[最新出版]机器视觉中的基础光学
机器视觉及光学检测基础知识与应用
光学检测基础及选型Sam cheung 2010-06-28PDF 文件使用 "pdfFactory Pro" 试用版本创建 何为机器视觉?机器视觉是一门技术，该技术被广泛应用在生产 制造等行业。
可用来保证产品质量、控制生产 流程、感知环境等。
机器视觉系统是基于机器视觉技术为机器或自动 化生产线建立的一套视觉系统。
PDF 文件使用 "pdfFactory Pro" 试用版本创建 1、相机的分类n nn1、按照芯片类型： 1）、 CCD（Charge Coupled Device 电 荷耦合装置） 2）、CMOS（Complementary Metal Oxide Semiconductor 互补金属氧化物半导 体）PDF 文件使用 "pdfFactory Pro" 试用版本创建 CCD与COMS的区别PDF 文件使用 "pdfFactory Pro" 试用版本创建 CCD Sensor—Frame Transfer Sensor解决了Full Frame Array Sensor发生 Smear现象的问题 从感光部分转移到屏蔽存储区域的时 间约为500us 优点：在曝光时间较长的情况下， Smear现象比Full Frame Array Sensor小很多 缺点：由于需要两个Sensor，因此 成本非常高Light sensitive CCD-sensorShielded memory area...............................Readout registerPDF 文件使用 "pdfFactory Pro" 试用版本创建 CCD Sensor—Interline Transfer Sensors转移时间约为1us，因此完全不 存在Smear现象。
优点：由于转移时间非常短，因 此不需要使用机械快门或闪光灯 缺点：由于屏蔽区占用了Sensor 的部分面积，因此使得此种传感 器填充因子只能在20%~70% 添加微镜头可以增加填充因子Sensor elements Shielded (Photo diodes) vertical shift registerOutput (Amplifier) Horizontal shift registersPDF 文件使用 "pdfFactory Pro" 试用版本创建 CMOS SensorPDF 文件使用 "pdfFactory Pro" 试用版本创建 由于CMOS可直接访问 单个像素， 因此在AOI非常小的情 况下，CMOS 与CCD相比，帧率上有 较大的优势。
机器视觉光学系统概论
T H′
远摄物镜系统
远摄透镜设计实例：
远摄物镜：T=95, f =156, η=0.61
工作距（后焦距：Back focal length）和反远 摄物镜
从系统最后一面到后焦面的距离fb又称工作距（后焦 距），通常要比焦距短（fb < f）。
对于一些短焦距镜头，工作距可能过短，以至于无法 设置光阑。有的彩色CCD前常有分光棱镜，也需要足 够的空间。
77°/8
2.8
6.11
2.6
场物镜
4．焦距，物、像距，远摄型和反远摄型镜头， 成像光学系统的基本参数（II）
孔径光阑
物距 l
像距 l′
成像透镜
共轭距 L
透镜成像示意图
物距l 、像距l′分别是物镜到物面、像面的距离； 共轭距（物像距）L则是物、像面的间距；
当l ＝∞时，共轭距L ＝∞，像距 l′＝焦距f 。
7.48×6.15
8.3×8.3
782×582
SVGA color CCD
SONY
ICX-415AQ
1/2″
Yes, HAD
<50 fps
7.48×6.15
8.3×8.3
782×582
XGA b/w XGA color
CCD CCD
SONY SONY
ICX-204AL
1/3″
ICX-204AK
1/3″
设想用镜头来观察一组空间频率逐渐变大的 “分辩率板”。
任何品质的镜头，对于全黑或全白的零频总是能够响应的，定 义零频的MTF=1。 对于空频较低的分辩率板，一般的镜头也能分清，MTF较高。 频率较高，响应就越差，MTF较低。 当频率高到线条几乎无法分辩时，就达到最高分辨率，简称截
机器视觉基础
距 离
10m
Usb2.0 1394a 1394b
GigE
480Mbps
400Mbps 800Mbps 1000Mbps
5m
4.5m
4.5m 100m
Ethernet
