機器視覺系統由衆多部件(jian)組成(cheng)，其中包括(kuo)相機、圖像采集卡、照明(ming)單元(yuan)、光學元件與镜头、處理器、软件及顯示設(she)備等。簡單的(de)機器(qi)視覺系統可以识別2D或3D条形碼，更复雜的(de)系統可以確保檢測的元件满足特(te)定的容差要求、組(zu)裝正確、没(mei)有缺(que)陷。
很多機器視覺系(xi)統配備了采用不同類型圖像傳感器的相機(如表1所示)。為(wei)了確定相機可获得的分(fen)辨率，重要的是理解这些傳感(gan)器可以分辨的每毫米線對(dui)数(lp/mm) ，而(er)不是有效的像素點数。
例如，在一個典型的(de)2588×1958像素、500萬(wan)像素成(cheng)像器中，大小為1.4µm2的像素可提供357lp/mm的分辨率;而一個640×480像素的(de)VGA成像器，其像素大小為5.7µm2，可實現(xian)88lp/mm的分辨率。對於具有相同尺寸的成像器而言(yan)，像(xiang)素越小，每毫米中就(jiu)可分辨更多的線對数。
如果一個特殊的圖像傳感器包含(han)3µm2的像素，那麼根據尼奎斯(si)特采樣定律，理论上圖(tu)像中可以被分辨的最小(xiao)特性尺寸為6µm。然(ran)而實际應用中，並不能達到这(zhe)一最小尺(chi)寸值，因為(wei)每個镜头都會產生一定程(cheng)度的像差。
灰度圖像通常會按每像素(su)8比特(te)存储，从而提供256個不同的灰度渐變。圖像中的黑色特性對應更低数值;更亮的像素(su)對(dui)應更高数值。这種(zhong)方法很便捷，因為單一字節對(dui)應着單一像(xiang)素。
選擇相機
通常，機器視覺系統中使用(yong)的相機(ji)，可以通過(guo)USB3.0、以(yi)太網、FireWire、Camera Link及CoaXPress等接口將相機中捕捉(zhuo)到(dao)的圖像傳輸到PC系統(tong)中。
目前，集成機器視覺照(zhao)明、圖(tu)像捕捉及處(chu)理等功能的智能相機，正在為阅讀条形碼或檢(jian)測部(bu)件是否存在等自動化視覺任務提供經濟型解決方案。盡管智能(neng)相機的處理器性能或許足以满足这些任務的需求，但是更复雜或要求更高速(su)度的任務則需要额外的處理能力。
除了性能外，系統集成商還要決定采用何種支持软件以(yi)及相機如何连接到外(wai)部設備。盡管很多檢測部件是否(fou)存在(zai)的應用中都采用了智能相機，但是(shi)一些其他應用可能需要將相(xiang)機连接到顯示設備，用以顯示捕获到的(de)圖像和(he)圖像分析的結果。
很多智能相機的處理器(qi)運行專用(yong)的操作系統;也有一些智能相機運(yun)行Linux或Unix等商業操(cao)作系統(tong)。当然，这(zhe)些相機可以運行(xing)任何可在PC上運行的软件包。
照明元件
通(tong)過配備正確(que)的機器視覺照明系統，能以高對比度(du)重复捕捉圖像特(te)征。如(ru)果照明的配備不正確(que)，機器(qi)視覺系統的成功性、可(ke)靠性、可(ke)重复性和易用性都處於较大的風险中。為(wei)了確(que)保機器視覺系統配備正確的照明元件，設計師需要咨詢照明製造商，或借(jie)助圖像照(zhao)明實驗室檢測不同的照明選項。
LED照明正在(zai)開始替代目前常用於機器視(shi)覺系統中的荧光燈、光纖卤素燈及(ji)氙氣闪光燈光源(yuan)，因(yin)為LED照明具有更高的一致性、更长的使用寿命和更好的(de)稳定(ding)性。LED照明可以提供(gong)各種各樣的色彩並能選通发光(guang)，这一特性在高速機器視覺應用中非(fei)常有用(yong)。
除了照明類(lei)型，另一個決定圖像成(cheng)像的重要因素是光照(zhao)到待測物體上的角度。兩種最常用的為物體提供(gong)照明(ming)的方式是：暗場照明和亮(liang)場照明(ming)。
暗場照明(ming)从较低角度(du)照明物體，在一個(ge)非常平滑的如镜面般的物體表(biao)面上，反射的光將超出相機(ji)的視(shi)野範围。物體的(de)表面將呈現為黑色，而通(tong)過相機捕捉到的物體(ti)表面发光的部分，就對應(ying)着(zhe)表面的缺陷或劃痕。
亮場照明與暗場照明相(xiang)反，亮(liang)場照明是在成像物體的(de)上方打光，因此物體反射的光將處於(yu)相機的(de)視場範围内。亮場照明配置(zhi)中，物體表面上任何不连續處反(fan)射的光均(jun)无法被相機接收而顯示黑色。因此，该技術被用於為漫发射的非反射性物體(ti)提供照(zhao)明。
