双目视觉传感器系统
双目视觉传感器的工作原理
双目视觉传感器的工作原理双目视觉传感器是一种能够模拟人眼视觉的传感器，它可以通过两个摄像头来获取物体的三维信息。
其工作原理类似于人眼，即通过两个不同位置的视角，通过计算两个视角之间的差异来推测物体的深度信息。
在双目视觉传感器中，两个摄像头的位置和朝向是非常关键的。
它们的位置应该相对固定，且朝向应该是向前的，这样才能够最大限度地模拟人眼视觉。
一般来说，双目视觉传感器会对两个摄像头进行校准，以确保它们的位置和朝向是准确的。
当双目视觉传感器开始工作时，它会同时捕捉两个摄像头所看到的图像。
然后，它会将这些图像传输到计算机上进行处理。
在处理过程中，计算机会先对两个图像进行匹配，以找出它们之间的共同点。
然后，它会计算两个摄像头之间的差异，以推测物体的深度信息。
具体来说，计算机会首先对两个图像进行校准，以确保它们的比例和角度是相同的。
然后，它会使用一种称为立体匹配的算法来找出两个图像之间的共同点。
这个算法会比较两个图像中的像素，以找出它们之间的相似之处。
一旦找到了共同点，计算机就可以计算出它们之间的距离。
在计算距离时，计算机会使用三角测量法。
具体来说，它会将两个摄像头和物体之间的三角形进行计算，以推测物体的深度信息。
这个过程中，计算机会使用一些基本的三角函数，如正弦、余弦和正切。
通过这些函数，计算机可以准确地计算出物体的深度信息。
总的来说，双目视觉传感器的工作原理非常类似于人眼。
它使用两个摄像头来模拟人眼的视觉，然后通过计算机进行处理和分析。
这种传感器可以广泛应用于机器人、自动驾驶和虚拟现实等领域，因为它可以准确地获取物体的深度信息，从而实现更加精确的控制和交互。
双目视觉传感器的工作原理
双目视觉传感器的工作原理
双目视觉传感器是一种模仿人类双眼视觉系统的传感器，通过两个相互独立的摄像头来获取环境中的信息，并通过计算机算法将这些信息整合在一起，实现深度感知和三维重建。
其工作原理可以简单分为成像、匹配和计算三个步骤。
双目视觉传感器中的两个摄像头分别拍摄同一场景，由于两个摄像头之间的距离已知，因此在成像阶段可以通过两个摄像头拍摄到的图像来获取场景的深度信息。
这两个图像经过预处理后，会被传输到计算机中进行处理。
接下来是匹配阶段，双目视觉传感器会通过计算机算法将两个图像中的对应像素点进行匹配，找出它们在空间中的位置关系。
这个过程可以通过特征点匹配、立体匹配等方法来实现，通过精确的匹配算法，可以获取到像素点之间的视差信息，从而计算出物体的深度。
最后是计算阶段，通过已知的摄像头间距、匹配像素点的视差信息以及相机的内外参数等信息，可以利用三角测量法来计算出场景中物体的三维坐标信息。
通过这种方式，双目视觉传感器可以实现对环境中物体距离的准确感知，为机器人导航、环境建模、物体识别等应用提供重要支持。
双目视觉传感器的工作原理借鉴了人类双眼视觉系统的原理，通过两个摄像头协同工作，实现了对环境的立体感知和深度重建。
它在
机器人、自动驾驶、安防监控等领域有着广泛的应用，为智能设备的发展提供了强大的支持。
随着计算机视觉和人工智能技术的不断发展，双目视觉传感器的应用前景将更加广阔，为人类社会的进步和发展带来更多的可能性。
双目视觉简介
双目立体视觉，在百度百科里的解释是这样解释的：双目立体视觉(Bin ocular Stereo Visio n )是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。
我相信未来的世界一定是三维感知的世界，毕竟二维世界很多情况下不能满足要求的。
一视差Dis parity 与深度图那么提到双目视觉就不得不提视差图：双目立体视觉融合两只眼睛获得的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作视差(Disparity) 图像。
对于视差的理解自己可以体验一下：将手指头放在离眼睛不同距离的位置，并轮换睁、闭左右眼，可以发现手指在不同距离的位置，视觉差也不同，且距离越近，视差越大。
