1、机器视觉和计算机视觉对比分析

名称

机器视觉

计算机视觉

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。

计算机视觉是一门研究如何使用机器“看”的科学，更进一步说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送仪器检测的图像。


特点

（1）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。

（2）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。



（1）计算机视觉多用来识别“人”，机器视觉则多用来识别“物”。

（2）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是被的依据，比如识别年龄、性别。

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

  1. 工业上的应用。

例如对烟叶品质进行图像处理过程中，借助MATLAB图像处理工具箱和神经网络技术，对各类型的烟叶的数字图形进行计算机视觉分析，包括边缘检测、轮廓提取、用图像工具箱进行提取烟叶数字图像特征，将待测烟叶样本与标准烟叶样本进行自适应学习训练，最后迭到自动识别待测烟叶样本品质的智能评定。

  1. 公安工作的应用。

利用计算机对人脸图像进行分析，从中提取有效的识别信息，用来“辨别”身份的一门技术。他设计到图像处理、模式识别、计算机视觉和神经网络等。

  1. 商业上的应用。

安防方面的应用就是当值班人员面对十、百、千的摄影机，无法真正的在风险产生时预测或干预，多数靠事后回放；在非安防方面的应用，如商业上人流量的统计、防盗等。

  1. 医学方面的应用。

X-CT、放射性同位素扫描、B型超声、核磁共振成像等。

  1. 军事方面的应用。

计算机视觉开辟了人工智能的一个全新领域，它模拟并帮助理解人类的视觉系统

2、典型的机器视觉系统组成

（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。

3、计算机视觉技术的图像处理方法】

计算机视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。

经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

【图像增强】

【图像平滑】

【图像数据编码和传输】

【边缘锐化】

【图像分割】

【图像识别】