-
-
手机阅读
机器视觉技术作为计算机科学的一个重要分支，在最近30年中有迅猛的发展。其应用领域遍及工业、农业、科学研究、军事等，对这些领域自动化水平的提高发挥了重要作用。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
虚拟仪器技术通过软件将通用计算机与硬件结合起来构成测试或测控系统，用户可以通过友好的虚拟前面版操作这台计算机，就如同在操作一台自己定义、自己设计的单个传统仪器一样。
将虚拟仪器技术与机器视觉技术结合起来，就可以为用户定制完全基于PC的机器视觉系统。这样不仅可以减少用户的投资，而且还可以开发出自动化程度和可靠性高的系统。因此将虚拟仪器和机器视觉结合起来，可以使各自的优势得到充分发挥，缩短系统的开发周期，提高系统的可靠性和性能价格比。
2 机器视觉与虚拟仪器
机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维客观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。
机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。
虚拟仪器通过应用程序将通用计算机与仪器硬件结合起来，用户可以通过友好的图形界面操作这台计算机，就如同在操作一台自己定义、自己设计的单个传统仪器一样。虚拟仪器以透明的方式把计算机资源和仪器硬件的测量、控制能力结合在一起，通过软件实现对数据的分析处理、表达以及图形化用户接口。
3 系统软硬件组成
虚拟仪器视觉系统由光源、CCD摄像头、图像采集卡、PC机等组成。在机器视觉应用系统中，好的光源与照明方案往往是整个系统成败的关键，起着非常重要的作用，它并不是简单的照亮物体而已。光源与照明方案的配合应尽可能地突出物体特征量，在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别，增加对比度，同时还应保证足够的整体亮度，物体位置的变化不应该影响成像的质量。
摄像机和图像采集卡共同完成对物料图像的采集与数字化。高质量的图像信息是系统正确判断和决策的原始依据，是整个系统成功与否的又一关键所在。目前在机器视觉系统中，CCD摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。CCD将目标转换为视频信号并输送到图像采集卡，图像采集卡对视频信号进行解析、数字化后输送给专用的图像处理系统。图像采集卡可以被认为是CCD与计算机的接口，在选取上应当注意以下几点：图像采集卡所支持的视频制式；输入通道路数；像素时钟；空间分辨率；支持的软件等。
图像处理系统对图像信号施加各种运算来提取目标的特征，最后根据预先设定的条件做出决定，以控制外部的PLC、电机等执行机构的动作，同时记录相应的数据到数据库中，以便事后分析。机器视觉系统构成框图如图1所示。
图1 机器视觉系统构成框图
虚拟仪器的核心是软件技术,它是由系统开发平台、应用软件包、设备驱动程序三部分组成的。为了在达到性能要求的同时做到成本最低，选择了LabVIEW作为本系统软件的开发平台，利用它可以快速地生成显示、分析和控制的图形化用户界面，更重要的是LabVIEW提供了高水平的机器视觉和图像处理软件包IMAQVision。利用LabVIEW提供的这些功能，根据实际情况可完成质量检测机器视觉系统所要求的功能。
IMAQVision包含一系列MMX优化函数, 提供了大量科研和工程中常用的图像采集和处理功能，例如各种类型的滤波、统计、几何变换和图像显示的功能, 还有二值图像处理、模型匹配、边缘检测、斑点分析和测量等功能。IMAQVision易学易用, 可以极大地缩短开发程序的费用和时间。
4 图像处理
机器视觉系统中，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。图像处理将一幅图像变成另一幅改进后的图像，实质上就是将数字图像的灰度值分布作某种变换，使图像中受关注部分的信息更加突出，并且去除冗余信息，以使其适应于某种特殊的要求。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。
由于数字图像中不仅包含被测物体的信息，而且存在背景噪声的干扰。需要经过数字图像处理以达到提取目标特征量的目的。经过图像的数字化处理，图像已不是与原物完全一致的图像，它包含的信息量远比原物少，但是保留了物体有用的信息，去掉了不必要的干扰。这时的图像仅存所需要的信息并已很清晰，经过数字图像分析，可以从中抽取出物体的特征信息。机器视觉图像处理流程框图如图2所示。
图2 机器视觉图像处理流程框图
图像预处理对采集到的图像进行滤波除噪，主要采用中值滤波算法降低噪声，因为中值滤波具有抑制图像噪音并保持轮廓清晰的特点。对滤波去噪后的图像进行锐化，锐化算法采用二阶差分法。再对锐化后的图像进行对比度增强，对比度增强算法采用直方图均衡化。经过预处理的图像，可视化效果得到改善，利于进行图像分割。
图像分割模块将预处理后的图像,进行目标与背景分离，以便于对目标的处理，提高运算速度。特征图像保持了场景的有用信息减少了冗余的数据。可以有很多算法，图像二值化算法简单，速度快，符合图像处理系统实时性特点，所以采用图像二值化分割。这种方式的分割，主要问题是如何确定阈值（灰度门限）。根据实际情况，可以采用自适应门限法来确定阈值。
图像的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，提取有用信息。众所周知，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会使图像变质。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。图像滤波效果比较如图3所示。
图3 图像滤波效果比较
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，形成完整的物体边界，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。它是早期视觉理论和算法中的基本问题，也是中期和后期视觉成败的重要因素之一。
5 结束语
将机器视觉和虚拟仪器结合起来进行机器视觉开发的开发方法可总结为以下几点：
首先，应当考虑进行视觉系统开发时硬件开发平台的变化。将虚拟仪器与机器视觉相结合，对机器视觉系统开发最直接的影响就是开发的硬件平台从传统的专用硬件平台转化为基于PC的开发。所以，基于虚拟仪器开发机器视觉系统，首先要考虑机器视觉应用基于PC开发是否可以满足用户对系统的需求，进而在制定解决方案。
其次，结合虚拟仪器和机器视觉各自的特长进行设计。将虚拟仪器和机器视觉系统结合起来开发机器视觉系统，其目的之一就是为了将它们各自的优点联系在一起，使系统有更高的灵活性和可靠性，所以在设计时应当根据系统的虚拟仪器和机器视觉各自的特长，使用虚拟仪器来实现测量与运动控制、用户界面设计等顶层的工作，而系统的设计、底层的算法、以及相关硬件的选取应当在机器视觉理论的指导下进行。
最后，将虚拟仪器与机器视觉系统结合起来开发机器视觉系统，可以先按照机器视觉系统的逻辑结构，对整个系统进行划分，完成每一部分的设计，最后再将各部分进行整合。
总之，将虚拟仪器与机器视觉相结合来开发机器视觉系统，只要注意系统硬件平台的变化、虚拟仪器和机器视觉各自的优点以及机器视觉系统的逻辑结构，就可以使系统结构清晰明确、各部分重用性高性价比好。