机器视觉组成部分及基础知识
机器视觉(相机、镜头、光源 )全面概括
机器视觉（相机、镜头、光源）全面概括分类：机器视觉2013-08-19 10:52 1133人阅读评论(0) 收藏举报机器视觉工业相机光源镜头1.1.1视觉系统原理描述机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
2.1.1视觉系统组成部分视觉系统主要由以下部分组成1.照明光源2.镜头3.工业摄像机4.图像采集/处理卡5.图像处理系统6.其它外部设备2.1.1.1相机篇详细介绍：工业相机又俗称摄像机，相比于传统的民用相机（摄像机）而言，它具有高的图像稳定性、高传输能力和高抗干扰能力等，目前市面上工业相机大多是基于CCD（ChargeCoupled Device）或CMOS（Complementary Metal OxideSemiconductor）芯片的相机。
CCD是目前机器视觉最为常用的图像传感器。
它集光电转换及电荷存贮、电荷转移、信号读取于一体，是典型的固体成像器件。
CCD的突出特点是以电荷作为信号，而不同于其它器件是以电流或者电压为信号。
这类成像器件通过光电转换形成电荷包，而后在驱动脉冲的作用下转移、放大输出图像信号。
典型的CCD相机由光学镜头、时序及同步信号发生器、垂直驱动器、模拟/数字信号处理电路组成。
CCD作为一种功能器件，与真空管相比，具有无灼伤、无滞后、低电压工作、低功耗等优点。
CMOS图像传感器的开发最早出现在20世纪70 年代初，90 年代初期，随着超大规模集成电路(VLSI) 制造工艺技术的发展，CMOS图像传感器得到迅速发展。
CMOS图像传感器将光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上，还具有局部像素的编程随机访问的优点。
机器视觉系统组成总结
机器视觉系统组成总结机器视觉系统通常由以下几个主要组成部分构成:
1. 图像采集设备
- 数字相机或工业相机
- 照明系统
- 镜头和滤光片
2. 图像传输接口
- 数据传输线路
- 图像采集卡或帧存储器
3. 图像处理硬件
- 中央处理器()
- 图形处理器()
- 数字信号处理器()
- 现场可编程门阵列()
4. 图像处理软件
- 图像预处理模块
- 图像分割模块
- 特征提取模块
- 模式识别模块
- 决策模块
5. 输出设备
- 显示器
- 控制系统
- 机器人执行器
6. 通信接口
- 工业以太网
- 现场总线
- 无线通信
机器视觉系统的各个组成部分协同工作,完成从图像采集到处理、分析、识别和执行控制的全过程。
每个部分都对系统的整体性能和可靠性起着重要作用。
根据具体应用场景和需求,可以对各个组成部分进行优化和定制化设计。
机器视觉入门介绍
机器视觉入门介绍在当今科技飞速发展的时代，机器视觉作为一项重要的技术，正逐渐走进我们的生活和工作的各个领域。
那么，什么是机器视觉呢？简单来说，机器视觉就是让机器能够像人一样“看”世界，并理解所看到的内容。
想象一下，一台机器能够自动检测产品的质量，识别图像中的物体，或者引导机器人进行精确的操作。
这背后的核心技术就是机器视觉。
它依靠摄像头等设备获取图像或视频信息，然后通过一系列的处理和分析，提取出有用的信息和特征。
机器视觉系统通常由几个关键部分组成。
首先是图像获取设备，这就像是机器的“眼睛”，常见的有工业相机、摄像头等。
这些设备负责捕捉清晰、准确的图像。
然后是图像传输和存储环节，确保图像能够快速、稳定地传递到处理单元，并被妥善保存，以备后续分析使用。
接下来就是图像处理和分析的部分了，这可以说是机器视觉的“大脑”。
在这个环节中，会运用到各种算法和技术，来对图像进行增强、滤波、分割等操作，以便提取出我们关心的目标物体或特征。
比如，在检测产品表面缺陷时，机器需要能够准确地识别出那些微小的瑕疵，这就需要强大的图像处理能力。
为了让机器能够理解图像中的内容，特征提取是至关重要的一步。
这就好比我们人类在看一幅画时，会关注一些关键的特征，比如形状、颜色、纹理等。
机器也需要从图像中提取出类似的特征，然后将这些特征与已知的模式或模型进行匹配和比较。