那么提到视差图，就有深度图，深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离(深度)值作为像素值的图像。
获取方法有：激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法。
那么这里引申一下深度图与点云的区别，点云：当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。
若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成激光点云。
深度图像经过坐标转换可以计算为点云数据；有规则及必要信息的点云数据可以反算为深度图像。
两者在一定条件下是可以相互转化的，之前的博客里，有使用PCL库实现过点云提取深度图，当然给出相机参数也是可以由深度图转为点云的。
截图一个深度图：h 也JrruK"■arru举所以深度与视差的关系如下比如绝对差值法D=| L-R|式中，L、R和D分别代表左视图、右视图和对应的绝对差值图的亮度值。
绝对差值图并不是严格意义上的视差图，但是它的计算方法最为简单，速度快，它给出的结果可以作为参考。
双目视觉测量系统的参数选择和误差分析(精)
双目视觉测量系统结构参数设计及误差分析摘要：通过对双目视觉测量系统的研究，建立了双目视觉测量系统的误差模型，并分析了系统结构参数对测量结果的影响。
在理论上对系统结构参数(两光轴夹角、基线距离等参数与测量精度之间的关系进行了系统、详尽的分析，得出了测量系统的位置误差对距离方向上的精度影响较大；光轴夹角的变化对测量误差影响不大，而距离方向的误差随着基线距离的增加而减小的结沦。
本文建立的误差模型对具体的双目视觉测量系统的设计具有指导作用。
关键词：光学测量；双目视觉；误差分析；结构参数。
0 引言近来，由于传统的测量方法低速低效，不能满足发展迅速的先进工艺制造的需求。
因此，高效、智能、高精度的视觉测量方法的研究越来越受到关注。
根据国内外研究，视觉测量技术将会在未来军用民用领域得到广泛应用。
但是，目前视觉测量技术仍不能避免一些干扰因素，诸如视线噪声、相机性能、透镜畸变、特征提取和计算机视觉结构的影响，测量精度难以满足工业要求。
因此，如何提高测量精度是工业视觉测量方法面临的最大问题。
由于图像一点的三维坐标不能反应一个相机拍摄图片的所有信息，而两个相机拍摄一点图片不能用三角函数的方法进行三维计算。
因此，常常在视觉系统中加入镜面或结构光来实现双目视觉的功能。
双目视觉系统具有柔性结构，易于安装并且价格低廉，被广泛应用。
但是，当视觉系统选择不同的结构参数，测量精度会受到很大影响。
目前，大多数视觉结构根据仿真实验确定，很少有理论依据。
而且大多数视觉系统强调物体识别而不是测量精度。
为了提高测量精度和扩展应用范围，对于结构参数的综合分析十分必要。
本文确立了双目测量系统结构参数的数学模型，通过分析结构参数和测量点的特征关系，明确结构参数的误差分布曲线。
根据matlab的仿真结果，确定了在误差最小的范围内的最有价值的结构参数分布。
1 双目视觉系统的数学模型1.1双目视觉系统的三维结构模型双目视觉系统的结构参数主要包括扩：两个相机的光轴与基线形成的夹角 (α1,α2，基线是两台照相机物镜光学中心的连线（用B表示）；两台照相机的焦点(f1 ,f 2和物距。
《双目系统报告》课件
目录
CONTENTS
• 双目系统的概述 • 双目系统的原理 • 双目系统的硬件结构 • 双目系统的软件算法 • 双目系统的应用案例 • 双目系统的未来展望
01 双目系统的概述
双目系统的定义
01
定义
双目系统是一种基于双目立体视觉原理，通过模拟人眼视觉系统，获取
三维空间信息并实现三维重建的技术系统。
其他参数
如动态范围、信噪比等，也是传感器选择的 重要因素。
双目系统的摄像头
摄像头类型
可以选择不同类型的摄像头，如定焦 或变焦摄像头，以满足不同的应用需 求。
焦距
摄像头的焦距决定了拍摄距离和拍摄 范围，应根据应用需求选择合适的焦 距。
光圈
摄像头光圈的大小决定了图像的亮度 和景深，应根据应用需求选择合适的 光圈。
双目系统通过识别物体的形状、大小、位置等信 息，帮助机器人实现精准抓取和操作物体。
