文章目录
- 1.1 什么是机器视觉
- 1.2 机器视觉与计算机视觉的区别
- 1.3 机器视觉的工作原理
- 1.4 机器视觉的应用领域
1.1 什么是机器视觉
机器视觉是一种使用计算机来模拟人类视觉，并使用软件算法对相机采集到的图像进行分析和理解，以进行自动识别和判断的过程。
1.2 机器视觉与计算机视觉的区别
计算机视觉关键是计算机，机器视觉关键是机器，两者侧重领域不同。计算机视觉比较侧重于对图像的分析，回答“是什么”的问题；而机器视觉则更关注图像的处理结果，目的是控制接下来的行为，回答“怎么做”的问题。
- 计算机视觉一般使用相机设备
- 机器视觉更像是一套包括了硬件和软件的设备，它由照明系统、相机、采集卡和图像处理系统等模块组成，涉及光学成像、传感器、视频传输、机械控制、相机控制、图像处理等多种技术。每一个环节都会影响到最终的检测结果。
- 本质上来说，二者都属于视觉技术，共用同一套理论系统。但计算机视觉更侧重于对理论算法的研究，如深度学习在计算机视觉领域已经有了许多前沿的算法，虽然理论研究虽然超前，但暂时没有完全用于实际工程中。而机器视觉是落地的技术，它更侧重于实际应用，强调算法的实时性、高效率和高精度。
- 机器视觉还广泛的应用于机器人研究，是机器人的“眼睛”，能指引机器人的移动和操作行为。
因此，机器视觉和计算机视觉的发展方向和应用领域是各不相同的。
1.3 机器视觉的工作原理
视觉系统的组成
引用自：
典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分。基于PC的视觉系统具体由如图所示的几部分组成：①工业相机与工业镜头——这部分属于成像器件，通常的视觉系统都是由一套或者多套这样的成像系统组成，如果有多路相机，可能由图像卡切换来获取图像数据，也可能由同步控制同时获取多相机通道的数据。根据应用的需要相机可能是输出标准的单色视频（RS-170/CCIR）、复合信号（Y/C）、RGB信号，也可能是非标准的逐行扫描信号、线扫描信号、高分辨率信号等。
②光源——作为辅助成像器件，对成像质量的好坏往往能起到至关重要的作用，各种形状的LED灯、高频荧光灯、光纤卤素灯等都容易得到。
③传感器——通常以光纤开关、接近开关等的形式出现，用以判断被测对象的位置和状态，告知图像传感器进行正确的采集。
④图像采集卡——通常以插入卡的形式安装在PC中，图像采集卡的主要工作是把相机输出的图像输送给电脑主机。它将来自相机的模拟或数字信号转换成一定格式的图像数据流，同时它可以控制相机的一些参数，比如触发信号，曝光/积分时间，快门速度等。图像采集卡通常有不同的硬件结构以针对不同类型的相机，同时也有不同的总线形式，比如PCI、PCI64、Compact PCI，PC104，ISA等。
⑤PC平台——电脑是一个PC式视觉系统的核心，在这里完成图像数据的处理和绝大部分的控制逻辑，对于检测类型的应用，通常都需要较高频率的CPU，这样可以减少处理的时间。同时，为了减少工业现场电磁、振动、灰尘、温度等的干扰，必须选择工业级的电脑。
⑥视觉处理软件——机器视觉软件用来完成输入的图像数据的处理，然后通过一定的运算得出结果，这个输出的结果可能是PASS/FAIL信号、坐标位置、字符串等。常见的机器视觉软件以C/C++图像库，ActiveX控件，图形式编程环境等形式出现，可以是专用功能的（比如仅仅用于LCD检测，BGA检测，模版对准等），也可以是通用目的的（包括定位、测量、条码/字符识别、斑点检测等）。
⑦控制单元（包含I/O、运动控制、电平转化单元等）——一旦视觉软件完成图像分析（除非仅用于监控），紧接着需要和外部单元进行通信以完成对生产过程的控制。简单的控制可以直接利用部分图像采集卡自带的I/O，相对复杂的逻辑/运动控制则必须依靠附加可编程逻辑控制单元/运动控制卡来实现必要的动作。
一个完整的机器视觉系统的主要工作过程如下：1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。
2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。
3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。
4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。
6、摄像机曝光后，正式开始一帧图像的扫描和输出。
7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。
8、图像采集部分将数字图像存放在处理器或计算机的内存中。
9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。
10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。
1.4 机器视觉的应用领域
智能制造的第一个环节正式机器视觉，国内机器视觉产品仍处于起步阶段，但发展迅速，传统制造业依赖人工进行产品质量检测的方式已不再适用。在以下领域使用较广：
(1)缺陷检测:产品表面的信息的正确性,有无破损划痕等检测。
(2)工业测量:主要检测产品的外观尺寸,实现非接触性测量。
(3)视觉定位:判断检测对象的位置坐标引导与控制机器的抓取等动作。
(4)模式识别:识别不同的目标和对象,如字符、二维码、颜色、形状等。
