机器视觉培训教程第四讲.ppt

《机器视觉培训教程第四讲.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、机器视觉培训系列教程基础入门培训机器视觉算法概述机器视觉培训系列教程（基础入门培训）第四讲为什么需要学习算法视觉算法的特点图像处理基本步骤图像预处理第一节图像预处理机器视觉培训系列教程（基础入门培训）内容提要一、为什么需要学习算法机器视觉培训系列教程（基础入门培训）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二、视觉算法的特点机器视觉培训系列教程（基础入门培训）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视觉算法中所称的图像，是由像素表达出来的明暗信息组成的二

2、维数组，其中每个像素代表该位置的图像0~255的灰度值。其数字表达式为：机器视觉培训系列教程（基础入门培训）三、图像处理的基本步骤预处理原始图像/像素增强的图像/像素图像分割特征提取点、线、区域…特征值低高机器视觉培训系列教程（基础入门培训）四、图像预处理（1）图像预处理目的图像增强噪音去除图像单纯化图像预处理算法通常包括：滤波：高通、低通…形态处理：erosion/dilation/open/close…图像算数：＋、－、X、…二值处理机器视觉培训系列教程（基础入门培训）四、图像预处理（2），滤波（1）需要下列要素：原始图像：处理后的图像：一2D模板：滤波算法如下：M，N为K的尺寸

3、机器视觉培训系列教程（基础入门培训）四、图像预处理（2），滤波（2）从图像上来理解滤波模板原图机器视觉培训系列教程（基础入门培训）四、图像预处理（2），滤波（3）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方向机器视觉培训系列教程（基础入门培训）四、图像预处理（3），形态处理（1）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–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机器视觉培训系列教程（基础入门培训）四、图像预处理（3），形态处理（1）基本形态算子腐蚀(erosio

4、n)：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)机器视觉培训系列教程（基础入门培训）四、图像预处理（4），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机器视觉培训系列教程（基础入门培训）四、图像预处理（4），图像算数操作符包括：加、减、乘、除…逻辑算子AND、OR、INVE

5、RT、XOR…例子：图像处理算法视觉系统标定第二节图像处理与标定机器视觉培训系列教程（基础入门培训）内容提要机器视觉培训系列教程（基础入门培训）一、图像处理算法（1）斑点分析模板匹配几何特征匹配边缘检测拟合测量工具机器视觉培训系列教程（基础入门培训）一、图像处理算法（1）：斑点分析（1）联通区域的几何特征分析广泛应用于缺陷检验，物体定位、辨识等机器视觉培训系列教程（基础入门培训）一、图像处理算法（1）：斑点分析（2）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/自动门限选取机器视觉培训系列教程（基础入门培训）一、图像处理算法（1）：斑点分析（3）标记联通区域将相

6、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机器视觉培训系列教程（基础入门培训）一、图像处理算法（1）：斑点分析（4）特征提取计算联通区域的几何特征机器视觉培训系列教程（基础入门培训）一、图像处理算法（1）：斑点分析（5）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机器视觉培训系列教程（基础入门培训）一、图像处理算法（2）：模版匹配（1）通过学习寻找物体典

7、型应用：图像对位、寻找物体等机器视觉培训系列教程（基础入门培训）一、图像处理算法（2）：模版匹配（2）基本原理–两个步骤学习寻找学习寻找模板图图像机器视觉培训系列教程（基础入门培训）一、图像处理算法（2）：模版匹配（3）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