机器视觉复习资料

第章1、机器视觉的引入：自动化和脑技术是机器视觉进入工业生产线的关键要素。2、人类大脑、四肢、感官和神分别可以对应、运动控制、传感器和网络。3、在很多情况下人类视觉越发能满足要求：高速、高精、超视、微距、客观、无疲劳、环境限制等。4、机器视觉系统的基本构成：镜头+光源待测目电脑系统。5、机器视觉应用分类：测量、测、定位、识别第章1、视野：图像采集设备所能够盖的范围，它可以是在监视器上可以见到的范围，也可以是设备所输出的数字图像所能覆盖的最大范围。2最大/最小工作距离从镜被检测物的距离的范围于最小工作距离或大于最大工作距离系统均不能正确成像。3、景深：在某个调焦位置上，深内的物体都可以清晰成像。4、几何畸变：由于镜头原因导的图像不同位置上的放大倍率存在差异。主要包括径向畸变和切向畸变。5、成像面：可以在镜头的像面清晰成像的物方平面。6、光圈与F值光圈是在镜头内控制通光量的装置（用F值表示，如）7、焦距：焦距是像方主面到像焦点的距离。如16mm，8、分辨率：镜头能够分辨一毫内多少对直线lp/mm是表征分辨率的最简单的指标。9、镜头的调制传递函数：够同时表征系统重现物方空间的几何和灰度细节能力，是衡量成像系统性能的最佳方式。10、圈大通光能力大,景深小光圈小通光能力小，景深大11、感器（把物理信号转变为信号）的尺寸：图像传感器感光区域的面积大小12、理放大率：传感器感光面与视野的比值，整个参数基本取决于镜头13数字相机的分辨率则直接取决与传感器上像素的数目素的长宽比对系统的标定有直接影响。14、帘快门：多数CMOS使用，特征是逐行曝光，每一行的曝光时间不一致。全局快门：CCD传器使用，所像素同时刻曝光。15、像传感器：是一个由N行列感单(CCDPixel)成的矩阵。16、光单元的基本工作原理光撞击到硅原子上时，会产生自由电子，再将这些自由电子收集在一起形成信号。17、成的“溢出”问题：当C象素接收到过多的光子，存储器中所收集的自由电子就会向周边的象素“溢出整个区域成象变亮。18、拟相机：价格低廉，使用单。存在一个分辨率和帧频率的上限，而且对于传输过程中的噪声和损耗也较为敏感。数字相机：分辨率高，价格昂贵，调试复杂。传输距离通常比模拟相机短。20图采集卡是图像采集部分和处理部分的接口像经过采样量化以后转换为数字图像并输入、存储到帧存储器的过程，叫做采集、数字化。视频信号的量化处理是图像采集处理的重要组成部分。21像集基本原理现是相机及光学系统“看”到的真实世界的具体部分。图像传感芯片将光能转化为电能将此信息以模拟信号的格式输出至图像采集卡。（）转换将模拟信号转换数字信号，每个象素独立地把光强以灰度值的形式表达。（）光强值存储到内存的矩阵数据结构中。

