现代检测技术5--基于机器视觉的测控技

5.1.1 机器视觉检测系统硬件
图像传感器

CCD电荷耦合器件摄像机（Charge Coupled Device）:感光像 元在接收输入光后，产生电荷转移，形成输出电压。分为线 阵和面阵两种。性价比高，受到广泛应用。

CMOS摄像机（Complementary Metal Oxide Semiconductor）:
第5章 基于机器视觉的测控技术
主要内容

机器视觉测控系统
数字图像处理
图像融合技术
典型应用
HALCON简介
第5章 基于机器视觉的测控技术
介绍机器视觉测控系统、数字图像处理方法以及图像 信息融合术，简要介绍应用作者研制的ZM-VS1300视觉智 能测控系统平台研制开发自己专用视觉测控系统方案，最 后给出了作者研制的机器视觉测控系统典型应用案例。
A pi , B
i 1 k i k 1
p
L
i
5.2.3 图像分割

最大类间方差确定阈值
区域A和B的平均灰度为：
A
1
A

i 1
k
i pi
k
k
B
1
B
i k 1

L
i pi
k 1 k
原理：
机器视觉测控系统一般由获取图像信息的图像 测量系统、决策分类或跟踪对象的控制系统组成。可 分为图像获取和图像处理两大部分。 获取被测场景中的图像信息设备称为观测系统，包括 照相机和摄像系统。获取的信息可是是静态的，也可 以是动态的；可以是二维的，也可以是三维的。决策 分类或跟踪对象的控制系统根据对图像信息的分析结 果进而实施一定的控制。
拉普拉斯算子
对一个连续函数，它在位置处的拉普拉斯值定义
如下：
2 f
2 f x
2

2 f y
2
5.2.2 边缘检测
拉普拉斯算子
计算函数的拉普拉斯值也可以借助各种模板实现，它要 求模板的中心像素系数应该是正的，而对应中心像素的邻 近像素的系数应是负的，且它们之和应该是零 。
0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1
5.2.2 边缘检测
Marr-Hildreth边缘检测算子
DOG 1 , 2 x2 y2 exp 2 12 2 1 1 1 2 2 x2 y2 exp 2 2 2
考虑到M-H算子的对称性，可采用分解的方法来提高运 算速度。即把一个二维滤波器分解为独立的行、列滤波 器。
2 K 1 2
h2
2 K exp 2 2
5.2.2 边缘检测
Canny边缘检测法


Canny给出了评价边缘检测性能优劣的三个指标 （1）低失误概率 （2）高定位精度 （3）对单一边缘仅有唯一响应 设n为任意方向，Gaussian函数在这个方向上的一 阶导数为：
f x, y T 0 g x, y 255 f x, y T
阈值的选取

间接阈值法 多阈值法 p尾法确定阈值
5.2.3 图像分割
阈值的选取 间接阈值法 多阈值法 p尾法确定阈值 最大类间方差确定阈值
假定图像的灰度区间为，设以灰度k为阈值将图像分为两 个区域，灰度为1~k的像素和灰度为k+1~L的像素分别属 于区域A和B，则区域A和B的概率分别为：
5.1.3 视觉检测系统应用

缺陷检测 尺寸测量 PCB焊点检测与分类
5.1.3 视觉检测系统应用
5.1.3 视觉检测系统应用
5.1.3 视觉检测系统应用
5.1.3 视觉检测系统应用
5.2 数字图像处理
数字图像处理技术是一门跨学科的前沿高科技，是在信号
处理、计算机科学、自动控制理论及其他应用领域基础上
6
原理：机器视觉测控系统一般由获取图像信息的图像 测量系统、决策分类或跟踪对象的控制系统组成。可 分为图像获取和图像处理两大部分。 获取被测场景中的图像信息设备称为观测系统，包括 照相机和摄像系统。获取的信息可是是静态的，也可 以是动态的；可以是二维的，也可以是三维的。决策 分类或跟踪对象的控制系统根据对图像信息的分析结 果进而实施一定的控制。
5.2.2 边缘检测
梯度算子
用标准的模板来计算梯度：
-1 1 0 0 -1 0 -1 1 -1 0 -1
0 0 0
-1 -1 -1
1 0 -1
1 0 -1
1 0 -1
-1 -2 -1
0 -1 0
1 2 2
1 0 -1
2 ）Prewitt
（c）Sobel
5.2.2 边缘检测
同时，也对机器视觉检测处理的共性软件进行了研究开发，
出现了很多机器视觉测控系统组态软件平台，如最 具代表性的机器视觉软件HALCON。
5.1.2机器视觉检测系统软件