在机器视觉的应用中，工业领域是一个重要的方面。
在生产线上，机器视觉可以用于产品质量检测，快速、准确地发现不合格的产品，大大提高了生产效率和产品质量。
例如，在电子制造业中，它可以检测电路板上的元件是否安装正确，焊点是否良好；在汽车制造业中，能够检测车身的表面是否有划痕、零部件是否装配到位。
除了工业，机器视觉在农业、医疗、安防等领域也发挥着重要作用。
在农业中，它可以帮助识别农作物的病虫害，进行精准的灌溉和施肥；在医疗领域，辅助医生进行疾病诊断，如通过分析医学影像来发现病变部位；在安防领域，实现人脸识别、行为分析等功能，增强公共安全保障。
机器视觉技术简介
机器视觉技术简介机器视觉是一种模仿人类视觉系统的技术，借助相机、计算机和图像处理算法等工具，使机器能够感知、理解和识别图像中的信息。
利用机器视觉技术，计算机能够像人一样识别物体、检测运动、测量尺寸、解释场景，甚至可以通过学习来提高识别准确性。
一、机器视觉的原理和组成1.1 图像采集机器视觉的第一步是图像采集。
通过摄像机或其他图像传感器，可以将现实世界中的光信号转化为数字图像。
图像的质量和分辨率对后续的图像处理和分析具有重要影响。
1.2 图像预处理由于图像通常存在噪声、模糊、亮度不均等问题，需要进行预处理来提高图像质量。
常见的预处理操作包括去噪、锐化、增强对比度等。
1.3 特征提取与描述图像中的目标物体通常具有特定的特征，如边缘、纹理、颜色等。
通过特征提取算法，可以将图像中的目标物体从背景中分离出来，并将其特征以数值化的方式描述。
1.4 物体识别与分类机器视觉技术可以通过比对目标物体的特征与事先训练好的模型或数据库中的信息，实现物体的识别与分类。
常见的算法包括模板匹配、深度学习等。
1.5 三维重建与位姿估计通过多张图像或激光扫描等手段，机器视觉可以还原物体或场景的三维结构，并确定其在三维空间中的位置和姿态，为后续的机器操作提供准确的参照。
二、机器视觉的应用领域2.1 工业制造机器视觉在工业制造中起到了关键作用。
例如，在产品装配线上使用机器视觉系统可以检测产品的质量，识别产品的型号，实现自动化的检测与分类。
2.2 机器人导航与感知机器视觉技术对于机器人导航和感知也具有重要意义。
机器人可以通过视觉传感器获取周围环境的信息，并根据图像信息实现自主移动、避障和定位等功能。
2.3 医疗诊断与手术辅助机器视觉技术在医疗领域有广泛的应用。
例如，在医学影像中，机器视觉可以帮助医生识别病变、定位病灶，并提供辅助诊断信息。
在手术中，机器视觉可以实现精确的操作辅助，提高手术的准确性和安全性。
2.4 交通监控与智能驾驶机器视觉技术在交通监控和智能驾驶中发挥着重要作用。
机器视觉组成部分及基础知识
图像质量参数 分辨率（Resolution） 对比度（Contrast） 景深（Depth of Field） 失真（Distortion），也叫畸变
投影误差
影响图像质量的因素 镜头 摄像机 显示设备
镜头 光源 摄像机 镜头 镜头 镜头
镜头——焦距，物距，成像尺寸
焦距 拍摄物距
镜头的分辨率
➢ 影响分辨率的主要因素：
照明技术之四
• 案例二：药片包装 (LDL-TP-51x51)
照明技术之五
➢ 色和补色 (Utilization of color)
R、C；G、M；B、Y互为补色
光的三原色 •R –红 •G–绿 •B–蓝
红 黄
绿
白 品红
青 蓝
印刷的三原色 •C–青 • M – 品红 •Y–黄 •K–黑
照明技术之五
⁻ 镜头结构、材质、加工精度等。
➢ 其它因素：
⁻ 镜头光圈越大，分辨率越高； ⁻ 光波长度，波长越短分辨率越高； ⁻ 同档次的固定焦距镜头比变焦镜头分辨率高； ⁻ 短焦镜头一般边缘分辨率比中心低，长焦镜头一般中心
比边缘分辨率低。
焦距计算公式
传感器大小d
像方
焦距fΒιβλιοθήκη 物方工作距离L 视野W
焦距快速计算方法: d/W = f /L f=d*L/W
有光线控制薄膜
计算机视觉系统组成——镜头
机器视觉案例
标准计算机 智能摄像机 嵌入式系统
处理结果 孔 直径 1 3.15 mm ✓ 2 3.05 mm ✓ 3 2.79 mm
姿态
图像处理
镜头——主要参数
分辨率（Resolution）