第章1、机视觉系统工作的基本程序：取->分->果输出2、光：为确保视觉系统正常取像获得足够光信息而提供照明的装置。作用（）待测区域与背景明显区分开2）运动目标“凝固”在图像上3）增强待测目标边缘清晰度4）消除阴影5）消噪光3、相机分辨率相同时视野越小统精度越高，视野相同时相机分辨率越高系统精度越高。4、获得完美图像的6大要素及制因素1）高系统精度。控制因素：视野、相机分辨率。（）晰成象。控制因素：镜头、光源3避免畸变。控制因素：镜头、系统标定4）保持待测物体在成象中大小一致。控制因素：视野、拍照角度、待测物位置5）反差最大化。控制因素：光源6）恰当的照明与曝光。控制因素：光源、镜头5、光的三原色：红、绿、蓝；彩三原色：青、紫、黄第章1器视觉算法针对工业应用特点的照明条对被检工件有先验知3）需要高效率、高可靠性和高重复性4对智能要求不高2、图像预处理目的：图像增强噪音去除、图像单纯化3、基本形态算子：腐蚀（取最值(取最大)、中值滤波取间)4、图处理算法：（1）斑点分：联通区域的几何特征分析，包括图像分割和标记联通区域（广泛应用于缺陷检验，物体定位、辨识等）（）模版匹配：通过学习寻找物体。典型应用：图像对位、寻找物体等（）几何特征匹配：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、快速几何特征是在图像中，明暗交界处的边缘线或轮廓。分封闭式及开放式两种（）边缘检测：基于边缘的灰度变化分析，需要亚像元提取精度（）拟合测量工具：对已知形状的物体进行尺寸和位置测量或质量校验。基于边缘点检测结果，采用最小二乘法拟合测量结果5、系统标定的方法：使用已知寸的样本、使用标定块。意义：（）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3）补偿图像畸变（）校验相机与实物面几何关系第章1、点检测：用空域的高通滤波来检测2、线检测：通过比较典型模板计算值，确定一个点是否在某个方向的线上3、边缘：是位于两个区域的边线上的连续像素集合4、边缘检测方法（微分算子一阶导数：通过梯度来计算，用于检测图像中边的存在二阶导数：通过拉普拉斯算子来计算，用来确定像素在哪边5、边缘检测步骤：（）波：使用滤波器来改善与噪声有关的边缘检测器的性能。大多数滤波器在降低噪声的同时也导致了边缘强度的损失，增强边缘和降低噪声之间需要折衷（）强：增强边缘的基础是确定图像各点邻域强度的变化值（）测：最简单的边缘检测判据是梯度幅值阈值判据（）位6、边缘检测中经常碰到的问题：图像中存在太多的细节；图像受到噪声的干扰解决方法：在检测之前对图像进行平滑7、图像分割的经典方法是基于度阈值的分割方法。

单值阈值能把一幅灰度图像转换成二值图像阈是指整幅图像使用同一个阈值做分割处理，并产生一个二值图，区分出前景和背景。8、基本的全局阈值T可以按如计算：（）择一个初始估计值T（般为图像的平均灰度值）（）用T分图像，产生两组像素G1包灰度级大于的像素G2包括度级小于等于T的素（）算G1中像的平均值并赋值给μ1，计算中像的平均值并赋值给μ2（）算一个新的阈值：（）复步骤2～4，一直到两连续的T之的差小于预先给定的上界T9、自适应阈值：每个像素的阈依赖于其在图像中的位置10、Hough(霍夫)变可以用于将边缘像素连接起来得到边界曲线，它的主要优点在于受噪声和曲线间断的影响较小第章1、纹理的基本特征：纹理是区属性，并且与图像分辨率密切相关。具有重复性、规则性、周期性和方向性。2、纹理的研究目的：观赏特性图像的特性。3、纹理分析:纹理分类、纹理分（确定纹理边界理恢复形状。纹理合成:图形绘制、图像压缩纹理分析。4、纹理算法：统计分析法和结分析法。5、纹理特征提取与分析方法：方图分析法、纹理量测量法、灰度共生矩阵分析法6灰共生矩阵反映了图像灰度关于方向邻隔变幅度的综合信息,它可作为分析图像基元和排列结构的信息7、分形的基本特点在于具有非数维。特:(1)有精细的结构2)非常不规则(具某种自相似性4)分形维数通常大拓扑维(5)以用简单方法定义，或递归过程产生8自相似性如果一个集合能被分解为n个非叠子集的并集中每一个子集是原集合的拷贝但度缩小r倍则集具有自相似.由n和r确定的分形维定义如下形维可以度量纹理的粗细度.直观上看，分形维越大，纹理越粗.

Dnlnr第章1、基于二维序列图像的运动信获取方法静态背景下，时域差分法、背景差分法、光流场法；动态背景下，匹配块法、光流估计法、图像匹配法、运动估计法2、动态背景模型获取技术常用法：卡尔曼滤波、均值漂移、粒子滤波3、矩的概念：

其中为f(x，的j+k阶。物体的重心坐标如下式计算：x=M/M