机器视觉要学哪些知识？机器视觉里的光学知识

机器视觉要学哪些知识？机器视觉里的光学知识，机器视觉系统非常复杂。即使在最简单的系统中,硬件和软件也可以协同工作以产生结果。尽管有许多重要组成部分,但其中一个突出:镜头。

如果没有光学科学的帮助,今天的精确机器视觉应用将是不可能的。自从望远镜和眼镜诞生以来,光学科学一直在不懈地发展,现在已经支持高端电子成像。

该镜头至关重要,因为它可以捕获最终将由软件重新创建的数据。它可以定位图像特征,保持焦点并最大化对比度。但是,它在各种规格下运行,必须对其进行优化以实现最佳性能。

其中一些包括:

视场:在视场是由透镜成像的物体区域。系统必须检查的所有功能都应包含在FOV中。在涉及测量和对齐的应用中,视场以校准后的对象位置的固定几何形状显示图像。

工作距离:镜头到物体的距离。

景深:景深是可以完全聚焦的最大物体深度。它还可以确定在保持可接受的聚焦水平的同时可以改变多少工作距离。

传感器大小:传感器大小决定了传感器的活动区域。通常在水平尺寸上进行测量。传感器尺寸和视场之间的比率是主要放大倍率。通常,传感器越大,图像越好。

分辨率:分辨率描述了视觉系统详细复制对象的能力。较小的传感器无法区分物体的精细细节。甚至必须使用具有适当缩放比例和分离度的大型,复杂传感器来区分对象。

对比和过滤

对比度是在图像的白色和黑色部分之间的强度的分离。两者之间的差异越大,对比度越高。即使在传感器,位置和焦距都不变的情况下,正确的镜头也可以增强对比度。

增加对比度的一种方法是颜色过滤。许多基本传感器和镜头可能非常适合特定的工业应用,但在颜色之间仅显示出细微的差异。添加适当颜色的滤镜(例如,主要针对这些颜色的对象是红色或绿色),可以提高对比度并补偿环境光的变化。

衍射与失真

也称为镜头模糊,衍射会降低高空间频率下的对比度,从而降低图像质量。理想镜头行为与实际镜头行为之间的鸿沟称为像差。畸变是一种特殊的像差,会导致整个图像的倍率差异。某些视觉系统可以使用软件来弥补此问题。