摘要：介紹機器視覺的研究內容，比較機器視覺’j人類視覺的差異，論述機器視覺檢測中幾種基本拉術，闡連機器視覺在紡織幢惻領域中的應用.
1機器視覺的研究內容
人們從外界環境獲取的信息中，80％來自于視覺，其它來自于觸覺、聽覺、嗅覺等感覺器官。當人們的眼睛從自己周圍的環境獲取大量信息，并傳人大腦后，由大腦根據知識或經驗對信息進行加工、推理等處理工作，最后識別、理解周圍環境，包括環境內的對象物，如運動物體與物體間的相對位置、形狀、大小、顏色、紋理、運動還是靜止等。機器視覺就是用計算機模擬人眼的視覺功能，從圖像或圖像序列中提取信息，對客觀世界的三維景物和物體進行
形態和運動識別。機器視覺研究的基本目的之一就是要尋找人類視覺規律，從而開發出從圖像輸入到自然景物分析的圖像理解系統。
對于機器視覺系統來說，輸入是表示三維景物投影的灰度陣列(可以有若干個輸入陣列)，這些陣列可提供從不l司方向、不同視角、不同時刻得到的信息。希望的輸出是對圖像所代表景物的符號描述。通常這些描述是關于物體的類別和物體問的關系，但也可能包括如表面空間結構、表面物理特性(形狀、紋理、顏色、材料)、陰影以及光源位置等信息。目前許多機器視覺專家都是在馬爾(Marr)創立的視覺計算理論框架下求索。
2機器視覺與人類視覺的差異
對于人的視覺來說，由于人的大腦和神經的高度發展．其目標識別能力很強。但是，人的視覺也同樣存在障礙，例如，即使具有一雙敏銳視覺和極為高度發達頭腦的人，一旦置于某種特殊環境(即使曾經具備一定的檢驗知識)，其目標識別能力也會急劇下降。事實上人們在這種環境下，面對簡單物體時，仍然可以有效而簡便地識別，而在這種情況下面對復雜目標或特殊背景時，才會在視覺功能上發生障礙，兩者共同的結果是導致目標識別的有效性和可靠性的大幅度下降。將人的視覺引入機器視覺中．機器視覺也存在著這樣的障礙。它主要表現在3個方面：1)如何準確、高速(實時)地識別出目標；2)如何有效地增大存儲容量，以便容納足夠細節的目標圖像；3)如何有效地構造和組織出可靠的識別算法，并且順利地實現。前兩者相當于人的大腦這樣的物質基礎，這期待著高速的陣列處理單元以及算法(如神經網絡…、分維算法”1、小波變換”】等算法)的新突破，用極少的}f算暈以及高度地并行性實現功能。為了便于理解，現將人的視覺與當前機器視覺對比列于表1、表2。
3機器視覺檢測中幾種基本技術
3．I訓練系統
先將參考織物或圖片的H像輸入微機圖像處理系統，選擇并計算可表示圖像特征的參數，以確定疵點或圖形的分類指標，如灰度級，疵點或圖形的面積，疵點存經緯向尺寸、形態等，是系統獲得這些指標的標準。然后將所測試的織物輸入，計苒其各點灰度值及一曲需比較的特征參數與標準比較，確定疵點或圖形分類。
3．2樣板匹配
求得某一圖像哪一部分對應另一圖像的哪一部分是或比較2幅吲像的相似度時，采用樣板樣匹配的方法。一般將樣板z(x，y)，令其中心與圖像的一點(■f)重合，逐點檢測，找出差距小于閾值的部位，定位相同或相似的，大于閾值的部位，定為不同或不相似的點。
3．3二值化處理
為將圖形與背景分離，根據灰度值確定一定馱度域值。將灰度值犬于此域的點置為l，小于此域值的點為0。使圖像變為黑白二值圖像，便于圖形特征測量和結構分析描述。
3．4腐蝕和膨脹
街蝕可使輪廓邊界收縮，膨脹可使輪廓邊界膨脹，腐蝕和膨脹的不同組合，不同處理次數，可以得到不同的圖形效果，如使圖像中的小孔使之榆測出來或使之消除。
3．5細線化
對給定的閏形使之細化，從而提取線寬為1的中心線的操作。在細線化中，不改變原圖的連接性，使圖肜骨架輪廓結構清晰，便于計算，不會因邊界卜的小凹凸『『Ii產生毛刺。在計算非織造布纖維取向度是用此法處理。
3．6紋理分析
在分析縐組織的縐效果或羊絨的鱗片結構時，須用紋理分析的方法。紋理分析內容包括：紋理特征的計算(如直方罔特征、灰度共生矩陣、傅立葉特征)微粒區域的分割與紋理邊緣的檢測。
3．7自相關函數和互相關函數
自相關函數可描述具有重復組織結果的圖像的組織結構單元的形狀和大小。當自相關函數出現大值時，表明有最大的相關性。結合考慮組織結構，計算織物循環單元。這存選擇窗口尺寸時非常有用。不同圖像的互相關函數，可以比較其相似或匹配程度在利用模板尋找相似圖像中是一種很有用的工具。互相關函數值越大，表明相似程度越大。
[1][2]下一頁>>
相關信息 
推薦企業 推薦企業
推薦企業
您所在的位置：