色彩效應
如果某個應用要求使用(yong)彩色相機，則需要白光照明(ming)待檢測的元件。如果需要區分待(dai)檢測(ce)元件的顏色，則白(bai)光需要在整個波长範围内產生平等(deng)光谱(equal spectrum)，以便分析圖片中的顏色。
通過黑白單色相機也可以识別圖像中的(de)顏色(se)，这種方法需要選擇合適的燈光照明(ming)圖(tu)像(如圖(tu)2 所示)。圖2中上面一行圖片是人眼觀察到的圖(tu)像效果，而下面一行的圖像則顯示了單色相機呈現出的(de)圖像效果。
為(wei)了照亮(liang)圖像，使用了三種不同顏色的光：600nm紅光(guang)(左侧)、白光(中間)和520nm綠光(右侧)。為了使该圖像呈現出最佳(jia)的對比度(du)，最(zui)好(hao)的方式是使用綠色光，因為綠色是紅色(se)的互补色。这(zhe)種對比可以被單色相(xiang)機轻松地识別出來。如果為了滤掉紅色(se)，則最好采用(yong)紅色光照亮物體。如果圖片本身是五光十(shi)色的，並且不需要识(shi)別(bie)其中的任何一種顏色，那麼白光照(zhao)明則(ze)是更合適的選擇。
圖像處理算法
当應(ying)用算法處理圖像時，請(qing)考虑開发人員和終端(duan)用戶的技能及具體的視覺系統任務要求。
許多(duo)PC和智能相機供應(ying)商提供了功(gong)能大體相似的圖像處理软件包。很多商業软件包提供了圖形化(hua)集成(cheng)開发環境(IDE)，使系統集成商可以从程序库中拖取設計(ji)好(hao)的功能，根據自(zi)身需求實現定製(zhi)化視覺算法。
多数商業软件包要求為每個部署的視覺系統支付(fu)版權費，但是通過(guo)使用開源成(cheng)像代碼如OpenCV或直接用C++、C、C#或.NET编寫(xie)應(ying)用程序，可以省去这一(yi)成本。
但是，由於OpenCV是(shi)一個開源環境，没有製造(zao)商為其提供擔保或支持。相比之(zhi)下，商業软件用戶的圖像處理工具包將會得到開发商(shang)的支(zhi)持。
在(zai)選擇软(ruan)件前，系統集(ji)成(cheng)商需要仔細評估自身的能力。盡管選(xuan)擇一個單一(yi)的基於PC的商業機器視覺软件包，需要(yao)支付800~2500美(mei)元的版權費用，但是開(kai)发人員使用C语言从头開始编程，也會(hui)很容(rong)易耗費掉大量時間和工程资源。
此外，系統集(ji)成(cheng)商還要認识到，通常一個開发環境並不能適用於所有(you)的機器視覺系(xi)統。技術和經濟壓(ya)力意味着要根據不同的應(ying)用需求，采用不同的方法進行(xing)软件開发(fa)。
在(zai)初步確定哪種算法適用於執行某個(ge)特定的視覺任務后(如圖(tu)3所示)，需要的系統数量、每個系統的(de)成本和(he)软件開发者的技能，將(jiang)決(jue)定選擇什麼樣的编程環境。例如，用C或C++等(deng)高級语言编寫圖像處理(li)代碼等相對更复雜更长的任務，是工(gong)程師開发大量系(xi)統時的一個更佳選擇。
算法類別
圖(tu)像處理算法可以(yi)分為不同的類別，用於满足不同的應(ying)用需求。
通(tong)過圖像数據的预處(chu)理，可(ke)以提取出圖像的(de)特性。圖像阈值(zhi)是圖(tu)像分割算法中最簡單的方法之一，该方法(fa)可用於从灰度圖像中生成二(er)進製圖像，从而讓物體能够从背景中分离出來。
其他的(de)運(yun)算符，如圖像滤镜(jing)可以令圖像銳化、降低圖像噪音;而直方圖均衡可以增強圖像的(de)對比度。预處理同樣(yang)涉及圖像分割，以定位圖像中具有相似(shi)屬性的物體或物體(ti)边界，如顏色(se)、亮度或材質等(deng)。
更复雜(za)的算法可以實現特征提取、檢測(ce)物體边缘或物體轉角，實現對圖像中物體的測(ce)量。连通性工(gong)具，如blob分析算法，則可以(yi)測量圖片内分散物體的有某種共同關系的特(te)性參数。
關聯性與(yu)几何搜(sou)索是另外兩個強大的搜索算法，其可用於找到物體的某種特性，或在新(xin)的圖像中搜索同樣的特性，可提供相應的位置(zhi)、某(mou)些(xie)情况下的尺寸和規模、以及新圖像是(shi)如何實現倾斜或轉换的等信息(xi)。
最后要提及的是可(ke)以實現分類及圖像破译的算法。其中(zhong)，最簡單的是可以實現簡單(dan)模板匹配操作的算法(fa)，而更复雜的分類算法可能用到神經(jing)網絡及(ji)SVM等更复雜(za)的技術(shu)。
算法的應用
