机器视觉培训教程4.pptVIP

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 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 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 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： 从图像上来理解滤波 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 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 基本形态算子 腐蚀(erosion)：取最小值 膨胀(dilation)：取最大值 中值滤波(Median filter)：取中间值 复合形态算子 Open： Erosion + Dilation – 去除毛刺 Close： Dilation + Erosion – 聚类 Top Hat： Source - opened (closed) 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… 操作符包括： 加、减、乘、除… 逻辑算子AND、OR、INVERT、XOR… 例子： 图像处理算法 视觉系统标定 特征提取 计算联通区域的几何特征 通过学习寻找物体 典型应用：图像对位、寻找物体等 基本原理 – 两个步骤 学习 寻找 常用的方法：归一化相关 normalized correlation 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 速度优化－多极匹配 旋转变化 比例尺变化 无关像素设置 通常基于明显的边缘点 在学习及运行的过程中，提取边缘点的几何特征。并对这些几何待征进行比较 可靠性高、快速 什么是几何特征： 几何特征是在图像中，明暗交界处的边缘线或轮廓 几何特征分封闭式及开放式两种 撮几何特征的基本步骤 几何特征点的描述 几何特征点通常是以“特征清单”形式的数据结构进行描述 特征点为图像中明暗边界轮廓上的点，其信息包括 点坐标位置 点与邻近点的几何关系 点的极性（由黑到白或由白到黑） 图像测量的基础 视觉系统边缘检测的灵敏度，远远高于人类 基于边缘的灰度变化分析 需要亚像元提取精度 基于边缘灰度变化曲线分析 亚像元检测精度 对已知形状的物体进行尺寸和位置测量或质量效验 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… 样例#1： 样例#2： 模板匹配 ＋ 拟合工具 系统标定的意义（1）： 将图像像素坐标变换为实际坐标 获得象素所代表的真实世界的长度单位。如，1象素= 0。02MM 系统标定的意义（2）： 补偿图像畸变 系统标定的意义（3）： 校验相机与实物面的几何关系 系统标定的方法（1） 使用已知尺寸的样本 系统标定的方法（2） 使用标定块 第四讲：机器视觉算法概述 版权@北京美视博文网络信息技术有限公司 机器视觉培训系列教程（基础入门培训） 第二节：图像处理与标定 一、图像处理算法（3）：几何特征匹配（2） 封闭式几何特征 开放式几何特征 图像 第四讲：机器视觉算法概述 一、图像处理算法（3）：几何特征匹配（3） 版权@北京美视博文网络信息技术有限公司 机器视觉培训系列教程（基础入门培训） 第二节：图像处理与标定 图像 全部特征 特征模版 特征提取 模版生成 第四讲：机器视觉算法概述 一、图像处理算法（3）：几何特征匹配（4） 版权@北京美视博文网络信息技术有限公司 机器视觉培训系列教程（基础入门培训） 第二节：图像处理与标定 从图像到点 第四讲：机器视觉算法概述 一、图像处理算法（4）：边缘检测（1） 版权@北京美视博文网络信息技术有限公司 机器视觉培训系列教程（基础入门培训） 第二节：图像处理与标定 第四讲：机器视觉算法概述 一、图像处理算法（4）：边缘检测（2） 版权@北京美视博文网络信息技术有限公司 机器视觉培训系列教程（基础入门培训） 第二节：图像处理与标定 灰度曲线 灰度差分 曲线 原图像 差分峰值为边缘点 第四讲：机器视觉算法概述 一、图像处理算法（4）：边缘检测（3） 版权@北京美视博文网络信息技术有限公司 机器视觉培训系列教程（基础入门培训） 第二节：图像处理与标定 78 microns 第四讲：机器视觉算法概述 一、图