機器視覺應用工程開發思路

機器視覺應用工程主要可劃分為兩大部分，硬件部分和軟件部分。

1.硬件部分，硬件的選型至關重要，決定了後續工作是否可以正常開展，其中關鍵硬件部分包括：光源，相機以及鏡頭。

2.軟件部分，目前業內商業庫主要有Halcon，康耐視，DALSA，evision，NI等，開源庫有OpenCV.其中NI的labview+vision模塊。

機器視覺應用工程大致開發思路：

一、獲取圖像

圖像采集可以來源多個途徑，用算子read_image去讀取圖像文件；用相機助手，可讀取單個或多個相機視頻；使用讀文件或讀取路徑（可用tuple實現讀取多個圖像文件）助手。

其中，使用相機助手獲取相機圖像最為常用。

Halcon通過ImageAcquisition Interfaces對各種圖像采集卡及各種工業相機進行支持。其中包括：模擬視頻信號，數字視頻信號Camera Link,數字視頻信號IEEE 1394,數字視頻信號USB2.0,數字視頻信號Gigabit Ethernet等。

Halcon通過統一的接口封裝上述不同相機的image acquisition interfaces,從而達到算子統一化。不同的相機只需更改幾個參數就可變更使用。

Halcon圖像獲取的思路：1、打開設備，獲得該設備的句柄。2、調用采集算子，獲取圖像。

二、圖像顏色空間變換

顏色的定義，顏色是光作用於人眼引起除形象以外的視覺特性。計算機常用的顏色空間主要有兩種，RGB和HSV。RGB顏色空間，主要是依據人眼的生理結構，人眼有三類視錐體細胞，分別是紅，綠，藍。而HSV顏色空間，是基於顏色本身的屬性，H代表色相，主要由波長決定；S代表純度，取決於峰值能量與其他頻段能量白色光的比例；V代表亮度。H與S屬性，常常會混為一談，是為顏色的色度特性。

因此，在一副彩色圖像中，倘若在RGB顏色空間中無法尋得合適閾值進行分割時，常常可以將RGB顏色空間轉換到HSV顏色空間，去觀察圖像的色相以及飽和度屬性。

三、圖像預處理

圖像預處理，即對采集的圖像不是很滿意，以致於會影響後續圖像處理的結果，因此必須對采集的圖像進行預處理。圖像預處理，並未對圖像做出實質性的提取和改變，主要是以濾波、增強對比度等改善圖像質量為目的。

圖像預處理，主要包括了四個部分，圖像的點運算（即操作直方圖），圖像的幾何變換、圖像的增強處理以及圖像的正交變換。

圖像的點運算，主要用於改變一幅圖像的灰度分布範圍；圖像的幾何變換，主要包括圖像的平移變換、鏡像變換、圖像的轉置、縮放和旋轉等內容；圖像的增強處理，主要對圖像的噪聲過濾以及對比度增強，即平滑、銳化處理；圖像的正交變換，主要包括傅裏葉變換、哈達瑪變換、離散余旋變換以及K-L變換等，將信號從空間域變換到空間頻域，以便於更好的處理信號。

四、區域及輪廓提取（提取ROI）

區域以及輪廓的提取，即提取ROI，這一步是整個圖像處理軟件中的核心步驟。就我目前的知識水平大致可分為三個方法：Blob分析，模板匹配以及機器學習識別模式。

Blob分析的基本思想，通過其灰度值的差別來識別圖像中前景的像素。Blob分析三兄弟，圖像分割，圖像形態學處理，特征提取。

模板匹配，主要包括形狀匹配以及灰度值匹配。關鍵步驟，創建模板；在圖像中查找模板。

機器學習識別，基於多層感知的自我訓練，通過監督學習，形成分類器。主要分為四步，創建trf訓練文件（綁定字符圖像與字符），創建神經分類器，訓練分類器，將分類器保存為ocm文件（即可用於識別）。

五、圖像識別及診斷（或要進行相機標定）

Halcon學習筆記——機器視覺應用工程開發思路及相機標定