[机器视觉程序及发展应用.docx

A=imread(F:\jyzs.bmp);%打开噪声图片 imshow(A); B=medfilt2(D,[3,3]);%中值滤波去噪声 imshow(B); C=imadjust(B,[],[],0.5);%伽马变换灰度拉伸 imshow(C); D=edge(C,canny);%Canny算子取边缘 imshow(D); A B C D 机器视觉的发展及应用 机器视觉主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械执行模块。 机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。机器视觉强调实用性，要求能够适应工业现场恶劣的环境，要有合理的性价比、通用的工业接口、较高的容错能力和安全性，并具有较强的通用性和可移植性。它更强调实时性，要求高速度和高精度。 机器视觉不会有人眼的疲劳，有着比人眼更高的分辨精度和速度，借助红外线、紫外线、X 射线、超声波等高新探测技术，它在探测不可视物体和高危险场景时，更具有其突出优点。机器视觉的应用主要体现在工业检测和机器人视觉两个大的方面，同时在农产品分选、医学、机器人导航等方面也得到广泛的应用。按照机器视觉系统在不同领域中的用途划分，机器视觉系统所实现的主要功能可分为：测量功能、检测功能、定位功能、识别功能。 不同行业、不同用途的机器视觉系统在高速数据处理设备、高分辨率图像采集设备、高精度运动控制设备的共同作用下往往具备如下特点：(1) 精度高；(2) 数字化分析与处理能力；(3) 非接触；(4) 连续性和稳定性；(5) 较宽的光谱响应范围；(6) 快速。 目前的机器视觉研究主要包括自底向上和自上而下的两种研究方法。自底向上的方法注重研究视觉的机制，主要以灵长类动物的视觉机制研究成果为基础设计机器视觉算法。其中最直接的方式是对视觉机制进行建模。这种方法的优点在于，能直接利用视觉机制的研究成果，得到简单但非常有效的视觉算法，并且能直接推广到多种视觉问题。同时，其主要缺点在于，许多视觉机制的成果对机制的研究不完善或不全面，在应用到具体问题上时，效果很可能不如针对该具体问题设计的算法。自上而下的方法以解决具体问题为目标，根据具体问题的特点设计相应的算法。其主要优点是，根据具体问题设计通常较为有效，目前的大部分机器视觉方法均属于这类。其主要不足在于，这些方法依赖于要解决的具体问题，通常难以直接推广到其他问题。 机器视觉技术是利用计算机的一些功能模仿生物视觉的，与真正的生物视觉相差还很远，要达到完整的生物视觉功能效果，还有待工程技术人员不断努力，认真钻研。毫无疑问，机器视觉产品的出现大大提高了生产质量，帮助企业从劳动依赖型中解放出来，依靠集成在机器本身的软硬件优势实现自动生产、检测，这对企业在解决劳动成本增加、应对市场竞争等问题时起到很大的帮助。随着经济的发展，各行各业对于采用机器视觉技术的工业自动化、智能化的需求开始广泛出现，机器视觉将会有很大的发展空间。 另外，计算机视觉系统通常需要进行大量的信息处理才能够得到所需要的信息。常用的计算机视觉系统通过通用计算机进行视觉信息处理，但是，由于CPU的计算能力有限，对于一些计算复杂度很高的视觉算法，其处理速度常常难以满足系统的实时性需要。FPGA作为一种高性能的可编程逻辑器件，可以通过编程方便地修改其内部的逻辑功能，从而实现高速的硬件计算和并行运算，是高性能嵌入式视觉系统的一种更加方便的解决方案。此外，基于FPGA的嵌入式视觉系统的功耗远远低于基于通用CPU和GPU的视觉系统。基于FPGA 的嵌入式视觉系统将是计算机视觉系统的重要发展方向。 在30多年的研究发展中，计算机视觉的目标一直就是要使计算机具有通过二维图像认知三维环境的能力，这种能力将不仅是计算机感知三维环境中物体的几何信息，包括它的形状、位置、姿势、运动等，并且能对它们进行描述、储存、识别和理解。 机器视觉技术的发展方向主要是：(1) 嵌入式机器视觉系统成为主流；(2) 系统更开放，能够与其他自动化系统深度集成；(3) 应用领域更广，逐步向传统制造业扩展。 参考文献：