德国MVtec公司的HALCON是世界范围内 广泛使用的机器视觉软件，拥有满足用 户各类视觉应用需求的完善开发库。支 持Linux和Windows，可通过C、C++、 C#、VB、Delphi开发。
体积小、耗电少、价格低，在光学分辨率、感光度、信噪比
和高速成像等已超过CCD。
5.1.1 机器视觉检测系统硬件
图像传感器

其他：飞点扫描器（Flying Point Scanner）、扫描鼓、扫 描仪、显微光密度计等。

遥感图像获取设备： 光学摄影：摄像机、多光谱摄像机等；
红外摄影：红外辐射计、红外摄像仪、多通道红外扫描仪
5.1.1 机器视觉检测系统硬件
光源
照度要适中 亮度要均匀 亮度要稳定
不应产生阴影
照度可调
5.1.1 机器视觉检测系统硬件

在视觉检测系统中，视觉传感器对光线 的依赖性很大，照明条件的好坏将直接 影响成像的清晰度，细节分辨率和图像 的对比等。因此，照明光源的正确设计 与选择是是视觉检测成功的关键
5.1.1 机器视觉检测系统硬件
图像采集卡的设计
①
基于PCI总线的图像采集卡的设计
5.1.1 机器视觉检测系统硬件
②
基于USB总线的图像采集卡的设计
5.1.1 机器视觉检测系统硬件

（4）图像存储设备 用于暂时或永久存储摄像系统获取的数字图像 。 包括硬盘、光盘、磁带机、闪存等。 硬盘存储技术发展很快，大图像存储可使用磁 盘 阵列；光盘也可满足大容量存储；磁带机顺序 存 储；闪存发展最快，成为数码相机、PDA、 MP3/4等的首选。
5.2.2 边缘检测
梯度算子
f x, y G x

Gy

T
f x
f y
T
实际操作中，用下面式子取代微分：
x f x, y f x, y f x 1, y
y f x, y f x, y f x, y 1
5.2.2 边缘检测
Canny边缘检测法

Canny算子的算法实现
（1）对要处理的图像I作高斯光滑，则新的图像
I 为 f G *，其次对求的方向导数
f x (G * I ) x ,
f y (G * I ) y
（2）细化M中所有的边 （3）双阈值操作
5.2.3 图像分割
灰度阈值法
图像阈值化处理的变换函数表达式为：
5.2.1 平滑和滤波
中值滤波法

将模板在图中漫游，并将模板中心与图中某个像素
位置重合；

读取模板下各对应像素的灰度值； 将这些灰度值从小到大排成1列； 找出这些值里排在中间的1个； 将这个中间值赋给对应模板中心位置的像素。
5.2.1 平滑和滤波
空域滤波实现
R k 0 s 0 k1 s1 k 8 s 8
5.2.2 边缘检测
Marr-Hildreth边缘检测算子
1 r2 1 2 G r 4 2 2 2 2 e
r2
此算子有无限长拖尾，在具体实现卷积时，应取一个N×N 的窗口 。同时，为了减小卷积运算的计算量，可用两个不
同带宽的高斯曲面之差（DOG）来近似 。
5.2.2 边缘检测
将方程改写为
2 G H 12 x , y H 21 x , y
其中 :
H 12 x , y h1 x h2 y
h1
H 21 x , y h2 x h1 y
2 exp 2 2
5.1.1 机器视觉检测系统硬件


根据具体应用选择光源： 1）通过检测被测物体的像来测量被检测 物体的某些特征参数——选用白炽灯或卤 钨灯； 2）通过测量被检测物体的空间频谱分布 来确定被检测物体的某些特征参数——选 用激光照明。
5.1.1 机器视觉检测系统硬件


光源的照明方式： 1）漫反射照明适合于照射表面光滑、形 状规则的物体。 2）投射照明也称为背光照明，适合于不 透光物体照明，可以形成一幅黑白灰度 图像，用于物体轮廓识别与定位。
Gn G n n G
5.2.2 边缘检测
Canny边缘检测法

当一个像素满足以下三个条件时，则被认为是图像的 边缘点： （1）该点的边缘强度大于沿该点梯度方向的两个相邻 像素的边缘强度； （2）与该点梯度方向上相邻两点的方向差小于 45°； （3）以该点为中心3×3的邻域中的边缘强度极大值小 于某个闭值。
发展起来的边缘学科，是认识世界、改造世界的重要手段