，CS－Mount是12。5mm。 – C/CS能够匹配的最大的图像传感器的尺寸不超过1“。
一、镜头基本概念（10）
系统的调制传递函数MTF
第一节 工业镜头
机器视觉中的图像采集技术硬件基础知识
第一节 工业镜头
二、镜头的分类（1）
按照等效焦距分为 广角镜头
等效焦距小于标准镜头（等效焦距为50mm）的镜头。特点 是最小工作距离短，景深大，视角大。常常表现为桶形畸变。 中焦距镜头 焦距介于广角镜头和长焦镜头之间的镜头。通常情况下畸变 校正较好。 长焦距镜头 等效焦距超过200mm的镜头。工作距离长，放大比大，畸变 常常表现为枕形状畸变。
像素速率（Pixel Rate）
相机每秒中能够输出像素的个数，仅仅对于数字相机有意 义。
机器视觉中的图像采集技术硬件基础知识
第二节 工业相机
一、工业相机的基本概念（5）
卷帘快门（Rolling Shutter）
第三章 基于机器视觉的自动检测系统图像采集部分设计
第三章基于机器视觉的自动检测系统图像采集部分设计本系统的设计主要包括 CCD简介，CCD、镜头等光学元件的选择，背景光源的设计以及CCD与图像采集卡的联接等。
3.1 工业CCD以及CCD信息采集技术CCD(Charge-Coupled Devices)即电荷祸合器件，它是一种以电荷包的形式存贮和传递信息的半导体表面器件，是1969年秋由美国贝尔(Bell)实验室的W.S.Boyle和 GE.Smith发明的[ 10 ］。
电荷祸合器件(CCD)是一种新型光电转换器件，它能存储由光产生的信号电荷。
当对它施加特定时序的脉冲时，其存储的信号电荷便可在CCD内作定向传输而实现自扫描。
它主要由光敏单元、输入结构和输出结构等组成。
它具有光电转换、信息存贮和延时等功能，而且集成度高、功耗小，已经在摄像、信号处理和存贮二大领域中得到广泛的应用，尤其是在图像传感器应用方面取得令人瞩目的发展。
3.2 CCD的工作原理CCD的工作原理是由外部信号作用于CCD的感应元件上，从而产生电荷，再经过存储电荷、转移电荷最后的得到所需要的信息。
其图像采集的原理图如图3.1所示[11］：图3.1 CCD图像采集基本原理图3.3 CCD的选择CCD摄像头性能的好坏对采集图像的精度，对以后图像处理的效果、图像处理程序的难易程度和整个系统的最终检测精度有直接的影响，性能优良、图像精度高的CCD摄像头可以使以后的处理更容易，检测精度会更高。
CCD的选择主要是根据被测物体的大小以及测量精度来选择CCD 的尺寸和CCD 的分辨率。
本系统的测量精度要求小于0.1mm，因此要求采集图像的单位像素对应的实际距离至少要小于0.1mm。
根据这个要求可以得出关系式：Kv/β≦0.1mm，Kh/β≦0.1mm其中Kv(Kh)代表CCD 单位像素对应的实际距离；β是光学系统放大倍率。
表达式如下：Kv=v/n，或 Kh=h/m；β=v/V 或β=h/H式中v：CCD 靶面高度；n：CCD 垂直方向有效像素个数即垂直分辨率；h：CCD 靶面宽度；m ：CCD 水平方向有效像素个数即水平分辨率；V：被测零件高度；H：被测零件宽度。
机器视觉识别的步骤
机器视觉识别的步骤第一步：图像采集图像采集是机器视觉识别的基础，通过相机、摄像头等设备采集到的图像或视频作为输入。
采集到的图像可以是静态的图片，也可以是连续的视频流。
采集设备的质量和参数设置对后续的图像处理和识别效果有很大的影响。
第二步：图像预处理图像预处理是对采集到的图像进行一系列的预处理操作，目的是降低图像中的噪声、增强图像的对比度，使得后续的特征提取和识别更加准确和稳定。