FOV
工作距离（WD） 视 野 （ ）
机器视觉系统基本构成和各部件基本原理
Bu
Ru
b b=1/2(Bu+Bl
Bl
)
r r=1/2(Ru+Rl
Rl
)
Bayer Filter CV-M77
Bl b Br
Rr r Rl
b=1/2(Br+Bl)
r=1/2(Rr+Rl)
True 3CCD TR-33
wwww
数字/模拟
JAI CV-A1
JAI CV-M77
wwww
JAI CV-A33 DALSA 1M75
Xsg1 Xsg2
Xsub
Odd Even
Photo diode
(pixel)
Shutter
Xsg1
Photo diode (pixel)
Vertical ccd register
Vertical ccd register
Horizontal ccd register
Horizontal ccd register
wwww
Standard Lens
wwww
Telecentric lens
远心镜头
wwww
机器视觉原理简介
三、相机（光电转换器，完成信号转换）
C
C
A/D
D
种类：线&面、隔/逐、黑/彩、数/模、低/高、CCD/CMOS
指标：象元尺寸、分辨率、靶面大小、感应曲线、动态范围、灵 敏度、速度、噪声、填充因子、体积、质量、工作环境等
相机的光谱响应特性、LED器件（颜色、发光角、 亮 度、寿命等）、形状、打光方式（dark field, bright field, low angle, structure light)、辅助手段（偏光片、 滤光片、漫射片等）
【机器视觉培训】机器视觉系统概论
机器视觉系统概论一、机器视觉系统构成1.机器视觉的概念机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
美国制造工程师协会（SME Society of Manufacturing Engineers）机器视觉分会和美国机器人工业协会（RIA Robotic Industries Association）的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”。
在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。
通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。
由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。
这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。
1机器视觉系统的特点是提高生产的柔性和自动化程度。
在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来代替人工视觉;同时在大批量工业生产过程中，用于人工视觉检查产品质量的效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
机器视觉系统原理及基础知识PPT
本PPT将介绍机器视觉系统的概述、图像处理基础、图像分割与边缘检测、形 态学处理、特征提取与描述、相机标定与几何变换、目标跟踪、机器学习在 机器视觉中的应用等。
机器视觉系统概述
机器视觉系统是指通过计算机对图像进行处理、分析和理解，模拟人类视觉 系统的功能和能力，用于实现自动检测、识别、测量等任务。
特征提取与描述
特征提取是从图像中提取出具有代表性的特征，如颜色、纹理、形状等，特征描述是对这些特征进行数学建模 和描述，用于图像匹配和识别。
相机标定与几何变换
相机标定是确定摄像机的内部和外部参数，几何变换是通过变换矩阵对图像 进行旋转、平移、缩放等操作，用于图像校正和重建。
目标跟踪
目标跟踪是指在连续图像序列中跟踪特定的目标物体，如运动物体或行人， 用于视频监控、无人驾驶等应用。
图像处理基础
图像处理是指对图像进行数字化处理，包括图像采集、图像预处理、图像增强、图像压缩等，用于提取和改善 图像的特征和质量。
图像分割与边缘检测
