高精度针孔检测设备
More >>
您所在的位置：精质视觉 > 新闻中心>视觉检测中如何提高图片处理速度与质量
2023-01-10 13:28:20 精质视觉
机器视觉系统大体分为图像采集和图像处理两个部分。图像采集是工业相机与PC端通过图像采集卡相互链接，图像采集卡接收工业相机的模拟信号或数字信号，并将信号处理转换为适用于PC端的信息。其中，主流的机器视觉软件有：侧重图像处理的图像软件包Opencv、Halcon、Visionpro;侧重算法的Matlab、Labview等。
一、图像处理技术的应用
1、图像采集
视觉检测首先需要对输入的图片进行采集，根据项目需求不同，对样本要求也不会相同。合理地根据项目需求，标定合适的样本，需要通过对大量的样本进行训练以提升性能。图像格式(像素格式)：分为黑白图像和彩色图像，黑白图像的灰度等级可分为256级，即以8位来表示;而彩色图像可由RGB(YUV)3种色彩组合而成。图像采集卡的附加功能：触发功能、灯源控制功能、基本I/O功能、相机复位功能、时序输出功能、串口通讯功能、电源输出功能等。
2、图像预处理
图像处理是用计算机对图像进行分析，以达到所需结果的技术，一般指数字图像处理，其主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
(1)图像增强
用于调整图像的对比度，突出图像中的重要细节，改善图像质量。有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别。包括灰度变换法、直方图修正以及滤波等方法。
(2)图像变换
由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。
(3)图像编码与压缩
图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3、特征提取
图像分割是将图像中有意义的特征部分提取出来，有意义的特征(包括图像的颜色、形状、灰度和纹理等)有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已有不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
4、识别技术
图像识别过程实际上可以看作是一个标记过程，其主要内容是图像经过某些预处理(增强、复原)后，进行图像分割和特征提取，从而进行判决分类。在很多场合，图像所传送的信息比其他形式的信息更丰富、真切和具体。人眼与大脑的协作使得人们可以获取、处理以及理解视觉信息，人类利用视觉感知外界环境信息的效率很高。
5、运动目标检测技术
运动目标检测主要目的是从图像中提取出运动目标并获得运动目标的特征信息，如颜色、形状、轮廓等。提取运动目标的过程实际上就是一个图像分割的过程，而运动物体只有在连续的图像序列(如视频图像序列)中才能体现出来，运动目标提取的过程就是在连续的图像序列中寻找差异，并把由于物体运动和表现出来的差异提取出来。常用的四种方法：连续帧间差分法、背景差分法、光流法和运动能量法。
6、目标跟踪检测技术
运动目标检测是计算机视觉和视频处理领域非常重要和有效的研究课题，因为它是视频目标分类和视频跟踪活动等许多复杂过程的关键步骤。因此，从给定的视频帧序列中识别移动对象的实际形状变得相关。
然而，由于动态场景变化、光照变化、阴影的存在、伪装和引导问题等各种挑战，检测运动中物体的实际形状的任务变得很棘手。
帧间差分法是检测运动物体最常用的方法，它分别找到当前帧和前一个连续帧以及当前帧和下一个连续帧之间的差异，然后，该算法选择两个不同帧之间的最大像素强度值。接下来，将得到的差异帧划分为不重叠的块，并计算每个块的强度总和和平均值，随后，它使用阈值和强度平均值找到每个块的前景和背景像素。
二、当前面临的挑战
1、不同角度，不同外界因素(光源、颜色、相机等)影响图像采集效果。
2、同一张图在不同的背景下获取，诸多因素会影响图像的像素灰度，使图片的特征读取困难。
3、图像中的物体以二维的形式呈现，识别过程中会出现少许偏差。
4、通用的视觉检测系统，并不能适应任何环境，而要建立一个可与人的视觉系统相比的通用视觉系统是非常困难的。
5、目标之间或者目标与人之间互遮挡，尤其是在拥挤状态下，目标检测很不稳定，检测结果也很不理想，这个问题还需要进一步的研究解决。
三、提高图片识别速度的有效方法
1、图像并行处理
并行计算是提高处理速度最有效的技术之一，图像并行处理技术为提高图像处理效率提供了广阔的空间。图像并行处理包括并行算法和多处理器并行硬件系统，图像处理并行算法的执行效率依赖于多处理器系统的硬件结构。通常，一种并行结构只适合于一类并行算法的映射。图像并行处理结构设计面临的主要问题可以概括为两个方面：其一，图像并行处理硬件结构复杂，在实际应用中图像处理结构的开发周期长、成本高;其二，面向图像处理算法的硬件结构针对性设计方法导致图像处理平台的可重用性差，调整、扩展和升级困难。
2、数字信号处理器
数字信号处理器是由大规模或超大规模集成电路芯片组成的用来完成某种信号处理任务的处理器。数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。
3、专用集成电路
专用集成电路是为特定用户或特定电子系统制作的集成电路。数字集成电路的通用性和大批量生产，使电子产品成本大幅度下降，推进了计算机通信和电子产品的普及，但同时也产生了通用与专用的矛盾，以及系统设计与电路制作脱节的问题。同时，集成电路规模越大，组建系统时就越难以针对特殊要求加以改变。
4、图像采集卡
传统的摄像头系统每秒捕获并传输多个千兆像素，这些像素需要实时处理或压缩。尽管摄像头传感器技术和支持接口正在迅速发展，但是传统的基于PCIe/CPU/GPU的PC体系结构却缺乏以这种数据速率捕获，处理和存储图像所需的性能。基于高端FPGA的图像采集卡具有超快的收发器和巨大的板载内存带宽，为实时处理和压缩提供了必要的基础设施。开放式FPGA架构允许开发人员定制其采集路径，并嵌入自己的图像处理算法和压缩块。
四、交互平台软件优势
人机交互平台经过大量的汽车行业质检场景的打磨，在冲焊涂总四大车间实战中，大量的制造经验形成算法、编码固化到软件系统中，形成成熟的系统模块，除涉及标准的相机模块、光源模块、AI模块等传统视觉模块外，还具备数据采集工具开发、图像识别、质检数据异常监控、云端数据管理等相关通用功能。标准化人机交互平台致力于提供客户高效、安全的交互体验，成为客户首选落地的机器视觉系统平台。