常见的图像预处理操作包括：去噪、平滑滤波、调整亮度和对比度、图像增强等。
第三步：特征提取特征提取是机器视觉识别的核心步骤，它通过将图像中的信息转化为能够表示和区分不同对象的特征向量。
特征可以是局部的如纹理和边缘，也可以是全局的如颜色和形状。
常见的特征提取方法有SIFT、SURF、HOG 等。
特征提取的目标是降低数据的维度，并保留图像中的关键信息，从而提高后续的分类性能。
第四步：对象分类对象分类是机器视觉识别的最后一步，其目标是将特征向量与事先训练好的模型进行比对，从而将图像中的对象分为不同的类别。
常见的分类算法有支持向量机、人工神经网络、决策树等。
分类算法的选择和训练对识别系统的性能有重要影响。
在分类过程中，还可以设置阈值来控制识别的准确性和召回率。
总结：机器视觉识别的步骤包括图像采集、图像预处理、特征提取和对象分类等。
在实际应用中，各个步骤的具体实现和算法选择会根据具体的问题和应用场景有所差异。
随着深度学习和神经网络的发展，很多传统方法已经得到了改进和优化，使得机器视觉识别在图像分类、目标检测、人脸识别等领域取得了重要的进展。
然而，机器视觉识别仍然面临诸多挑战，如大规模数据训练、识别速度和准确性的平衡等，这些问题依然是当前研究的热点和难点。
机器视觉培训教程第三讲
机器视觉培训教程第三讲在前面两讲中，我们已经对机器视觉的基础知识和一些基本概念有了一定的了解。
这一讲，我们将更深入地探讨机器视觉在实际应用中的一些关键技术和要点。
首先，让我们来谈谈机器视觉中的图像采集。
图像采集是机器视觉系统的第一步，也是至关重要的一步。
就好像我们要做饭，首先得有食材一样，对于机器视觉来说，高质量的图像就是它的“食材”。
在图像采集过程中，相机的选择是关键。
不同类型的相机，比如面阵相机和线阵相机，适用于不同的场景。
面阵相机适合拍摄静态的物体或者场景，能够一次性获取整个图像；而线阵相机则更适合用于连续运动的物体，比如在生产线上快速移动的产品。
除了相机，镜头的选择也会影响图像的质量。
广角镜头能够拍摄更广阔的场景，但可能会导致图像变形；长焦镜头则可以聚焦在远处的物体上，但视野相对较窄。
所以，要根据具体的应用场景和需求来选择合适的镜头。
采集到图像后，接下来就是图像处理。
这就像是对我们采集到的“食材”进行加工。
图像处理包括图像增强、去噪、分割等操作。
图像增强是为了让图像中的特征更加明显。
比如说，通过调整对比度和亮度，让物体和背景的差异更加突出，这样机器就能更容易地识别出物体的轮廓和特征。
去噪则是去除图像中的干扰因素，就像把混在米中的沙子挑出来一样。
常见的去噪方法有均值滤波、中值滤波等。
图像分割是把图像分成不同的区域，每个区域具有相似的特征。
这有助于机器更准确地识别和分析物体。
然后，我们来聊聊特征提取。
特征提取就是从图像中提取出能够代表物体的关键信息。
这些特征可以是形状、纹理、颜色等。
形状特征可以是物体的轮廓、周长、面积等；纹理特征则描述了物体表面的质地和模式；颜色特征包括颜色的分布和色调等。
在实际应用中，我们需要根据物体的特点和任务的需求，选择合适的特征进行提取。
再来说说模式识别。
这是机器视觉中的核心部分，它的任务是根据提取的特征来判断物体属于哪一类或者识别出物体的具体信息。
模式识别的方法有很多，比如基于模板匹配的方法、基于统计学习的方法、基于深度学习的方法等。
机器视觉 教学大纲
机器视觉教学大纲机器视觉教学大纲一、引言机器视觉是一门涉及计算机科学、图像处理和模式识别的跨学科领域。
它的目标是使计算机能够通过摄像头或其他传感器获取图像信息，并利用算法和模型对图像进行分析、理解和处理。