图像分割是将图像分割成不同的区域，边缘检测是提取图像中的边缘线条， 用于目标检测和图像理解等应用。
形态学处理
形态学处理是一种基于图像形状和结构的图像处理技术，通过腐蚀、膨胀、开运算、闭运算等操作，用于图像 滤波和形状分析。
ห้องสมุดไป่ตู้
机器学习在机器视觉中的应用
机器学习是一种通过训练数据和统计方法来构建模型和预测的方法，应用于 图像分类、目标检测、人脸识别等机器视觉任务。
机器视觉系统基本构成和各部件基本原理PPT课件
包括光源、镜头、相机、 图像采集卡等。
wwww
为什么要采用机器视觉
• 节省时间 • 降低生产成本 • 优化物流过程 • 缩短机器停工期 • 提高生产率和产品质量 • 减轻测试及检测人员劳动强度 • 减少不合格产品的数量 • 提高机器利用率
wwww
机器视觉应用简介
GIGI(Gauge、Inspection、Guide、Identification)
When You Do Your Best, Failure Is Great, So Don'T Give Up, Stick To The End
演讲人：XXXXXX 时 间：XX年XX月XX日
Video out
Interlace
Progressive
wwww
Moving object
GBGBG RGRGR GBGBG RGRGR GBGBG RGRGR
彩色相机
Bul
Bur
Rul
Rur
Gu
b
r
Gle g Gr
Bll
Blr
Rll
Rlr
Gl
b=1/4(Bur+Bul+Bll+Blr) r=1/4(Rur+Rul+Rll+Rlgr)=1/4(Gu+Gr+Gl+Gle)
CCD Format
Sony: Diagonal:
1” format Type 1 16 mm
Image size
12.8 mm
2/3” format Type 2/3
11 mm
8.8 mm
1/2” format Type 1/2
8 mm
1/3” format Type 1/3
计算机视觉系统的组成
计算机视觉系统的组成
1 计算机视觉系统简介
计算机视觉系统，也叫机器视觉系统，是一种由计算机组成的机器人系统，可以通过原始的图像或视频序列进行自动识别，理解，检测和检测图像或视频中存在的信息。
计算机视觉系统具有通用性，广泛应用于物体识别、人脸检测、图像处理、视觉导航和机器人操作等各种应用领域，是AI技术中的重要组成部分。
2 计算机视觉系统的组成
计算机视觉系统主要由传感器、计算硬件、图像处理系统、视觉算法系统、控制系统等几个部分组成。
（1）传感器：传感器是计算机视觉系统的基础，它能够捕获图像和视频信息。
传感器可以是由摄像头、红外摄像头等组成的。
（2）计算硬件：计算硬件包括中央处理器（CPU）、图形处理器（GPU）、存储器等，它们能够处理图像和视频数据的存储和运算。
（3）图像处理系统：图像处理系统是从原始图像中提取出有用信息的过程，它可以实现图像分割、边沿检测、形状识别等多种功能。
（4）视觉算法系统：视觉算法系统是机器视觉的核心组成部分，它将图像处理的结果进行分析，为计算机视觉系统选择最合适的策略和方法，更好的实现材料识别和运动目标检测等，从而进行相关的处理。
（5）控制系统：控制系统是对计算机视觉系统的总体控制，可以实时监控系统的运行状态，根据数据处理结果进行控制和调整，从而实现视觉系统的有效运行。
3 结论
计算机视觉系统是一种复杂的机器视觉系统，它由传感器、计算硬件、图像处理系统、视觉算法系统、控制系统等多重组成部分所组成。
计算机视觉系统广泛应用于多种领域，有助于提高机器智能系统的技术水平，实现自动检测和识别等作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
姿态 图像处理
镜头——主要参数
分辨率（Resolution）
工作距离（WD） 视 野 ︵ ︶
靶面
FOV 景深（DOF）
镜头——影响图像质量的关键因素
图像质量参数 分辨率（Resolution） 对比度（Contrast） 景深（Depth of Field） 失真（Distortion），也叫畸变 投影误差
景深影响因素