双目系统在安防监控领域的应用
01
02
03
目标检测与跟踪
双目系统能够实时检测和 跟踪监控区域内的目标， 对异常行为进行预警和报 警，提高安全防范能力。
场景三维重建ቤተ መጻሕፍቲ ባይዱ
双目系统可以获取场景的 三维信息，实现场景的三 维重建，为后续的智能分 析提供基础数据。
实时处理能力
双目系统的实时处理能力将得到显著提升，满足 更多实时应用场景的需求。
双目系统的应用前景展望
增强现实
机器人视觉
双目系统在增强现实领域具有广阔的应用 前景，如虚拟试衣、导航辅助等。
双目系统可以为机器人提供深度信息和空 间定位能力，促进机器人在智能制造、服 务等领域的应用。
医疗影像分析
娱乐产业
智能车辆基于双目视觉系统障碍物识别
The Study of Obstacle Detection Technology Based on Binocular Stereovision for Intelligent Vehicle
Abstract: With the popularization of the vehicle, traffic problem has increasingly become a hot problem. In recent years, people are
智能车辆基于双目视觉系统障碍物识别的研究
摘要：随着汽车的普及，交通运输问题日益严重，近年来人们对汽车的智能性的要求越来越迫切。与此同时，以实现无人、 全自动和安全驾驶为最终目标的智能车辆今年来发展较为迅速， 其关键技术之一是目标障碍物自动识别。 本文主要探讨利用 双目视觉目标识别技术， 来进行车辆前方障碍物的自动识别。 此外指出任何一种有效的障碍物检测系统不能只依靠单一传感 器进行环境感知,因此利用多种传感器信息融合技术检测智能车辆前方障碍物,是未来该领域的研究重点与难点。 关键词：智能汽车；双目视觉；障碍物识别；信息融合
expecting a type of cars which can be intelligent. At the same time, the realization of completely automatic and safe driving intelligent vehicles is a new rapidly developed research area in recent years, and the key technology of it is automatically detect the obstacles. This article mainly aims at automatically detect the obstacles in front of the vehicle by use of the binocular stereovision obstacle detection technology. In addition, the obstacle can not be detected based on only one kind of sensor, many kinds of information from different sensors must be employed. So the research focus in obstacle detection for intelligent vehicles is located at multi-sensors data fusion.
视觉传感器在智能网联汽车中的应用
• 请说说基于霍夫变换的车道线检测的原理是什么？ • 请问什么是基于仿射变换的车道线检测？ • 什么是基于边缘点拟合的车道线检测？
• 请说说车道线跟踪的原理是什么？
• 2.语义分割
• 语义分割是指图像处理算法试图从语义 上理解图像中每个像素的角色，该物体 是汽车还是其他分类的物体，除了识别 人、路、车、树等，我们还必须确定每 个物体的边缘，需要使用语义分割模型 来对物体做出像素级的分割，并通过语 义形式提供物体的特征和位置等信息。
