机器视觉文献综述.doc

一、机器视觉与图像采集的研究的意义
“作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“ AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。”
二、机器视觉与图像采集的研究的现状
国外机器视觉发展的起点难以准确考证，其大致的发展历程是：在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。
国内机器视觉发展的大致历程：中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。
三、机器视觉与图像采集技术在各个领域的应用
视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的. 理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像. 另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度. 所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4 大领域.
3. 1 　工业领域
工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4 类:产品质量检测、产品分类、产品包装、机器人定位. 其应用行业包括印刷包装、汽车工业、半导体材料/ 元器件/ 连接器生产、药品/ 食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[9 ] .在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率. 正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[10 - 12 ] ,在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面有关的性能指标见表4. 目前主要的研究内容可分为3 大类: 纤维、纱线、织物. 由于织物疵点检测(在线检测) 需要很高的计算速度,因此,设备费用比较昂贵. 目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等. 此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。
3. 2 　民用领域
机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面. 在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。
3. 3 　科学研究领域

在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学,如血液细胞自动分类计数、染色体分析、癌症细胞识别等。
3. 4 　军事领域
视觉技术可用在航天、航空、兵器(敌我目标识别、跟踪) 及测绘. 在卫星遥感系统中,机器视觉技术被用于分析各种遥感图像,进行环境监测,根据地行、地貌的图像和图形特征,对地面目标进行自动识别、理解和分类等。
四、机器视觉关键技术的发展现状
机器视觉是一项综合技术,包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、I/ O 卡等) . 这些技术在机器视觉中是并列关系,相互协调应用才能构成一个完整的工业机器视觉应用系统. 机器视觉强调能够适应工业现场恶劣的环境、有合理的性价比、较强的通用性和可移植性,即实用性;它更强调高速度和高精度,即实时性.机器视觉应用系统中,用到很多技术,但关键技术主要体现在光源照明、光学镜头、摄像机(CCD) 、图像采集卡、图像信号处理以及执行机构等. 下面对这些关键技术的发展现状进行阐述.
4. 1 　光源照明
好的光源和照明是目前机器视觉应用系统成败的关键,应当具有以下特征: ①尽可能突出目标的特征,在物体需要检测的部分与非检测部分之间尽可能产生明显的区别,增加对比度; ②保证足够的亮度和稳定性; ③物体位置的变化不应影响成像的质量.光源按其照射方法可分为背向照明、前向照明、结构光照明和频闪光照明等. 背向照明是被测物放在光源和摄像机之间,其优点是能获得高对比度的图像;前向照明是光源和摄像机位于被测物的同侧,这种方式便于安装;结构光照明是将光栅或线光源等投射到被测物上,根据它们所产生的畸变,解调出被测物的三维信息;频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光源同步,这样能有效地拍摄高速运动物体的图像[5 ] . 照明亮度、均匀度、发光的光谱特性要符合实际的要求,同时还要考虑光源的发光效率和使用寿命.
　其中,L ED 光源具有显色性好、光谱范围宽(可覆盖整个可见光范围) 、发光强度高、稳定时间长等优点,而且随着制造技术的成熟,其价格越来越低,必将在现代机器视觉领域得到越来越广泛的应用.
4. 2 　光学镜头
光学镜头一般称为摄像镜头或摄影镜头,简称镜头,其功能就是光学成像. 镜头是系统中的重要组件,对成像质量有着关键性的作用,在组建机器视觉系统时,硬件设备要根据实际需要选择合适口径和焦距的镜头。
4. 3 　CCD 摄像机及图像采集卡
CCD(Charge coupled device) 摄像机及图像采集卡共同完成对目标图像的采集与数字化.目前,CCD、CMOS 等固体器件已经是成熟的应用技术. 线阵图像敏感器件,像元尺寸不断减小,阵列像元数量不断增加,像元电荷传输速率得到极大提高.所示为一种高性能线阵CCD 器件的参数从中可以看到,线阵器件像元数和数据的传输率大大提高,而且器件设计集成了新的功能,具有可编程能力,如增益调整、曝光时间选择、速率调节以及维护等.
　在线阵器件性能提高的同时,高速面阵图像器件性能也在快速提高. 某种超高速面阵CCD 器件,允许的最大分辨率达1 280 ×1 024 像素,最大帧率1MHz ,可采集4 帧图像,且像素灵敏度达12 bit s[8 ] .在基于PC 机的机器视觉系统中,图像采集卡是控制摄像机拍照完成图像采集与数字化,协调整个系统的重要设备. 一般具有以下功能模块: ①图像信号的接收A/ D 转换模块,负责图像放大与数字化; ②摄像机控制输入输出接口,主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照; ③总线接口,负责通过计算机内部总线高速输出数字数据,一般是PCI 接口,传输速率可达130Mbp s ,完全能胜任高精度图像的实时传输,且占用较少

CPU 时间; ④显示模块,负责高质量的图像实时显示; ⑤通讯接口,负责通讯.目前,图像采集卡种类很多,按照不同的分类方法,有黑白图像和彩色图像采集卡,有模拟信号和数字信号采集卡,有复合信号和RGB 分量信号输入采集卡. 在选择图像采集卡时,主要应考虑到系统的功能需求、图像的采集精度和与摄像机输出信号的匹配等因素.
4. 4 　图像信号处理
图像信号的处理是机器视觉系统的核心. 视觉信息的处理技术主要依赖于图像处理方法,它包括图像变换、数据编码压缩、图像增强复原、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容. 随着计算机技术、微电子技术以及大规模集成电路的发展,为了提高系统的实时性,图像处理的很多工作都可以借助硬件完成,如DSP 芯片、专用图像信号处理卡等,软件主要完成算法中非常复杂、不太成熟或尚需不断探索和改进的部分.处理时间上,要求处理速度必须大于等于采集速度,才能保证目标图像无遗漏,完成实时处理.
参考文献:
[1 ] 　章炜. 机器视觉技术发展及其工业应用[J ] . 红外,2005 ,27 (2) :11 - 17.
[2 ] 　Forsyth D A ,J ean Ponce . Computer Vision[M] . Inc : Prentice Hall ,2003.
[3 ] 　唐向阳, 张勇, 李江有,等. 机器视觉关键技术的现状及应用展望[J ] . 昆明理工大学大学学报( 理工版) , 2004 , 29 (2) : 36
[4 ] 　段峰, 王耀南, 雷晓峰,等. 机器视觉技术及其应用综述[J ] . 自动化博览, 2002 (3) : 59 - 62.
[5 ] 　刘焕军,王耀南. 机器视觉中的图像采集技术[J ] . 电脑与信息技术,2003 (1) :18 - 21.
[6 ] 　贾云得. 机器视觉[M] . 北京:科学出版社,2000 :1 - 15.
[7 ] 　颜发根,丁少华,陈乐,等. 基于PC 的机器视觉系统[J ] . 可编程控制器与工厂自动化,2004 (7) :129 - 131.
[8] 　Salembier P ,Serra J . Flat Zones Filtering ,Connected Operator ,and Filters by Reconst ruction [J ] . IEEE Transactions on Image
Processing ,1995 ,4 (8) :1153 - 1160.
[9] 　卢官明. 区域生长型分水岭算法及其在图像序列分割中的应用[J ] . 南京邮电学院学报(自然科学版) ,2000 ,20 (3) :51 - 54.
[10 ] 　夏德深,傅德胜. 现代图像处理技术与应用[M] . 南京:东南大学出版社,2001 :80 - 100.

（注：专业文档是经验性极强的领域，无法思考和涵盖全面，素材和资料部分来自网络，供参考。可复制、编制，期待你的好评与关注）