镜头光圈 光圈越大，景深越小；光圈越小，景深越大； 镜头焦距 镜头焦距越长，景深越小；焦距越短，景深越大； 拍摄距离 距离越远，景深越大；距离越近，景深越小。
计算机视觉系统组成——摄像机
机器视觉案例 标准计算机 智能摄像机 嵌入式系统
处理结果 孔 1 2 3 直径 3.15 mm 3.05 mm 2.79 mm
LWD 10mm
照明技术之二
• 案例：塑料饮料瓶肩部OCR——条型照明(直接光)
明视野照明
暗视野照明
照明技术之三
折射照明 (Refraction light)
光由一种介质(物质)斜射到另一种介质，传播方向发生改变 当入射角满足一定的条件时，不会发生折射
照明技术之三
案例：钻石棱角测定
机器视觉组成部分 及基础知识
计算机视觉系统组成：
机器视觉案例 标准计算机 智能摄像机 嵌入式系统
处理结果 孔 1 2 3 直径 3.15 mm 3.05 mm 2.79 mm
姿态 图像处理
机器视觉市场
机器视觉系统中部件包括：
光源、工业摄像机、图像采集卡、镜头、图像处理设备等。
姿态 图像处理
工业摄像机——典型结构
IO控制模块 供电 触发信号 闪光同步信号 参数控制模块 调整 曝光时间 调整增益 等相机参数 预处理模块 自动白平衡 3A控制 Bayer变换 等预处理功能 数据传输模块 接口类型 USB2.0 CameraLink GigE Ethernet 1394a/b 光纤 USB3.0 1394S3200 HSLink …..
V-44系列
光源——光源配件的应用
防外乱光滤镜的应用——金属工件的轮廓检测
防外乱光濾波片的効果
防外乱光濾波片的効果
金属工件輪廓模糊
金属工件輪廓清晰
来自室内的光源产生了漫射光， 不需要的细节也进入了摄像机
添加滤镜将漫射光滤掉，得 到对比度良好的对象轮廓
光源——光源配件的应用
光线控制薄膜(Light control film)
高频荧光灯
卤 素 灯
LED灯
光源——光源性能对比
光源—— LED光源特点
可制成各种形状、尺寸及各种照射角度； 可根据需要制成各种颜色，并可随时调节亮度； 散热效果更好，光亮度更稳定； 使用寿命长（约3万小时，间断使用寿命更长）；
反应快捷，可在10us或更短的时间内达到最大亮度；
4.5
5 5 10 15 光纤300 100 40
不是很方便
谢谢！
• CoaXPress
工业相机接口及协议
接口 1394A 带宽（bps） 400M 距离(m) 4.5 单相机用户 易用性评价 比较方便 很方便
1394B
USB2.0 USB3.0 CameraLink CameraLinkHS GigE CoaXPress
800M
480M 5G 6.8G 48G 1000M N×6.25G
⁻
短焦镜头一般边缘分辨率比中心低，长焦镜头一般中心
比边缘分辨率低。
焦距计算公式
传感器大小d
焦距快速计算方法:
像方 焦距f
d/W = f /L f=d*L/W
物方
工作距离L
焦距标准计算方法: f = L / ( 1 + 1/ β ) 方法倍率β = d / W
视野W
景深的概念
景深计算公式
物方景深的计算机公式： DOF = 2 * working F# * circle of confusion / magnification^2
照明技术之四
透射照明 (Penetrating light)——背光的运用
透射照明，即使光线透射对象物，并观察其透射光的照明手法 因材质和厚度不同，对光的透过特性(透明度)各异 光根据其波长之长短，对物质的穿透能力(穿透率)各异
• 波长越长，对物质的
扩散比率 颜色 红外 红 绿 蓝 紫外 波长(nm) 950 660 525 470 370 扩散比率 0.23 1.00 2.25 3.89 10.12
使用红光可以检测基板 使用蓝光可以检测图层
光源——光源配件的应用
偏光器(Polarizer)
偏光镜片 偏光板
两者结合，用来消除照明时产生的反光
光源——光源配件的应用
偏光技术的应用
未使用偏光器 使用偏光器
光源——光源配件的应用
防外乱光滤镜(Shape-cut filter)
R-64系列
透过力越强。
• 波长越短，在物质表 面的扩散率(反射和透
