machine_vision_algorithm_v1.0z张裕算法讲义

《machine_vision_algorithm_v1.0z张裕算法讲义》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、机器视觉算法讲义张裕Euresys高级工程师为什么需要学习算法？对机器视觉有更深入的理解便于理解和分析处理结果更加灵活的选用或设计新算法机器视觉算法的特点机器视觉算法是图像处理算法的子集机器视觉算法针对工业应用的特点：可控的照明条件对被检工件有先验知识需要高效率、高可靠性和高重复性对智能要求不高什么是图像？图像是由像素组成的二维数组，其中每个像素代表该位置的图像亮度和颜色数学表达为：在程序中：通常是一指向nbit类型的一维指针，例如n=8(黑白),24(RGB彩色)…xy(0,0)88888HW8881个像素8888888bit黑白图像8bitRGB彩色图像1个像素通常图像处理步骤预处

2、理原始图像/像素增强的图像/像素图像分割特征提取点、线、区域…特征值低价高级预处理图像增强及噪音去除…算法通常包括：滤波：高通、低通…形态处理：erosion/dilation/open/close…图像算数：＋、－、X、…二值处理…滤波处理需要下列要素：原始图像：处理后的图像：2D模板：滤波算法如下：M,N为K的尺寸δ为归一化系数滤波处理从图像上理解：模板原图例：低通滤波滤波处理模板决定滤波的种类高通滤波：增强对比度低通滤波降低噪音Sobel提取边缘…X方向Y方向形态处理处理过程同滤波相似模板沿着图像移动计算中心点像素由模板所覆盖的邻域像素替换替换算法基于邻域像素排序可设置无关像素1

3、–有效0–无关模板下有效像素的灰度值按大小排序模板原图像形态处理基本形态算子腐蚀(erosion)：取最小值膨胀(dilation)：取最大值中值滤波(Medianfilter)：取中间值复合形态算子open:erosion+dilation–去除毛刺close:dilation+erosion–聚类tophat:source-opened/closed二值处理门限种类单门限：将图像像素分2类双门限：将图像像素分3类门限选取方式手动选取：如绝对值、相对值等自动选取：如最佳门限…原图像单门限双门限图像算数操作符包括：加、减、乘、除…逻辑算子AND、OR、INVERT、XOR…例：原图像－

4、背景图像结果图像＝斑点分析联通区域的几何特征分析广泛应用于缺陷检验，物体定位、辨识等斑点分析1.图像分割将感兴趣区域从背景中分割出来单门限/双门限分割固定门限选取/自动门限选取斑点分析2.标记联通区域将相连的像素组成相连区域，并给每一块相连区域分配唯一的标记斑点分析3.特征提取计算联通区域的几何特征斑点分析常用的几何特征包括：面积、重心、中心、最小包围矩形(minimumboundingbox)、最窄包围矩形(feretboundingbox)、ConvexHull、矩(momentofinertia);最亮点、最暗点、平均灰度、灰度方差…最小包围矩形最窄包围矩形原图像模板匹配通过学习

5、寻找物体典型应用：图像对位、寻找物体等模板匹配学习寻找基本原理–两个步骤：模板图图像模板匹配常用的方法：归一化相关normalizedcorrelation：同滤波运算相似：需要原图和模板模板＝学习的有唯一特征的物体图像匹配参数score(x,y)表达相似程度score(x,y)取值范围：-1～11:完全一样0:图像无特征(均匀背景)-1:完全相反模板匹配匹配系数为0匹配系数为0匹配系数为0.98匹配系数为0.2模板匹配速度优化－多极匹配匹配匹配匹配匹配模板匹配旋转变化比例尺变化无关像素设置红圈里的像素不匹配几何特征匹配通常基于明显的边缘点可靠性高、快速匹配中只采用了有特征的红色点集部

6、分遮挡特征不完整非均匀亮度分布边缘点提取图像测量的基础基于边缘的灰度变化分析需要亚像元提取精度边缘检测基于边缘灰度变化曲线分析灰度曲线灰度差分曲线原图像差分峰值为边缘点边缘检测亚像元检测精度78microns拟合测量工具对已知形状的物体进行尺寸和位置测量或质量效验拟合测量工具基于边缘点检测结果采用最小二乘法拟合测量结果常用的工具包括：线段、矩形、圆、扇形等…拟合测量工具例子最大搜索边界圆最小搜索边界圆标称圆采用样本输出结果：中心点坐标，直径，拟合参数…拟合测量工具使用方法例模板匹配＋拟合工具根据模板匹配的结果重新定位工具模板图像选取模板匹配输出原来工具位置图像标定图像标定的意义：将图像

7、像素坐标变换为实际坐标补偿图像畸变…30个像素＝10毫米30个像素＝14毫米图像标定方法1(不考虑畸变)：采用已知尺寸的样本(Goldensample)对角线长度(P1~P3或P2~P4)为已知：DX和Y方向的比例为所求的参数：图像标定计算P1~P3以及P4~P2的距离得到：解方程可得到：图像标定方法2：基于3D摄像机投影几何学：考虑到平移和旋转后的通用形式图像标定基于摄像机投影模型：2D半投影几何学其中为图像坐标，为实际坐标到为需求的8个未知