机器视觉基础知识汇总
视觉是人类观察和认知世界的重要手段。随着信息技术的发展，人类逐渐把这种技能赋予计算机、机器人或者其他智能机器，这就是我们今天所要提到的机器视觉技术。
目前机器视觉技术已经实现了产品化、实用化，镜头、高速相机、光源、图像软件、图像采集卡、视觉处理器等相关产品功能日益完善。机器视觉技术在信息化时代正扮演着越来越重要的角色。
到如今，中国已经成为世界机器视觉发展最为活跃地区，应用范围涵盖了工业、农业、医药、军事、航天、气象等国民经济各个行业。虽然机器视觉的成长速度非常快，但是还是有很多人对机器视觉并不了解，今天我们来了解下机器视觉。
01
什么是机器视觉系统？
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。
与计算机视觉相比，机器视觉偏重于计算机视觉技术工程化，能够自动获取和分析特定的图像，对准确度和处理速度要求都比较高，一般而言，计算机视觉多用来识别“人”，而机器视觉则多用来识别“物”。
具体来讲，计算机视觉应用的场景相对复杂，要识别的物体类型也多，形状不规则、规律性不强，有时甚至很难用客观量作为识别的依据，比如识别年龄、性别，对于光线、距离、角度等条件要求较低；而对准确度和处理速度要求都比较高，一般机器视觉的分辨率远高于计算机视觉，而且往往要求实时，处理速度非常关键。
02
机器视觉的优势
机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度和速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
03
系统组成
一个典型的机器视觉系统包括以下部分：
(1)照明
照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉光源照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳的效果。
光源可分为可见光和不可见光，常见的几种可见光源有白炽灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不稳定。所以如何使光能在一定的程度上保持稳定，是目前急需解决的问题；另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。
照明系统按照照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向光照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像；前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装；结构光照明是将光栅或光源等投射到被测物上，根据它们产生的即便，调解出被测物体的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。
(2)镜头
工业镜头
FOV（Field Of vision）=所需分辨率*亚像素*相机尺寸/PRTM（零件测量公差）
选择镜头需要注意：
1. 焦距
2. 目标高度
3. 影像高度
4. 放大倍数
5. 影像至目标的距离
6. 中心点/节点
7. 畸变
(3)相机
按照不同标准可分为：标准分辨率数字相机 和 模拟相机 等。
要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和 面阵CCD 、 单色相机 和 彩色相机 。
(4)图像采集卡
图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色；图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等。
比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理，有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机，然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。
(5)视觉处理器
视觉处理器集采集卡与处理器与一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务，现在由于采集卡可以快速传输图像到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。
04
工业镜头
工业镜头的接口：
C型：C型接口镜头与摄像机接触面至镜头焦平面（摄像机CCD光电感应处的位置）的距离为17.5mm
CS型: CS型接口距离为12.5mm,CS型镜头与CS型摄像机可以配合使用。C型镜头与CS型摄像机之间增加一个5mm的C/CS转接环可以配合使用，CS型镜头与C型摄像机无法配合使用。
F型：通用型接口，一般适用于焦距大于25mm的镜头。any
05
基本参数
视场：即FOV，也叫视野范围，指观测物体的可视范围，也就是充满相机采集芯片的物体部分。
工作距离：即WD，指从镜头前部到受检测物体的距离，即清晰成像的表面距离。
分辨率：图像系统可以测到的受检验物体上的最小可分辨率特征尺寸，在多数情况下，视野越小，分辨率越好。
景深：即DOF，物体离最佳焦点较近或比较较远时，镜头保持所需分辨率的能力。
焦距 (f)：是光学系统中衡量光的聚集或发散的度量方式，指从透镜的光心到光聚焦之焦点的距离，也是照相机中，从镜片中心到底片或CCD等成像平面的距离。
焦距大小的影响情况：焦距越小，景深越大；焦距越小，畸变越大；焦距越小，渐晕现象越严重，使像差边缘的照度降低。
失真：又称为畸变，指被摄物平面内的主轴直线，经光学系统成像后变为曲线，则此光学系统的成像误差称为畸变，畸变像差只影响影像的几何形状，而不影响影像的清晰度。
光圈与F值：光圈是一个用来控制镜头通光量的装置，它通常是在镜头内，表达光圈大小我们是用F值，如f2,f4。
06
工业相机的选择要点
(1)视野范围、光学放大倍数及期望的工作距离：在选择镜头时，我们会选择比被测物体视野稍大一点的镜头，有利于运动控制。
(2)景深要求：对于对景深有要求的项目，尽可能使用小光圈；在选择放大倍率的镜头时，在项目许可下尽可能选用低倍率镜头；如果项目要求比较苛刻时，倾向选择高景深的尖端镜头。
(3)芯片大小和相机接口：例如2/3镜头支持最大的工业相机耙面为2/3，它是不能支持1英寸以上的工业相机。
(4)注意与光源的配合，选配合适的镜头。
(5)可安装空间：在方案可选择情况下，让客户更改设备尺寸是不现实的。
07
机器视觉的工作原理
机器视觉检测系统是采用CCD照相机将被检测的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，图像处理系统对这些信号进行各种运算来收取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。
08
机器视觉特点
1. 摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像;
2. 零件的尺寸范围为2.4mm到12mm，厚度可以不同;
3. 系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并输出结果;
4. 针对不同尺寸的零件，排序装置和输送装置可以精确调整料道的宽度，使零件在固定路径上运动并进行视觉检测;
5. 机器视觉系统分辨率达到2448×2048，动态检测精度可以达到0.02mm;
6. 废品漏检率为0;
7. 本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测结果;
8. 具有对错误工件及时准确发出剔除控制信号、剔除废品的功能;
9. 系统能够自检其主要设备的状态是否正常，配有状态指示灯;同时能够设置系统维护人员、使用人员不同的操作权限;
10. 实时显示检测画面，中文界面，可以浏览几次不合格品的图像，具有能够存储和实时察看错误工件图像的功能;
11. 能生成错误结果信息文件，包含对应的错误图像，并能打印输出。
09
机器视觉的应用领域
1.识别
2.标准一维码、二维码的解码
3.光学字符识别（OCR）和确认（OCV）
4.检测
5.色彩和瑕疵检测
6.零件或部件的有无检测
7.目标位置和方向检测和测量
8.尺寸和容量检测
9.预设标记的测量，如孔位到孔位的距离
10.机械手引导
11.输出空间坐标引导机械手精确定位
10
机器视觉与计算机视觉的区别？
计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。
机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。哥刚毕业的时候在铁路上班，做过控制系统，还开过内燃机车，很清楚道岔缺口的重要性，这玩意儿你说要是测不准，呵呵:)
当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数统计。有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。
