大数跨境

机器视觉系统之⌈图像采集和图像处理⌋的优化方法及数字化处理

机器视觉系统之⌈图像采集和图像处理⌋的优化方法及数字化处理 矩视智能
2022-06-28
0

机器视觉是人工智能以及物联网的关键技术构成,近些年来我国机器视觉飞速发展,部分技术位居世界领先地位,已经形成了集底层开发、软硬件集成以及各行业应用为一体的完整产业链。


机器视觉系统利用照相机和照明设备获取图像信息,然后传送给图像处理系统,图像处理系统将图片进行颜色、亮度处理,然后将图像信息转换成数字信号,最后通过计算机进行处理、分析。



所以,一个机器视觉系统大体分为了图像采集和图像处理两个部分。


图像采集是工业相机与PC端通过图像采集卡相互链接,图像采集卡接收工业相机的模拟信号或数字信号,并将信号处理转换为适用于PC端的信息。


而图像分析和处理也就是把之前通过图像采集得到的目标图像信息进行二次加工处理,方便计算机使用并做出反应。



1

图像采集



图像采集,也就是机器视觉收集和获取图像信息的过程总称。


这一步在整个机器视觉技术实现中是非常重要且基础的一步,这一步的质量直接决定了后续图像处理的效果如何。


我们通常采用摄像头对客观环境的图像进行捕捉,具体使用哪种摄像头则需要根据具体情况和所需功能进行选择;


除了摄像头本身质量的好坏,外部环境也会对我们的图像采集造成影响,比如目标图像的优劣、光线的强度等都会改变采集的效果,所以,一般情况下,需要添加光源等设备辅助图像采集。


摄像头帮助我们看到图像,但是我们还需要一个收集器来装载和运输图像信息,这里将使用到图像传感器。


灵敏度越高、像素越高、动态范围越大、耗能越低的传感器越受到使用人群的欢迎,就像我们都喜欢高性价比的商品一样。


现如今市场上普遍使用的传感器是CCD,基本上符合以上所说的几点,自然也占据了一定的地位。


日常生活中常见的图像采集有数码相机、手机、各式各样的摄像头、多媒体等,图像采集的速度、质量直接影响到后面图像的处理以及机器的控制。


以下为图像采集卡的相关参数:


采样频率MHZ:采样频率反映了采集卡处理图像的速度和能力,在进行图像采集时,需要注意采集卡的采样频率是否满足要求。


行频(KHz):每秒钟扫描多少行。


场(帧)频(Hz, fps):每秒扫描多少行场(帧)。


分辨率:采集卡能支持的最大点阵反映了其分辨率的能力,即所能支持的相机的最大分辨率。


传输通道:采集卡能够同时对多个相机进行A/D转换的能力,如2通道、4通道等。


传输速率:指图像由采集卡到达内存的速度,一般看采集卡的总线类型。


图像格式(像素格式):分为了黑白图像和彩色图像,黑白图像的灰度等级可分为256级,即以8位来表示;而彩色图像可由RGB(YUV)3种色彩组合而成。


图像采集卡的附加功能:触发功能、灯源控制功能、基本I/O功能、相机复位功能、时序输出功能、串口通讯功能、电源输出功能等。



2

图像分析和处理



图像分析一般利用数学模型对图像的色彩、透明度、色差进行分析,进而提取出有用的图像信息。主要包括图像信息识别与读取、图像的存储、图像数据变换、图像分割、模型匹配以及解释。


对于分析好的图像信息,下一步就需要进行图像处理。


一般的图像处理方法是数字处理,主要技术和方法包括去噪、增强、复原、提取特征等。


数字图像处理的基本步骤:


1. 图像采集


通常,图像采集涉及通过传感器(如相机)捕获图像。如果存在非数字形式的输出,则使用模数转换器将其转换为数字形式。此过程还包括预处理,例如图像缩放。


2. 图像增强


与图像处理相关的过程,以实现要执行的指定任务的相关结果的过程称为图像增强。


理想情况下,此过程通过执行诸如图像的消除噪声,对比度调整,亮度和锐化之类的任务来过滤图像,以提高最初捕获的图像的质量。


使用图像增强技术对图像进行去模糊处理


3. 图像恢复


图像恢复涉及改善可能已被数学和概率模型降级的图像的外观。一个理想的例子是减少图像中的模糊。



4. 彩色图像处理


使用基于颜色的方法从图像中提取特征。


5. 小波和多分辨率处理


它涉及以通常用于图像压缩的各种可用分辨率来表示图像,这对于图像数据压缩也很有用。


小波变换的插图(Haar Wavelet)


6. 压缩


在压缩的帮助下,减少保存图像所需的存储空间或显示图像所需的带宽,涉及图像大小减小和调整以使质量最不恶化的技术属于图像压缩过程。


图像压缩


7. 形态处理


图像中基本成分的提取描述了图像中特定对象的形状,一些典型的形态学操作是用于产生图像属性的腐蚀和膨胀。


形态学运算结果(imtophat变换)


8. 分割


图像分割是图像处理的必要过程之一,将图像分割成多个片段,此过程允许在图像中定位对象并识别对象的边界。需要注意的重要一点是,分割的准确性将导致更好的识别和分类准确性。


根据颜色值、形状和纹理分割区域


9. 表示和描述


该表示与以边界或区域的形式显示图像输出相关联,它可能涉及角落中形状的特征或区域表示,如纹理或骨骼形状。


另一方面,描述通常被称为特征选择,负责从图像中提取有意义的信息,提取的信息有助于准确地区分对象类别。


10. 物体识别/图像标注


为分类目的,根据对象的描述为对象分配标签的过程,这是计算机视觉非常重要的一步。为了训练模型,需要处理和标记足够大的图像语料库,以便可以利用计算机视觉模型来检测其他图像中的相似对象。


图像标记/标记示例

内容来源|

《物联网技术》2020年第8期

《Computer Vision and Image Processing》




矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台,始终秉承0成本、0代码、0门槛、0硬件的产品理念。

平台以人工智能技术为核心,在机器视觉应用开发环节,为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、3D测量、视频开发等上百项通用功能,致力于成为全球用户量最多,落地场景最广泛的机器视觉低代码平台。

现在长按下方二维码,即可获得立即免费试用机会!


如果您有相关检测需求
可扫码申请  ·  免费试用
👇👇👇
申请后我们会有工作人员第一时间与您联系
请耐心等待!

—往期回顾—


更多功能正在开发中,最新信息会第一时间在官方公众号进行公布,大家持续关注哦!

【声明】内容源于网络
0
0
矩视智能
1234
内容 312
粉丝 0
矩视智能 1234
总阅读0
粉丝0
内容312