? ?機器視覺應用工程開發(fā)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，決定了后續(xù)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(yè)內(nèi)商業(yè)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(fā)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(xiàn)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(yè)相機進行支持。其中包括：模擬視頻信號，數(shù)字視頻信號Camera Link,數(shù)字視頻信號IEEE 1394,數(shù)字視頻信號USB2.0,數(shù)字視頻信號Gigabit Ethernet等。?

? ? ?Halcon通過統(tǒng)一的接口封裝上述不同相機的image acquisition interfaces,從而達到算子統(tǒng)一化。不同的相機只需更改幾個參數(shù)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(diào)用采集算子，獲取圖像。

?

? ? ? 二、圖像顏色空間變換

? ?? ?顏色的定義，顏色是光作用于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(jù)人眼的生理結(jié)構(gòu)，人眼有三類視錐體細胞，分別是紅，綠，藍。而HSV顏色空間，是基于顏色本身的屬性，H代表色相，主要由波長決定；S代表純度，取決于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(zhuǎn)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，以致于會影響后續(xù)圖像處理的結(jié)果，因此必須對采集的圖像進行預處理。圖像預處理，并未對圖像做出實質(zhì)性的提取和改變，主要是以濾波、增強對比度等改善圖像質(zhì)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，主要用于改變一幅圖像的灰度分布范圍；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(zhuǎn)置、縮放和旋轉(zhuǎn)等內(nèi)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，主要包括傅里葉變換、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，以便于更好的處理信號。

? ? ? 四、區(qū)域及輪廓提取（提取ROI）

? ??區(qū)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(tài)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(chuàng)建模板；在圖像中查找模板。

? ? 機器學習識別，基于多層感知的自我訓練，通過監(jiān)督學習，形成分類器。主要分為四步，創(chuàng)建trf訓練文件（綁定字符圖像與字符），創(chuàng)建神經(jīng)分類器，訓練分類器，將分類器保存為ocm文件（即可用于識別）。

? ? ? ?五、圖像識別及診斷（或要進行相機標定）

轉(zhuǎn)載于:https://www.cnblogs.com/dzw2017/p/6992832.html

總結(jié)

以上是生活随笔為你收集整理的Halcon学习笔记——机器视觉应用工程开发思路及相机标定的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。