机器视觉在工业、医疗、交通、安防等领域具有广泛的应用前景，因此对于学习和掌握机器视觉技术的培训需求也越来越大。
二、基础知识1. 图像获取与处理1.1 摄像头及其工作原理1.2 图像采集与传输1.3 图像处理基础算法2. 图像特征提取与描述2.1 边缘检测2.2 兴趣点检测与描述2.3 图像特征匹配三、图像处理与分析1. 图像分割1.1 基于阈值的分割方法1.2 基于边缘的分割方法1.3 基于区域的分割方法2. 目标检测与识别2.1 目标检测算法2.2 目标识别算法2.3 目标跟踪算法3. 图像分类与识别3.1 特征提取与选择3.2 分类器的训练与优化3.3 图像识别应用案例四、三维视觉与深度学习1. 立体视觉1.1 立体匹配算法1.2 三维重建与测量1.3 立体视觉应用案例2. 深度学习在机器视觉中的应用2.1 卷积神经网络（CNN）基础2.2 深度学习在图像识别中的应用2.3 深度学习在目标检测与跟踪中的应用五、实践项目1. 图像处理与特征提取实验1.1 边缘检测实验1.2 兴趣点检测与描述实验1.3 图像特征匹配实验2. 目标检测与识别实验2.1 目标检测算法实验2.2 目标识别算法实验2.3 目标跟踪算法实验3. 图像分类与识别实验3.1 特征提取与选择实验3.2 分类器的训练与优化实验3.3 图像识别应用案例实验六、总结与展望机器视觉作为一门新兴的学科，其应用前景广阔，对于培养学生的创新思维和实践能力具有重要意义。
通过本课程的学习，学生将能够掌握图像处理与分析的基本理论和算法，了解机器视觉的最新发展趋势，为将来在相关领域的研究和应用打下坚实的基础。
未来，随着人工智能和物联网的迅猛发展，机器视觉技术将会得到更广泛的应用。
机器视觉系统基本原理照明光源镜头工业摄像机图像采集处理
3. 镜头－有关镜头的基本概念
3. 镜头－有关镜头的基本概念
3. 镜头－常见光学镜头的种类
按光学放大倍率及焦距划分 显微镜： 体视显微镜、生物显微镜、金相显微镜、测量显微镜 常规镜头：
鱼眼镜头：6-16mm 超广角：17-21mm 广角：24-35mm 标头：45-75mm 长焦：150-300mm 超长焦：300mm以上 特殊镜头： 微距镜头 远距镜头 远心镜头 红外镜头 紫外镜头
失真（Distortion
3. 镜头
机器视觉系统的基本光学参数： 视场角 工作距离 分辨率 景深
3. 镜头－镜头的理想模型
薄透镜模型，薄透镜是指透镜没有厚度，当 然这种透镜是不存在的，而且我们一般用 的镜头都是多组镜片组合在一起的。我们 通常使用中会忽略厚度对透镜的影响，在 去除透镜参数中的厚度后，可简化许多光 学计算公式。
4. 工业摄像机
CMOS摄像机存在成像质量差、像敏单元 尺寸小、填充率低等问题，1989年后出现 了“有源像敏单元”结构，不仅有光敏元 件和像敏单元的寻址开关，而且还有信号 放大和处理等电路，提高了光电灵敏度、 减小了噪声，扩大了动态范围，使得一些 参数与CCD摄像机相近，而在功能、功耗、 尺寸和价格方面要优于CCD，逐步得到广 泛的应用。
2. 照明光源
三原色学说：该学说认为在视网膜上分 布有三种不同的视锥细胞，分别含有对红 (700nm)、绿(546.1nm)、蓝(435.8nm) 三种光敏感的视色素；当某一定波长的光线 作用于视网膜时，以一定的比例使三种视锥 细胞分别产生不同程度的兴奋，这样的信息 传至中枢，就产生某一种颜色的感觉。
2. 照明光源