20米以外，很难缩小视差的范围。采用高像素摄像 头和较好的算法可以提高测距性能，双目摄像头间 距越小，测距镜头之间的距离越近，探测距离越大 ，镜头间距越大，探测距离越远。
单目视觉传感器的原理和特点
• 智能网联汽车传感系统是一个多传感器的复杂系统。使用单目摄像头是一种很好的方法，但是单目摄像 头依赖大量训练样本、特征提取过程难以观测和调整等。由于传感器的物理特性，摄像头测距精度远低 于激光雷达和多普勒雷达。因此在实际应用中，需要结合激光雷达和多普勒雷达等其他传感器进行探测 ，这些传感器在各自的约束条件下能够发挥各自最优的性能，各类传感器的融合将大大提高目标检测的 精度。
驾驶汽车拥有三个前视摄像头，三个后视摄像头 ，两个侧视摄像头，12个超声波雷达和一个安装 在车身上的前毫米波雷达。
视觉传感器在智能网联汽车中的实际应用
• 智能驾驶汽车的视觉传感器可实现车道偏离警告、前方碰撞预警、行人碰撞预 警、交通标志识别、盲点监控、驾驶人注意力监控、全景停车、停车辅助和车 道保持辅助等功能。
01
• 视觉传感器种类与原理
视觉传感器的基本认识
• 1.车载摄像头的功能
• 请说说智能网联汽车上的摄像头各有什么功能？ • 单目传感器的工作原理是先识别后测距，首先通过
机器人的传感器及其应用
机器人的传感器及其应用近年来，人工智能和机器人技术得到了飞速的发展，它们的应用也逐渐渗透到各个领域。
机器人的传感器是机器人最重要的组成部分之一，它能够帮助机器人感知周围环境，从而更好地完成任务。
本文将围绕机器人的传感器及其应用展开探讨。
一、机器人常用的传感器机器人常用的传感器有红外线传感器、超声波传感器、激光传感器、视觉传感器等，这些传感器分别有不同的功能。
下面我们将逐一介绍其功能。
1. 红外线传感器红外线传感器是将红外线能量转换为信号输出的一种传感器，它主要用于检测温度、避障及追踪等功能。
对于机器人而言，红外线传感器可用于自动寻线和避障，对于机器人走过的路程也起到了记录的作用。
2. 超声波传感器超声波传感器是一种利用声波输入和输出信号来确定物体距离的传感器。
它通常用于测距和避障系统中，该传感器能够定位、测距、检测物体运动方向和速度。
3. 激光传感器激光传感器是一种利用激光束在空气中反射和散射的信号来识别障碍物的传感器。
它能够测量物体的距离和位置，用于机器人的室内定位、三维建模等方面。
4. 视觉传感器视觉传感器可以进一步分为单目和双目视觉传感器，它们能够模拟人眼视角，识别并测量物体位置和方向。
对于机器人而言，由于视觉传感器可以帮助机器人识别环境和对象，因此在研发自主导航和智能抓取等方面具有重要的应用前景。
二、机器人传感器的应用机器人由于其优异的性能，具有广泛的应用前景。
下面我们将围绕机器人的传感器在各个领域中的应用进行探讨。
1. 工业制造领域在工业制造领域中，机器人的传感器可以帮助机器人自主检测产品、进行装配、检测缺陷等任务，在生产线协作中发挥更大的作用。
2. 医疗领域机器人在医疗领域中的应用同样具有巨大潜力，比如手术机器人能够为病人实现精准手术，减少手术风险；机器人助手能够照顾需要护理的老人或残障人士，提高其生活质量。
3. 农业领域机器人在农业领域中的应用主要是在农作物种植、养殖等方面。
机器人可利用红外线传感器检测作物生长情况，激光传感器则可用于精准喷药、精准除草等。
- 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)。
双目视觉传感器系统
视觉检测广泛地应用于工件的完整性、表面平整度的测量:微电子器件(IC芯片、PC板、BGA)等的自动检测;软质、易脆零部件的检测;各种模具三维形状的检测;机器人的视觉导引等。
最具有吸引力的是由视觉传感器阵列组成的大型物体(如白车身)空间三维尺寸多传感器视觉检测系统。
双目视觉传感器由两台性能相同的面阵CCD摄像机组成,基于立体视差的原理,可完成视场内的所有特征点的三维测量,尤其是其它类型的视觉传感器所不能完成的测量任务,如圆孔的中心、三棱顶点位置的测量等。
因此,双目视觉传感器是多传感器视觉检测系统的主要传感器之一。
