开拓自动化系统的视界机器视觉摘要在全球工业自动化的需求趋势.DOC

開拓自動化系統的視界機器視覺 Machine Vision)的理論研究及其應用技術目前已在各國如火如荼的進行中。然而身為科技人的我們，真的已經了解「機器視覺」前言 　　從十九世紀初開始，生產的方式從大量人工慢慢轉變為機械化，到了十九世紀中，自從微電腦的發明，讓人們能夠利用它來從事一些簡單的自動控制，又開始了次新的革命，Artificial intelligence)的構想崛起，人們開始思考，該如何才能讓自動化系統中的機器學會“感受”我們眼中看見的世界，進而能夠學習人類的行為模式進行判定？於是我們賦予了它一雙“眼睛”，使其擁有辨別事物的能力，學習人類的邏輯以提升自動化系統之產能。 　　機器視覺工業自動化系統的重要組成之一，其技術與應用也隨著自動化行業的發展而日益成熟。處理和不斷、光電件性能的提高、各類標準的逐漸統一以及價格的相對降低據自動成像協會(Automated Imaging AssociationAIA)之市場研究調查報告，2006年全球機器視覺市場規模已經超過了70億美元，並預測在今後五年內仍將持續增長。然而，隨著供應商和集成商不斷的把機器視覺應用推各個領域，機器視覺這一相對獨立的功能如何融入各行業自動化遇到了前所未有的挑戰。 何謂「機器視覺」 機器視覺系統是一個能自動輸出控制信號的影像識別分析器。主要的原理是運用像去自動抓取並分析可見的資訊(Visual nformation)，就人類的雙眼樣，然後運用微電腦(人的大腦)強大的運算能力，對取得的影像進行適當的分析識別，得到一個控制信號的輸出，成為控制機器的參數之一。由機器視覺對輸入的影像分析檢測，大大的提升了檢測的效率和正確性，當然機器視覺也並非只用於科技界的生產，在各個領域之中，如在醫學、生技、農業、漁業等，都能處處看到機器視覺的應用。我們必須要了解一個觀念就是機器視覺系統並不完全等於影像處理系統，影像處理系統可以當作機器視覺系統的前置作業，處理的影像機器判斷，也人眼觀，以便。 機器視覺。agnetic Resonance Imaging, MRI)與正子斷層掃描取像(Positron Emission Tomography, PET)等，皆為應用於機器視覺技術成像來源之一；取像景物於不同應用上則可能為電子零件、人類器官、欲監控之環境等；透過影像感測器取像且成像輸出後，所獲取的資訊便經由影像呈獻出來了。 影像強化(Image Enhancement)：所謂之強化，即為將所取得之影像進行處理，使其結果對特定性的應用而言比原始影像更適用，意即將我們感興趣的資訊保留下來並加強其與週遭背景之差異性，例如邊緣增強(Edge Enhancement)處理及提升對比度；或抹去於特定應用所不必要之資料，如影像高、低通濾波(Highpass/Lowpass Filtering)處理。 影像修復(Image Restoration)：當所取得之影像包含環境因素(如照明之光度及感測器自身溫度)所產生之雜訊(Noise)，常見之處理為建立一雜訊模型，並選擇適當的濾波器將其濾除；若圖形失真扭曲變形(Distortion)時，則透過空間轉換(Spatial Transformation)或畫素值內插(Interpolation)將其座標系統轉換且校正其正確座標位置上的畫素值。 彩色影像處理(Color Image Processing)：又可分為全彩色(Full Color)和虛擬彩色(Pseudo Color)之處理，前者所指以全彩色感應器所獲得之資訊，後者則是對特定的影像強度範圍指定一顏色；部分處理可沿用灰階(Gray Level)影像之技術，部分則需重新建構。不過當工業界使用二元(Binary)影像或灰階影像進行應用時，此部分為非必要之程序。 小波及多解析度之處理(Wavelets and Multi-Resolution Processing)：小波轉換非常適合應用於影像壓縮、傳送及分析，其轉換基底為具有變化頻率及有限期間(Limited Duration)的小波，轉換過程中有效地保留了時間資訊(Temporal Information)；小波轉換也是多解析度處理之基礎，同一張影像於不同解析度下能突顯之特徵也有所不同，故選擇適當的解析度進行後續處理將有事半功倍之效。 影像壓縮(Compression)：高解析度之影像於暫存、傳送及儲存時，皆需耗費大量記憶體及頻寬，因此該如何以最精簡的資源顯示出最豐富的資訊量，也一直是學術界暨業界人才投入開發的技術之一。 形態學處理(Morphological Processing)：為了達成後續的影像分割，我們需要一些有用的工具來協助描述影像中我們所有興趣之物件的形狀，常見之技術為邊緣擷取(Edge Extraction)、區域填補(Region F