100Mbps 100m
优 势
1.带宽高 2.有带预处理功能的采集设 备 3.抗干扰能力强
1.易用 2.价格低 3.多相机
1.易用，价格低，多 相机 2.传输距离远，实际 线缆可达到17.5m， 光纤传输可达100m 3.有标准DCAM协议 4.CPU占用最低
03
绿色滤色 镜
02
红色滤色 镜
01
无滤色镜
相机
工业相机有多种类型
常见的分类方式如下 ○ 黑白相机和彩色相机 ○ 面阵相机和线阵相机 ○ CCD相机和CMOS相机 ○ 模拟相机，数字相机，智能相机
相机
CameraLink
速 度
Base: 1.5Gbps Medium: 3.8Gbps Full: 5.1 Gbps
特征检测
• 多出/缺损特征以及缺陷检测 • 方法…
➢ 灰度分析 ➢ 灰度百分比 ➢ 像素统计
➢ Blob 分析 ➢ 灰度像素聚合 ➢ 通过大小以及外形过滤
➢ 模式匹配 ➢ 模板匹配 (可训练) ➢ 结果 – 条形码, 字符读取（OCR）等
特征检测 – Average Intensity/Cont rast
光电探测器网格 (像素阵列) 转换光亮度级别成电子信号 CCD vs. CMOS – 转换方式不同
CCD & CMOS
灰度
•
灰度像素深度
➢ 转换光亮度级别成可测量信号级别
➢ 0 – 255 (0 – 黑, 255 – 白)
《基础光学》课件
光纤通信技术已经广泛用于互联网数据传输和长距离通讯领域，并随着科技进步和技术更新 不断发展创新。
激光科学和应用
相关领域
激光应用涵盖了生物医学、制造工艺、能源、环境、 文化艺术等各种领域，具有重要的经济和科学价值。
应用举例
激光的应用很多，包括激光打印机、激光制导系统、 激光测距仪、激光雕刻等等都是用激光科技实现的 现实生产和创新领域。
3
波动理论
了解光的波动性是探究光学奥秘中必不 可少的一步，还可以帮助我们理解干涉、 衍射现象。
波粒二象性
通过深入理解光的波动性和粒子性，我 们将会发现光体现出独特的波粒二象性。
光的干涉和衍射
干涉现象
光的干涉现象和干涉公式是光学中的重要部分，发 挥着重要作用。
衍射现象
光的衍射是一种重要的物理现象，应用于光栅、衍 射仪等。了解衍射现象有助于我们研究和理解更多 光学知识。
《基础光学》PPT课件
通过本文，您将学到光学的定义和作用，光的传播与折射，光的反射和成像， 光的波动性和粒子性，光的干涉和衍射，光的偏振，光学仪器和设备，光纤 通信技术，激光科学和应用。
光的传播与折射
作用原理
光线传播是基础光学的基础，了解光线的传播过程 和折射原理对理解后续内容很重要。
折射现象
光线穿过不同介质时的折射现象被广泛应用于晶体 分析、显微镜和人眼视觉等领域，有丰富而奇妙的 物理现象。
光的反射和成像
镜面反射
了解镜面反射的基本原理有助于解释成像现象， 并广泛应用于光学仪器和现代科技。
成像定律
光的反射与折射定律是光学中重要的数学工具， 通过对定律的应用和理解实现对成像原理的掌 握。
光的波动性和粒子性
1
机器视觉技术的基础原理与图像处理方法
机器视觉技术的基础原理与图像处理方法机器视觉技术是指让计算机通过摄像机等设备获取图像信息，并通过图像处理算法来实现对图像的分析、理解以及决策。
在工业、医疗、安防、交通等领域，机器视觉技术发挥着越来越重要的作用。
本文将介绍机器视觉技术的基础原理和常用的图像处理方法。
机器视觉的基础原理主要包括图像的获取、图像的处理和图像的分析三个方面。
图像的获取是机器视觉的第一步，通常使用摄像机或其他传感器将物体的视觉信息转化为数字信号。
摄像机中的图像传感器负责将光信号转化为电信号，然后经过模数转换，数字信号就能被计算机处理。
在图像的获取过程中，要考虑光照、目标运动等因素，以获得清晰、准确的图像。
获得图像后，需要进行图像的处理。
图像处理的目标是增强图像特征、去除图像噪声、调整图像亮度、对比度等，以便于后续的分析。
常用的图像处理方法包括滤波、边缘检测、直方图均衡化、图像去噪等。
其中，滤波是常用的图像处理方法之一，可以去除图像中的噪声，增强图像的细节。
边缘检测能够提取出图像中的边缘信息，对于目标检测、识别等任务非常重要。
直方图均衡化可以调整图像的亮度、对比度等，使得图像更加清晰、鲜明。
图像去噪是去除图像中的干扰信号，保留图像细节的方法。
图像的分析是机器视觉的核心任务，其目的是通过对图像的处理和解析来理解图像中的内容。
图像分析的主要方法包括特征提取、目标检测与识别、图像分割等。
