图像处理、分析与机器视觉(基于LabVIEW) - (EPUB全文下载)
文件大小:1.06 mb。
文件格式:epub 格式。
书籍内容:
图像处理、分析与机器视觉(基于LabVIEW)
第1部分 机器视觉系统构建
第1章 绪论
第2章 城像系统
第3章 图像采集、存储与显示
第4章 图像管理与显示
第5章 图像存储
第6章 系统校准与图像矫正
第2部分 图像操作与增强
第7章 图像操作与运算
第8章 灰度分析与变换
第9章 空间域图像增强
第10章 频域图像增强
第3部分 特征分析与机器决策
第11章 阈值分割与边缘分割
第12章 形态学与区域分割
第13章 颗粒特征与分析
第14章 图像特征及应用
第15章 图像模式匹配
第16章 目标测量
第17章 分类识别
第18章 彩色视觉
第19章 仪表与条码
第20章 双目立体视觉
参考文献
第1部分机器视觉系统构建
第1章绪论
1.1 机器视觉的定义与发展
人类之所以成为这个星球的主宰,除了具有独立思考和判断能力之外,一个重要的原因是善于创造和使用工具。从人类诞生至今,为了克服自身能力或力量的局限,人们已经发明创造了各种各样的机器来辅助或代替自己完成任务。在发明创造工具的过程中,人们总是用机器模拟自身的视觉、触觉、听觉和嗅觉等器官来感知外部世界,并指导机器的动作。由于人类从外界环境获取的信息中约80%来自视觉感知,因而人们在此类创造过程中,对视觉功能的研究尤为热衷。机器视觉(machine vision)就是专门研究如何用机器来模拟生物视觉功能的学科。
由于机器视觉涉及的领域非常广泛且非常复杂,因此目前还没有明确的定义。美国制造工程师协会(Society of Manufacturing Engineers,SME)机器视觉分会和美国机器人工业协会(Robotic Industries Association,RIA)的自动化视觉分会对机器视觉下的定义为:“机器视觉是研究如何通过光学装置和非接触式传感器自动地接收、处理真实场景的图像,以获得所需信息或用于控制机器人运动的学科”。机器视觉系统通常通过各种软硬件技术和方法,对反映现实场景的二维图像信息进行分析、处理后,自动得出各种指令数据,以控制机器的动作[1]。例如,可以让机器视觉系统采集、分析生产线上的药品包装图像,进而让执行机构将不合格的产品(见图1-1)挑拣出来,从而达到质量控制的目的。
机器视觉、图像处理(image processing)以及计算机视觉(computer vision)是既相互交叉又有区别的几个概念。图像处理是指用计算机对图像进行复原、校正、增强、统计分析、分类和识别等加工,以达到所需结果的技术和过程,它通常是机器视觉中必不可少的阶段(日常生活中图像处理常常指对图像的艺术化,与工业领域的图像处理的概念稍有差别)。计算机视觉的研究很大程度上是针对图像内容的视觉理论研究。它的研究对象主要是映射到单幅或多幅图像上的三维场景,例如三维场景的重建等。机器视觉则主要是指工业领域视觉的应用研究,例如自主机器人的视觉,用于检测和测量的视觉系统等。它通过在工业领域将图像感知、图像处理、控制理论与软件、硬件紧密结合,并研究解决图像处理和计算机视觉理论在实际应用过程中的问题,以实现高效的运动控制或各种实时操作。
图1-1 生产线上包装合格和不合格的药品
机器视觉的研究最早是在20世纪50年代从统计模式识别开始的[2],当时的研究主要集中在二维图像分析和识别上,目的是为了实现非接触式自动检测和机器人导引[2,3]。20世纪60年代,Roberts(1965)基于积木玩具开创了以理解三维场景为目的的三维机器视觉研究。基于三维机器视觉理论,人们可以通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构,并对物体形状和空间关系进行描述。由于相信Roberts的研究可以推广到理解更复杂的三维场景,人们还对积木世界进行了更深入的研究,并建立了各种数据结构和推理规则。
20世纪70年代中期,计算机硬件的性能和软件技术突飞猛进,在计算机上快速处理大量的数字图像数据成为可能,机器视觉也因此得到了正式的关注和发展,开始出现了一些机器视觉应用系统。1977年,参与麻省理工学院(MIT)人工智能(artificial intelligence)实验室机器视觉理论、算法、系统设计研究的David Marr教授提出了不同于Roberts积木世界分析方法的计算视觉(computational vision)理论。
David Marr认为,视觉是一个信息处理系统,对此系统研究应分为3个层次:计算理论层(computational level)、算法与表示层(algorithmic/representational level)和物理实现层(implementation level),如图1-2所示。
图1-2 Marr机器视觉系统研究的3个层次
计算理论层主要回答视觉系统的计算目的和策略是什么,或视觉系统的输入和输出是什么,如何由系统的输入求出系统的输出。算法与表示层是要进一步回答如何表示输入和输出信息,如何实现计算理论所对应的功能的算法,以及如何由一种表示变换成另一种表示。在解决了理论问题和表示问题后,最后一个层次是解决用硬件实现上述表示和算法的问题。从信息处理的角度来看,计算理论层是3个层次的核心,这是因为构成知觉的计算本质取决于解决计算问题本身,而不取决于用来解决计算问题的特殊硬件[4]。
Marr认为视觉信息处理可以分为以下3个阶段:
(1)早期阶段,用于场景的初步勾画(primal sketch of the scene)。主要从原始图像中抽取诸如角点、边缘、纹理、线条和边界等基本特征,这些特征的集合称为基元图(primitive sketch)。
(2)中期阶段,进行场景的2.5维勾画(2.5D sketch of the scene)。主要在以观测者为中心的坐标系中,从原始图像和基元图中恢复场景可见部分的深度信息。由于这些信息并不是真正的物体三维表示,因此,称为二维半图(2.5 dimensional sketch)。
(3)后期阶段,进 ............
以上为书籍内容预览,如需阅读全文内容请下载EPUB源文件,祝您阅读愉快。
书云 Open E-Library » 图像处理、分析与机器视觉(基于LabVIEW) - (EPUB全文下载)