简单视功能原理：人眼视网膜里存在着大量 光敏细胞，按其形状可分为杆状和锥状两 种。杆状光敏细胞的灵敏度极高，主要靠 它在低照度时辨别明暗，但它对彩色是不 敏感的；而锥状细胞既可辨别明暗，也可 辨别彩色。白天的视觉过程主要靠锥状细 胞来完成，夜晚视觉则由杆状细胞起作用。 所以在较暗处无法辨别彩色。
《机器视觉技术基础》课件第三章 了解和熟悉HALCON PPT
第三部分 软件图像采集
软件图像采集
熟悉了HALCON界面之后，接下来就要考虑怎么样进行采集图像。图 像采集是图像处理的基础，采集图像的速度和质量会直接影响后续图像处 理的效率。现在我们来介绍如何获取输入图像。
获取非实时图像
1、读取单张图像，利用read_image算子进行读取程序如下： read_image (Image, "D:/patras.png")
图形窗口
图形窗口
图形窗口主要显示图像，可以显示处理前 的原始图像，也可以显示处理后的region等， 如左图所示。
算子窗口
算子窗口
算子窗口显示的是算子的重要数据，包含了 所有的参数、各个变量的型态以及参数数值，如 左图所示。
这里会显示参数的默认值以及可以选用的数 值。在图形窗口中，只要键入部分字符串甚至开 头的字母，即可显示所有符合名称的算子供选用。
变量窗口
变量窗口
变量窗口显示了程序在执行时产生的各种 变量，包括图像变量和控制变量，在变量上 用鼠标双击，即可显示变量值，如左图所示。
程序窗口
程序窗口
程序窗口用来显示一个HDevelop程序。 它可以显示整个程序或是某个运算符。窗口 左侧是一些控制程序执行的指示符号。 HDevelop刚启动时，可以看到一个绿色箭 头的程序计数器（Program Counter, PC)、 一个插入符号，还可以设置一个断点 （breaking point), 窗口右侧显示程序代码， 如左图所示。
机器视觉系统中的图像采集和图像处理
机器视觉系统中的图像采集和图像处理机器视觉是人工智能以及物联网的关键技术构成，近些年来我国机器视觉飞速发展，部分技术位居世界领先地位，已经形成了集底层开发、软硬件集成以及各行业应用为一体的完整产业链。
一个机器视觉系统大体分为了图像采集和图像处理两个部分，图像采集是工业相机与PC端通过图像采集卡相互链接，图像采集卡接收工业相机的模拟信号或数字信号，并将信号处理转换为适用于PC端的信息。
目前我国在图像采集卡领域发展较为成熟。
图像采集卡的相关参数采样频率（时钟、点频）MHZ：采样频率反映了采集卡处理图像的速度和能力。
在进行图像采集时，需要注意采集卡的采样频率是否满足要求行频（KHz）：每秒钟扫描多少行场（帧）频（Hz, fps）：每秒扫描多少行场（帧）分辨率：采集卡能支持的最大点阵反映了其分辨率的能力，即所能支持的相机的最大分辨率传输通道：采集卡能够同时对多个相机进行A/D转换的能力，如2通道、4通道等传输速率：指图像由采集卡到达内存的速度，一般看采集卡的总线类型。
图像格式（像素格式）：分为了黑白图像和彩色图像，黑白图像的灰度等级可分为256级，即以8位来表示；而彩色图像可由RGB(YUV)3种色彩组合而成。
图像采集卡的附加功能：触发功能、灯源控制功能、基本I/O功能、相机复位功能、时序输出功能、串口通讯功能、电源输出功能等。
图像处理是用计算机对图像进行分析，以达到所需结果的技术。
一般指数字图像处理。
其主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
常用的图像处理方法有：图像增强图像增强用于调整图像的对比度，突出图像中的重要细节，改善图像质量。
有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。