特征提取是指从图像中提取出具有代表性的特征，以便于后续的目标检测和识别。
常用的特征包括边缘、纹理、颜色等。
目标检测与识别是将图像中的目标进行识别和分类，常用的方法包括模板匹配、分类器（如支持向量机、卷积神经网络）等。
图像分割是将图像分成若干个具有独立意义的子区域，常用的方法有阈值分割、基于区域的分割、基于边缘的分割等。
除了基本的图像处理方法外，机器视觉还涵盖了很多高级的图像处理方法，如深度学习、三维重建、运动分析等。
深度学习是一种基于神经网络的机器学习方法，通过大量的图像数据进行训练，可以实现图像的分类、分割等任务。
机器视觉所用的光学知识
机器视觉所用的光学知识
机器视觉是指让机器能够感知和理解图像或视频的能力。
光学知识在机器视觉中起着重要的作用，以下是一些与机器视觉相关的光学知识：
1. 光学原理：了解光的传播规律、折射、反射和干涉等基本原理。
2. 光学成像：理解光通过透镜、凸透镜和反射镜等光学元件进行成像的原理和方法。
3. 相机结构和镜头：了解相机的构造和工作原理，包括光圈、快门、传感器等部件，以及不同类型的镜头（如定焦镜头、变焦镜头）。
4. 相机标定：通过对相机的内部参数（如焦距、畸变等）和外部参数（相机与场景的相对位置和姿态）进行精确测量和校正，使得图像数据能够准确地与真实世界对应起来。
5. 光照和颜色：光照条件对图像的质量和机器视觉算法的性能有很大影响，了解光源的类型、光照强度和颜色等相关知识。
6. 图像传感器：了解不同类型的图像传感器（如CMOS和CCD），以及它们的工作原理、灵敏度、动态范围和噪声等特性。
7. 图像处理：理解图像的数字化表示和处理方法，包括灰度转换、滤波、边缘检测和图像配准等。
8. 特征提取：通过光学方法提取图像中的特征，如边缘、角点、纹理等，以用于目标检测、跟踪和识别等任务。
9. 立体视觉：利用两个或多个相机获取的图像来进行深度估计和三维重建，需要了解立体成像原理和深度计算方法。
10. 光学检测和测量：光学传感器和测量仪器可以用于检测和测量物体的尺寸、形状、颜色等特征，用于机器视觉中的物体分类、排序和质量控制等应用。
综上所述，了解光学知识对于机器视觉的算法和应用有很大帮助，可以提高图像质量、提取有用特征并准确解读图像中的信息。
机器视觉系统原理及基础知识PPT课件
实现图像的分类识别，比如识别图像中的人脸、汽车、猫狗等。
2
物体检测
能够有效地对场景中的各种物体进行识别和定位，帮助机器视觉系统完成目标检 测和跟踪。
3
目标分割
将图像分为不同的区域实现目标分割。
机器视觉在安防监控中的应用
人脸识别
通过人脸识别技术对人员进 行确认，实现物权归属、安 全管理等。
视频分析
结合机器学习算法实现对视 频的行为分析，进而实现物 体跟踪、异常行为监测等。
目标检测与跟踪
1
目标检测
利用计算机自动检测图像中的目标ห้องสมุดไป่ตู้体并标记，常用方法有HOG、SVM、CNN 等。
2
目标跟踪
在视频中追踪被标识的目标物体的运动轨迹，常用方法有KCF、MIL、TLD等。
3
网格法检测
网格法分割图像，进行目标检测。
视觉测量与三维重建
深度传感器
通过深度传感器提供的深度信息进行3D重建和识别。
激光扫描
利用激光扫描仪扫描物体表面进行3D重建和视觉测量。
视觉SLAM技术
结合计算机视觉算法和运动传感器等技术，能够实现3D重建和定位的同时还可以实现动态 障碍物检测。
光线与颜色处理
图像颜色信息和亮度信息对于机器视觉系统中的图像分析有着重要的作用。在这一部分，我们将介绍光线与颜 色的相关知识以及在图像处理中的应用。
4 变换与缩放
对图像进行旋转、平移和缩放等变换操作
人工智能与机器学习在机器视觉中的应用
神经网络
利用人工智能技术建立一种类似 于生物神经网络的结构，实现人 工智能的"黑盒"处理。
卷积神经网络
特别适用于图像和语音识别中。
机器学习
机器视觉基础知识
机器视觉基础知识
机器视觉基础知识是指基于人类视觉系统原理和计算机科学技术，通过视觉传感器获取并解析图像信息，实现对图像的理解、分析和处理的一门技术。
机器视觉技术在工业、医疗、安防等领域得到广泛应用，其基础知识包括以下几个方面：
1. 图像采集：机器视觉系统通过摄像机、激光雷达等视觉传感器采集图像信息，获取目标物体的外在特征。
2. 图像预处理：为了提高图像的质量和准确性，需要对采集到的图像进行去噪、滤波、增强等处理。