要实现双目视觉传感器直接测量大型物体关键点的三维测量,就必须知道传感器的内部参数(摄像机的参数)、结构参数(两摄像机间的位置关系)及传感器坐标系与检测系统的整体坐标系的关系(即全局标定)。
因此,在实际测量之前,先要对摄像机进行参数标定。
一般方法是,传感器被提供给整个系统使用前,就离线完成传感器的内部参数及结构参数的标定,采用一标准二维精密靶标及一维精密导轨,通过移动导轨来确定坐标系的一个坐标,通过摄像机的像面坐标及三个世界坐标的对应关系求得这些参数。
这种方法的缺点是:标定过程中,需要精确调整靶标与导轨的垂直关系,而且需多次准确移动导轨;同时标定过程的环境与实际测量的情形有差异;传感器在安装的过程中,易引起部分参数的变化,需多次的拆卸;摄像机还需进行全局标定。
由此可知标定的劳动强度大,精度难以保证。
本文提出了一种现场双目传感器的标定方法,只需先确定摄像机的部分不易变化的参数,其它参数在摄像机安装到整个系统后进行标定。
该方法大大地减少了上述因素的影响,能得到满意的标定精度。
双目视觉测量探头由2个CCD摄像机和1个半导体激光器组成，如下图所示。
半导体激光器作为光源,它发射出一点光源射到一柱状透镜上后变成一条直线。
该线激光投射到工件表面,作为测量标志线。
激光波长为650 nm,其扫描激光线宽约为1mm。
2个普通CCD摄像机呈一定角度放置,构成深度测量的传感器。
CCD镜头焦距长短会影响镜头光轴与线激光的夹角、探头与待测物体的距离以及测量景深。
视觉测量属于一种非接触式测量,它是基于激光三角法测量原理。
激光器1发出的光线经柱状透镜单方向扩展后变成一光条,投射在被测物体表面,由于物体表面曲度或深度的变化,使光条变形,由CCD摄像机摄取此变形光条的图像,这样就可以由激光束的发射角和激光束在CCD内成像位置,通过三角几何关系获得被测点的距离或位置等数据。
与人类使用双眼观察物体的远近类似,双目视觉测量传感器是通过2个CCD摄像机同时摄取一个光条的图像,再通过两幅图像的匹配,得到光条上所有像素点分别在两幅图像中的位置,利用视差,即可计算该点的位置以及深度信息的。
如果配合扫描机构得到的扫描线某一坐标值,可得到被扫描物体所有的轮廓信息(即三维坐标点)。
一般来说,双目传感器的视差(x2-x1)越大,则其测量精度越高。
通过实验发现,增大基线长度可以提高视觉测量的精度。
但对某一焦距的镜头,过大的基线长度会造成双目轴线夹角增大,使图像产生较大畸变,不利于CCD的标定及特征匹配,反而使测量精度下降。
选择2
个焦距为8mm的镜头,通过实验,找到与之相匹配的基线长度,可保证在镜头的景深范围内,双目视觉传感器有较高的测量精度。
摄像机标定的目的是建立有效的成像模型,并确定摄像机的内外部属性参数,以便正确建立空间坐标系中物点与它在图像平面上像素之间的对应关系。
由小孔成像原理,若考虑透镜径向一阶畸变,其摄像机模型如图所示。
三维物点(实际坐标系的坐标Pw=(xw,yw,zw))与其平面像点(成像平面二维坐标系的坐标Pu=(xu,yu))之间的转换关系为
式中ρ= x2d+ y2d为像点到像面中心的距离;k为径向畸变参数。
(xu,yu)表示没有畸变时P点在成像平面二维坐标系中的理想坐标。
(xd,yd)表示没有存在畸变时P点在成像平面二维坐标系中的实际坐标。
当扫描轮廓确定后,双目视觉测量传感器将按照设定的扫描速度沿某一方向扫描,扫描过程中,可设置左右图像采集速率为每秒25帧,这些图像保存在计算机内存中。
采集的图像可进行实时处理,包括特征提取、立体匹配。
图像中的激光扫描线是需要提取的特征。
由于激光光条宽度约为1mm,其在摄取的图像中所占的像素数目不止一个像素,所以,激光光条图像必须做中心线搜寻处理,即激光光条需进行细化处理。
细化时,采用高斯分布算法。
采用极线约束条件[4],可以搜索左图像中激光光条上某一点在右图像激光光条中的对应点,得到相应的视差后,可以计算出光条上所有点的深度信息,从而恢复工件三维信息。
在双目视觉的硬件结构中，目前通常采用两个 CCD 摄像机作为视频信号的采集设备，通过专用的图像采集卡与计算机连接，把采集到的模拟信号经过采样、滤波、量化，最终提供给计算机图像数据，如图所示。