射的比率)越大
照明技术之四
• 案例一：读取塑封带内的TSOP型号
使用红色照明(660nm)
使用蓝色照明(470nm)
照明技术之四
• 案例二：药片包装 (LDL-TP-51x51)
照明技术之五
色和补色 (Utilization of color)
黑白面阵相机 彩色面阵相机 2CCD面阵相机
3CCD相机
黑白线阵相机
3线彩色线阵相机
双线彩色线阵相机
其他……
工业相机接口及协议
常见接口：
• USB2.0/3.0
• 1394A/B • GigE • CameraLink • CameraLinkHS
协议标准：
• USB3Vision
• IIDC • GigEVision • GenICam
其中： working F# = F#(infinity) * (1+magnification ratio)
• F#(infinity) = 光圈值 (当被测物在无限远处)
•
• • •
Working F# =光圈值 (被测物在近处)
Magnification ratio = 放大倍率 （计算方法：传感器的大小 / 视野） DOF (object)= 景深(物方) Circle of confusion = 模糊圆。当一点光投影在一张纸上，如果焦点十分准确，理论上会 形成一点的影像，但如果焦点错落于焦点之前或之后附近，会变成一个模糊的圆，即模糊 圆（简称CoC）。 经验值：像圆尺寸的3倍
机器视觉市场包括:
部件生产商【部门工作】 代理商 【部门工作】
系统集成商【系统部工作】
计算机视觉系统组成——光源
机器视觉案例 标准计算机 智能摄像机 嵌入式系统
处理结果 孔 1 2 3 直径 3.15 mm 3.05 mm 2.79 mm
姿态 图像处理
光源——光源的种类
相机镜头接口 C-mount CS-mount F-mount M42 M72 等……
图 像 传 感 器
智能相机处理器 DSP ARM PowerPC 等……
工业摄像机——传感芯片
工业摄像机——曝光方式和扫描方式
行曝光CMOS 帧曝光CMOS GRS CMOS
隔行CCD
逐行CCD
工业摄像机——传感芯片
R、C；G、M；B、Y互为补色
红
光的三原色
黄 绿 白 品红
印刷的三原色
•C–青 • M – 品红
•R–红
•G–绿 •B–蓝
青 蓝
•Y–黄
•K–黑
照明技术之五
• 非发光物体的颜色
白色光 (混合色) 照射物
蓝色
其它颜色 被吸收
照明技术之五
•案例
白光 红光
蓝光
绿光
照明技术之五
照明技术之五
案例二：金属涂层的表面检测
影响图像质量的因素 镜头 摄像机 显示设备 镜头 光源 镜头 镜头 镜头 摄像机
镜头——焦距，物距，成像尺寸
焦距
拍摄物距
镜头的分辨率 影响分辨率的主要因素：
⁻ 镜头结构、材质、加工精度等。
其它因素：
⁻ ⁻ ⁻ 镜头光圈越大，分辨率越高； 光波长度，波长越短分辨率越高； 同档次的固定焦距镜头比变焦镜头分辨率高；
明亮、射角窄、会有光点
较暗、射角宽、 无光点、光斑均匀
照明技术之一
镜面反射和漫反射 (Regular reflection & Diffused reflection)
表面光滑
表面粗糙
明亮 与照射距离无关 与角度有关 不反映照射物的颜色
较暗 与照射距离有关 与角度无关 反映照射物的颜色
照明技术之二
明视野和暗视野 (Bright field & Dark field))
照明
(暗视野) 反射光 (明视野)
照射平面 散乱光
(暗视野)
透射光 (明视野)
照明技术之二
明视野：
用直射光来观察对象物（散乱 光呈黑色）
暗视野：
用散乱光来观察对象物（散乱 光呈白色）
FPQ-75
LWD 90mm
FPQ-75
排列着微细遮光线条的塑料薄膜
由微细遮光线条控制光线的方向和指向性
将散射光转化为类似平行光
光源——光源配件的应用
光线控制薄膜的应用——螺钉的轮廓检测
无光线控制薄膜
有光线控制薄膜
计算机视觉系统组成——镜头
机器视觉案例 标准计算机 智能摄像机 嵌入式系统
处理结果 孔 1 2 3 直径 3.15 mm 3.05 mm 2.79 mm成本低、寿命长的LED，会在综合成本和性能方面体现出更大的优势；