3. 特征提取：通过图像处理算法，提取目标物体的形状、颜色、纹理等特征，作为后续处理的基础。
4. 目标检测：通过特定的算法，实现对图像中目标物体的自动识别和定位，为后续的分析和决策提供基础。
5. 图像分割：将图像分为不同的区域，为目标的进一步分析和处理提供基础。
6. 物体跟踪：对连续的图像序列中的目标物体进行跟踪，分析其运动轨迹和状态变化。
7. 三维重建：通过多视角的图像信息，实现对目标物体的三维重建，为后续的仿真和虚拟现实应用提供基础。
机器视觉技术的发展和应用，需要深入掌握以上基础知识，结合实际应用场景，灵活运用各种算法和技术手段，不断提升机器视觉系统的性能和应用效果。
机器视觉之光源基础知识
光源基础知识使目标上的感兴趣区域与其它区域有尽可能大的区别。
在确定了光源和照明方式后，设计照明系统最后一步也是最重要的一步就是实验。
在现实世界中，目标表面特性并非单一，光源与目标物体的相互作用往往是各种现象的组合，有些难以用理论做出准确的描述。
通过实验可以验证设计的正确性，同时在实验中，改变影响图像的因素，如：目标在视场中的位置及相对于光源的角度，光源的亮度等，可以进一步验证系统的可靠性和稳定性。
总之，设计光源系统，最终目的是：最大程度地增强感兴趣特征的对比度，抑制和减少目标上其它部分的影响，抑制外部环境的影响。
下面简单介绍机器视觉照明技术中的一些基本概念。
光源能够实现照明的光源有许多种类型，但在机器视觉中，应用最多的是卤素灯、荧光灯和LED灯。
近些年来，LED技术发展很快，加上其固有的一些特点，如：寿命长、亮度稳定、可构成不同形状和光谱、可频闪和功耗低等，逐渐在机器视觉使用的光源中占主导地位。
当然，在色彩检测中，荧光灯以其色还原性好的特点仍有大量应用，在高亮度应用场合，卤素灯还有自己的优势。
亮场照明和暗场照明亮场照明和暗场照明描述光源和摄像机的相对位置，是机器视觉照明技术中常见术语之一。
在摄像机垂直于被检测目标的情况下，亮场照明和暗场照明的定义是：假设检测目标具有平坦、光滑的表面（镜面），摄像机处置放在目标中心的上方，由图可见，在“W”二个“V”内发出的光，经目标表面反射，全部落在镜头的范围内，称作亮场照明；而从在“W”二个“V”外发出的光，经目标表面反射，没有光线落入镜头的范围内，称作暗场照明。
当目标表面有缺陷时，如：等，亮场照明，缺陷部位的反射光不再落入镜头的范围，形成低灰度值区，与背景产生反差；暗场照明正好相反，缺陷部位的反射光进入镜头，产生高灰度值区。
亮场照明和暗场照明的概念还可以推广到摄像机不是和目标表面垂直的场合，如图所示：前照明和背光照明前照明和背光照明是描述摄像机、光源和被检测目标相对位置的。
机器视觉中的基础光学
2
COMMONLY USED UNITS
Centimeters = Millimeters = Micrometers = Micron = Millimicron = Nanometer = Angstrom = Inch = Millimeter = Furlong = 10-2 meter 10-3 meter 10-6 meter 10-6 meter 10-9 meter 10-9 meter 10-10 meter 25.4mm 0.03937in 201.168 meter cm mm µm µm mµ nm Å in mm
VISIBLE SPECTRUM (nanometers)
4
Basic Optical Terms / Definitions
Refraction = The bending of oblique incident rays as they pass from a medium having
one refractive index into a medium with a different refractive index
of glass with respect to a change in temperature.
Abbe Constant (V-Value) = The constant of an optical medium that describes the
ratio of its refractivity to it dispersion. A high V-Value indicates more nearly equal refraction at all wavelengths
y
Object Height