机器视觉及上位机编程教材课程.pptx

机器视觉及上位机编程;图像处理基础 数字识别方法及步骤 上位机程序设计与节点通信;图像处理基础;图像处理;图像：二维函数f(x,y)。 x, y为空间坐标，f(x,y)为图像信息（灰度、亮度、颜色）。 数字图像：离散，矩阵 采样，量化，存储 数字图像元素：像素 成像方式 所有波段的电磁波 声波、震动等;数字矩阵;数据结构 单通道：灰度图，二值图 多通道：RGB，HSV，YUV/YCbCr/YPbPr，RGBA…… 索引图像：调色板，存储索引值 文件格式 BMP格式（BitMap）：位图，文件头+数据，未经压缩，可以直接二进制读取操作 JPEG：静止灰度或彩色，压缩率大，常用需要特定的算法读取其中信息。 GIF：8位文件格式，256色，压缩，动画 PNG，TIF……;图像运算 算术运算（加减乘除） 逻辑运算（与或非、异或）;g(m,n) = T[ f(m,n) ] 功能：改变动态范围，灰度区域截取，感兴趣区域;定义：灰度级出现频数（频率）分布，反应图像清晰性，直方图均匀分布时，图像最清晰。 均衡化：调节对比度，增强图像对比度。;空域法——空域滤波器;线性滤波器——模板与图像卷积 低通滤波器，高通滤波器，带通滤波器 非线性滤波器——取决与邻近像素值 中值滤波 R = mid{Zk} 最大值滤波 R = max{Zk} 最小值滤波 R = min{Zk};平滑滤波器 用途：去除无用小细节，连接中断线段与曲线，去噪音，平滑图像 方法：低通滤波，中值滤波;锐化滤波器 用途：改善细节，边缘提取，目标定位与识别 方法：高通滤波器，微分滤波器 微分滤波器：Roberts交叉梯度算子，Prewitt梯度算子，Sobel梯度算子，Laplacian二阶微分算子;频域 离散傅立叶变换 离散余弦变换 时频分析 盖伯变换 小波变换;目的：提取感兴趣区域 用途：区域分割，目标定位，目标识别与分类，规划与决策 边缘检测法：点、线、边 Hough变换法 阈值分割法 数学形态学方法;点的检测——空域高通滤波 线的检测——模板操作 边的检测——微分算子 Roberts交叉梯度算子，Prewitt梯度算子，Sobel梯度算子，Laplacian二阶微分算子;Hough变换——对于边界上n个离散的点集，找出共线的点集与直线方程;通过灰度门限对图像像素进行分类;腐蚀——使二值图像减小一圈 膨???——使二值图像扩大一圈;开-闭运算 开运算——先腐蚀，再膨胀 消除细小对象，分离细小粘连，不改变形状平滑边缘 闭运算——先膨胀，再腐蚀 填充细小空洞，连接邻近对象，不改变面积平滑边缘;边界特征 周长、直径、曲率、凹凸点 傅立叶描绘子 形状数、边界矩…… 区域特征 面积、曲线长度、区域周长，区域紧凑性，灰度 拓扑描绘子——欧拉数 ;边界周长 轮廓线像素个数为边界长度的近似估计 边界直径 Diam(B) = max[D(Pi,Pj)]，Pi与Pi为边界点 边界曲率 斜率差，相邻线段斜率的差值。 凸点/凹点;将像素点坐标表示为复数：s(k) = x(k) + j*y(k) 进行离散傅立叶变换，系数a(u)为傅立叶描绘子;?;记区域内孔个数为H，连通分量个数C，欧拉数E为;数字识别方法及步骤;结构法识别（多个结合） 简单描绘子，如周长，面积，紧凑度，灰度等 形状数，边界矩 欧拉数 决策论法识别 分类器，最小距离，相关匹配 神经网络，支持向量机（SVM）;步骤;采用工具：Matlab 前提条件：打印数字，背景白色;灰度化与二值化 方法，灰度阈值法，自适应阈值法…… 其它：滤波，形态学操作（开闭，腐蚀/膨胀）;目标：提取数字区域，并分割单个数字;数字倾斜？ 方法：顺时针/逆时针旋转一定角度，并计算数字区域在X轴的投影，投影范围最短时为水平。;数字特征 连通域 两个连通域：8 一个连通域：0，4，6，9 零个连通域：1，2，3，5，7 周长，曲率，端点个数……;字形确定，模板匹配方法：相关系数，差，异或;根据模板相关运算结果，识别数值。;神经网络算法 需要大量时间的训练，检测精度与训练样本有关。 优点：一般情况下，精度非常高，可以识别各种手写字体 SVM，支持向量机方法 需要训练，针对神经网络缺点对时间和精度均衡考虑，精度很高，可识别各种手写字体。 均需要强大的运算能力保证;上位机程序设计与节点通信;串口RS-232C，速率0~20000b/s，传输距离15米以下。 优点：接口简单，使用方便；缺点：速率低 一般用于传输指令或参数等字符信息。 USB，速率480Mbs，传输距离10m以下 优点：速率高，多设备；缺点：接口稍复杂 用于传输图像、大量数据。 以太网，速率10/100/1000Mbs，距离100m 优点：速度快，协议可靠；缺点：下位机实现复杂 包括wifi，有线等方式，用于控制或大