在衆多視覺(jue)系統(tong)中，決定(ding)一個元件或元(yuan)件的某個特性是否存在非常重要。尺寸、形(xing)状或顏色等(deng)屬性可以用於识別元件。對比(bi)分(fen)析、blob分(fen)析、模型匹配或几何搜索工具可(ke)以在圖像上识別元(yuan)件。
為了將一個元件从(cong)其他元件中區分出來，可以使用相對(dui)簡(jian)單的功能，如边缘檢測算子。如果需要精確地檢測出元(yuan)件(jian)的位置，則需要(yao)執行几何搜索或blob分(fen)析。
為了高速(su)檢測元件或web上(shang)的缺陷，需要用到對比(bi)分析或模(mo)型圖像匹配算子。如果需(xu)要將缺陷归類並檢測(ce)，blob分析或边缘分(fen)析可以測量缺陷參(can)数，並將其與已(yi)知的正常參数進(jin)行比较。
在一些圖(tu)像處(chu)理應用中，可以利用超過圖像標準像素(su)分辨(bian)率的精度，測量圖(tu)像中(zhong)的線、點或边缘的位置，获得子像素分(fen)辨率。这可以(yi)通過(guo)對比物體边缘像素的灰度級別與物體每個边上的像素灰度級別來實現。
在特殊的例子中，可(ke)以使用極坐標(biao)抽取技術识別圆形物體的圖像，这種方法更易於實現。如圖(tu)5中間部分所示，blob分析(xi)被(bei)用於顯示藍色物體的參数細節。使用此類(lei)算(suan)子，可以更容易地檢測尺寸、边界框及物體的(de)中心。
在圖5右上圖中，通過分析圖片(pian)中的灰度值，边(bian)缘檢測算法(fa)可以檢測物體边缘、位置、形(xing)態或者角(jiao)度。左下方的直方圖顯(xian)示了某個(ge)特殊圖像的灰度像素值，该值將被進一步(bu)分(fen)析，以強化圖像中获得的某些特性(xing)。
中(zhong)間的圖像有兩組光學特性需要檢測，上面的特性(xing)被轻微减弱。在这個示例中，通過驗證可以了解特性(xing)的衰减(jian)方式。此外，光學特性识別(OCR)软件可以用(yong)於讀取衰(shuai)减特性。
在圖5右下角，搜索算法从圖像中锁定一個目標(biao)對象(xiang)，並存(cun)储(chu)為模板或几何模型，之后在其他圖像中(zhong)尋找類似的目標圖像(xiang)，这就是(shi)一個可以识別特(te)定特性的精確工具。
策劃、決定及執行
在着手(shou)研发任何機(ji)器視覺檢測系統前，需要仔細評估是公司内部開发還是將其外包。在策劃(hua)阶段有時會发現，機(ji)器視覺系統可能並非必(bi)要的，或者並不(bu)可(ke)行。
如果確定機器視覺系(xi)統可行，則具體檢測過程的所(suo)有(you)特性都需仔細記錄。需要對元(yuan)件待檢測的物理(li)及几何屬性，包括顏色、表面(mian)抛光及反射屬性等進行归類(lei)。開始(shi)，必须要定義特征用以區別待檢(jian)測的元件是好是(shi)坏。只有了解元件或裝(zhuang)配件的(de)屬性，系統集成商才能(neng)確定哪個圖像解決方案是最理想的。
整個(ge)生(sheng)產過程都需要進行分析，使系統集成商了解元件是(shi)如何被生產的、以及在檢測過程中发(fa)生(sheng)了什麼變化。借助分析，甚至還可以(yi)確定是否應该(gai)在生產流程的初級阶段就采用視覺檢測。
当策劃阶段(duan)完成后，機器視覺組件，包括相機、软件、照明元件、光學元件及镜(jing)头(tou)等都要確定下來。这一阶段(duan)將確定在生產環境中，是(shi)否有足够的分辨率(lv)或充分的照明及光學条件，以確保產生所需要的結果。这些因素最好在编寫系統(tong)說明時完成(cheng)，而不要等到實現(xian)系統時再考(kao)虑。
在系(xi)統明確阶(jie)段，應该提(ti)供一份報告(gao)，详細(xi)列出使(shi)用的硬件及软件、系統(tong)必须要運行的檢測功(gong)能、需要满足的容差及系統的吞吐(tu)量等(deng)。此外，该阶段還要(yao)考虑系統如何與生產廠房中可能存在的其(qi)他自動化系統连接，这些都要記錄下來。
在決定是(shi)自行研发、還是與(yu)外部系統供(gong)應商合作開发時，還(hai)需要考虑几個關键的業務問題。从項目一(yi)開始，系統集成商就要確(que)定(ding)公司内部是否具備支持項目所需要的技術實力。
如果公司内部(bu)擁有这樣的機器視覺系統實力(li)，管理(li)層還要確定具體负(fu)責该工作的個人是否有足够的時間和资源支持这一項目、是否(fou)會遇到意想不到的挑战?如何(he)應對?等等。此外，如何維(wei)護、支持(chi)、服務(wu)及升級该系統也是需要考量(liang)的重要因素。