双目视觉硬件系统由视觉传感器、云台、图像采集设备及控制主机等设备构成。
图像传感器是测定图像的输入装置，通常选用CCD(电荷耦合器)传感器。
来自被测对象的光通过光学系统，由CCD 器件转换成电信号(时间序列的输出信号)，然后将传感器的电荷逐步移出，形成像素。
现在比较流行的图像传感器还有 CMOS 传感器。
与 CCD 传感器相比，它具有功耗低、摄像系统尺寸小、可将信号处理电路与 MOS 图像传感器集成在一个芯片上的优点。
但其图像质量(特别是低照度环境下)与系统灵活性与 CCD 相比相对较低。
适用于小尺寸、低价格、摄像质量无过高要求的保安用小型微型像机、手机、计算机视频网络中等。
但对于图像质量要求较高的系统中，通常会选用价格稍为昂贵的 CCD 传感器。
所谓视频采集即将视频转换成PC机可使用的数字格式。
一些专业图像采集卡是将视频信号经过AD 转换后，经过 PCI总线实时传到内存和显存。
在采集过程中，由于采集卡传送数据采用 PCI Master Burst 方式，图像传送速度可以达到 33 帧/秒，可实现摄像机图像到计算机内存的可靠实时传送，并且几乎不占用 CPU 时间，留给 CPU 更多的时间去做图像的运算与处理。
图像采集卡主要包括图像存储器单元、显示查找表单元、CCD 摄像头接口(A/D)、监视器接口(D/A)和 PC 总线接口单元。
工作过程如下：摄像头实时或准时采集图像数据，经 A/D 变换后将图像存放在图像存储单元的一个或三个通道中，D/A 变换电路自动将图像显示在监视器上。
通过主机发出指令，将某一帧图像静止在存储通道中，即采集或捕获一帧图像，然后可以对图像进行处理或存盘。
高档的采集卡还包括卷积滤波、FFT 等图像处理专用软件包，并能够实时显示彩
色活动图像。
云台作为 CCD 摄像机的支架，用以控制摄像机左右摇摆或上下俯仰。
控制主机作为图像传输及处理，是视觉系统的关键设备。
由于图像处理的数据量较大，运行时间也较长，要想实现实时控制，除了在尽量优化算法的基础上，还应该尽可能的提高控制主机的硬件设备要求。
对于不同的传感器和采集卡，对主机要求也不同。
图所示为 CCD 图像传感器工作原理框图。
器件完成曝光后光子通过像元转换为电子电荷包，电荷包顺序转移到共同的输出端，通过输出放大器将大小不同的电荷包(对应不同强弱的光信号)转换为电压信号，缓冲并输出到芯片外的信号处理电路。
在选取器材过程中考虑性价比，最终选用松下 WV-CP470 摄像头。
主要原因是该摄像头具有同步锁定功能，对于双目视觉系统要求在同一时刻采集左右两幅视图，尤其是在进一步研究动态物体时，所以要求具有同步功能。
该摄像头的 CCD 传感器为 753×582 像素，逐行变换，扫描面积是4.8 × 3.6mm，相当于 1/3 英寸传感器的扫描面积，水平分辨率为 480 线(彩色)，每秒钟可传送 25 帧图像，在使用焦距为 14mm 的镜头时，彩色模式下最小照度为 0.8lx。
选择这款镜头完全达到本实验的性能要求，并能够达到为进一步作动态实验研究的性能要求。
图像采集卡工作原理是将输入的模拟信号经过 A/D 转换，或将
数字摄像机的输出信号，通过计算机总线传输到计算机内存或显存，计算机可以对现场采集的图像进行处理和存储。
本实验选取了大恒DH-CG300 彩色图形采集卡。
DH-CG300 是基于 PCI总线的视频/音频采集卡，其基本结构及工原理见图。
视频图像经多路切换器、数字解码器、A/D 转换器，将数字化的图像数据送到数据缓存区。
经比例缩放、裁剪、数据格式转换等处理后，由内部 RISC 控制图像覆盖与数据传输，数据传输目标位置由软件确定可以通过 PCI 总线传输到VGA 卡上实现实时显示，也可传送到计算机内存中实时存储。
图像处理的主要特点是数据量大、运算时间长，因而对系统硬件要求较高。
对于显卡的主要要求是 DMA 传输速率、显存的读写速率。
目前对主板的要求是提供符合 PCI2.1 标准的扩展槽，扩展槽同时提供 5V 电源，支持奔腾以上 CPU。
PC 机图像处理系统的最小配置如下：奔腾以上 CPU，VGA 显卡，内存容量 128MB，硬盘至少 10G。