机器视觉与计算机视觉的区别与联系

机器视觉与计算机视觉的区别与联系：计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。

机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。哥刚毕业的时候在铁路上班，做过控制系统，还开过内燃机车，很清楚道岔缺口的重要性，这玩意儿你说要是测不准，呵呵:)

当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数统计。有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。

机器视觉是图像技术、模式识别技术以及计算机技术发展的产物，是实现智能化、自动化、信息化的先进技术领域。机器视觉的发展带动了人工智能的进步。

机器视觉系统从物理结构上来讲，一般包括以下几个部分：光源、摄像机和镜头、图像采集卡、机器视觉软件等运动控制部分。在机器视觉系统中，合适的光源为视觉系统提供良好的外界条件，使得系统得到的图像信号有很高的信噪比。

今天我们主要探讨一下光源。

判断机器视觉的照明的好坏，首先必须了解什么是光源需要做到的，光源的作用并不仅仅局限于使检测部件能够被摄像头“看见”，有时候，一个完整的机器视觉系统无法支持工作，很大一部分原因是光源造成的。

照明系统是机器视觉系统中最关键的部分之一，机器视觉光源直接影响到图像的质量，进而影响到系统的性能。好的打光设计能够使我们得到一幅好的图像，从而改善整个系统的分辨率，简化软件的运算。

影响光源的因素：

1.对比度：对比度对机器视觉来说非常重要，机器视觉应用照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。

2.亮度：当选择两种光源的时候，最佳的选择肯定是更亮的那个。因为当光源亮度不够时就会出现以下三种情况：一、相机的信噪比不够；二、图像的对比度不够，在图像上出现噪声的可能性也随之增大；三、光源的亮度不够，必然需要加大光圈，从而减少景深，并且自然光也会随机对系统加大影响。

3.鲁棒性：测试好光源的方法是看光源是否对部件的位置敏感度最小。当光源放置在摄像头视野的不同区域或不同角度时，结果图像应该不会随之变化。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。在很多情况下，好的光源需要在实际工作中与其在实验室中有相同的效果。

4.光源可预测：当光源入射到物体表面的时候，光源的放映是可以预测的，光源可能被吸收或被放射，光可能被完全吸收（黑金属材料，表面难以照亮）或者被部分吸收（造成了颜色的变化及亮度的不同）。不被吸收的光就会被反射，入射光的角度等于反射光的角度。

5.物体表面：如果所有物体表面是相同的，在解决实际应用的时候就没有必要采用不同的光源技术了，但由于物体表面的不同，因此需要观察视野中的物体表面，并分析光源入射的反映。

6.光源的位置：既然光源按照入射角反射，因此光源的位置对获取高对比度的图像很重要，光源的目标是要达到使感兴趣的特征与其周围的背景对光源的反射不同。预测光源如何在物体表面反射就可以决定出光源的位置。

7.选择光源：光源应该按照照明形状的需要来选择，需要有足够的均匀度，且稳定性能要好。

在机器视觉系统中，光源的作用主要体现在：

1.突出测量特征，简化图像处理算法

2.客服环境光的干扰，提高图像信噪比

3.提高视觉系统的定位、测量、识别精度以及系统的运行速度

4.降低系统设计的复杂度

机器视觉的光源按形状通常可分为以下几类：

1.环形光源：环形光源提供不同照射角度、不同颜色组合，更能突出物体的三维信息；高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；解决对角照射阴影问题；可选配漫射板导光，光线均匀扩散。

2.背光源：用高密度LRD阵列面提供高强度背光照明，能突出物体的外形轮廓特征。

3.条形光源：条形光源是较大方形结构被测物的首先光源，颜色可根据需求搭配，自由组合，照射角度与安装随意可调。

4.AOI专业光源：不同角度的三色光照明，照射凸显锡焊三维信息；外加漫射板导光，减少反光不同角度组合。

5.球积分光源：具有积分效果的半球面内部，均匀反射从底部360°发射出的光线，使整个图像的照度十分的均匀。

6.线性光源：超高高度，采用柱面透镜聚光，适用于各种流水线连续检测场合。

7.同轴光：可以消除物体表面不平整引起的阴影，从而减少干扰，部分采用分光镜设计，减少光损失，提高成像清晰度，均匀照射物体表面。

8.点光源：大功率LED，体积小，发光强度高；光前卤素灯的替代品，尤其适合作为镜头的同轴光源等，高效散热装置，大大提高光源的使用寿命。

9.组合条形光：四边配置条形光，每边照明独立可控制；可根据被测物体要求调整所需照明角度，适用性广。

10.对位光源：速度快，视场大，精度高，体积小，便于检测集成，亮度高，可适配辅助环形光。

科技的发展促进技术的进步，越来越多的人意识到技术的重要性，今天小编想跟大家探讨关于计算机视觉的相关知识，欢迎提出意见（sky118511）。

计算机视觉是一门研究如何使用机器“看”的科学，更进一步说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送仪器检测的图像。

计算机视觉寻求基于工程学科相关理论与模型来建立计算机视觉系统，这类系统的组成部分包括：

程序控制（工业机器人和无人驾驶汽车）

事件监测（图像监测）

信息组织（图像数据可和图像序列索引的建立）

物体与环境建模（工业检查、医学图像分析和拓扑建模）

交感互动（人机互动的输入设备）

【计算机视觉技术的图像处理方法】

计算机视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

【图像增强】

图像增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。通过灰度直方图的形状，能判断该图像的清晰度和黑白对比度。

【图像平滑】

图像平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中因成像设备和环境所造成的图像失真，提取有用的信息。

【图像数据编码和传输】

数字图像的数据量是相当庞大的，比如一副512*512个像素的数字图像的数据量为256K字节，假设每秒传输25帧图像，则传输的信道速率为52.4M比特/秒。因此传输过程中，对图像数据进行压缩显得非常重要。

【边缘锐化】

图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完成的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。

【图像分割】

图像分割是将图像分成若干部分，每一部分对应某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。

【图像识别】

图像识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体。

【计算机视觉的应用】

计算机视觉被称为自动化的眼睛，在国民经济、科学研究及国防建设等领域都有着广泛的应用。

1.工业上的应用。例如对烟叶品质进行图像处理过程中，借助MATLAB图像处理工具箱和神经网络技术，对各类型的烟叶的数字图形进行计算机视觉分析，包括边缘检测、轮廓提取、用图像工具箱进行提取烟叶数字图像特征，将待测烟叶样本与标准烟叶样本进行自适应学习训练，最后迭到自动识别待测烟叶样本品质的智能评定。

2.公安工作的应用。计算机人脸识别技术就是利用计算机对人脸图像进行分析，从中提取有效的识别信息，用来“辨别”身份的一门技术。他设计到图像处理、模式识别、计算机视觉和神经网络等。

3.商业上的应用。安防方面的应用就是当值班人员面对十、百、千的摄影机，无法真正的在风险产生时预测或干预，多数靠事后回放；在非安防方面的应用，如商业上人流量的统计、防盗等。

4.医学方面的应用。X-CT、放射性同位素扫描、B型超声、核磁共振成像等。

5.军事方面的应用。计算机视觉开辟了人工智能的一个全新领域，它模拟并帮助理解人类的视觉系统。在军事领域的应用：在执行低空突防飞行和其他空袭任务过程中，采用被动式地形侦察与勘测技术能够提高飞行隐秘性，解决易于被地方探测的需要。