机器视觉的图像分析

什么是图像分析 ？该术语被广泛应用在多种技术学科上 ，并具有不同的含义 。要在机器视觉中定义图像分析 ，考虑广泛的典型工业检查或指导应用 。数字相机或其他复杂的传感器集成在一起的镜头或专门的光源 ，以捕捉一个对象的图片 。通过各种手段 ，图片可以加强和优化的内容 。专门的软件工具用于从图片中提取信息的信息 。最终 ，该信息提供给自动处理任务 ，如指导 ，测量 ，或质量保证 。

在一个成功的机器视觉应用程序中的这些重要的步骤可以分为一般的操作类别 。图像采集 ，图像处理 ，图像分析 ，和结果处理经常被用来描述上面提到的四个动作 。在本教程中 ，老哥俱乐部将重点放在图像分析中 ，并将介绍几种机器视觉技术和软件的广泛和重要的部分很基本概念 。

为了老哥俱乐部的目的 ，图像分析是机器视觉的一部分 。总之 ，图像分析是从图像中提取的应用程序和自动化系统所需的数据和信息 。得到正确的信息 ，需要规范和一个或许多检测算法中的应用 。

 

提取图像的内容

从根本上讲 ，一个用于一般用途的机器视觉包含数千个数据点 ，老哥俱乐部通常称之为“像素” 。对于大多数图像采集 ，这些数据包含的值表示已由像素捕获的光线（称为像素的灰度值）。一个像素也有一个位置相对于它的位置上的传感器 。在某些情况下 ，像当图像表示一个三维的点云 ，像素位置可能会被表示为一个点在现实世界的空间与X ，Y ，Z坐标 。对于这个介绍性的讨论 ，老哥俱乐部将只覆盖分析的二维 ，灰度信息 。

在图像的分析中 ，机器视觉软件使用像素的位置和灰度值的像素数据执行操作 ，最经常是相邻像素的组 。为了帮助区分这些操作的基本功能 ，老哥俱乐部可以将许多人分类为使用原生的灰度信息 ，或使用直接从灰度信息派生的梯度信息 。在机器视觉图像分析中 ，它最简单的上下文中的梯度意味着相邻像素之间的灰度变化 。另一个经常用于图像梯度的术语是边缘 。事实上 ，它并不少见有一个机器视觉工具（或“算法”）的根过程被描述为“基于灰度”或“边缘” ，让老哥俱乐部简要地看看这是如何工作 ，以及它可能会影响老哥俱乐部的选择和应用的图像分析工具 。

 

像素边缘

当图像被捕获时 ，像素的灰度值表示由该像素存储的光的量 。许多外部因素影响这个值 ，包括光的强度和颜色 ，对象的反射率 ，光学 ，相机曝光时间 ，和其他 。在一楼厂房的影响因素如环境光 ，部分的介绍 ，和部分的变化也会影响灰度图像的内容 。在图像内容中的这些变化可能会导致不正确的分析 。适当的照明 ，光学 ，相机和组件的图像采集的应用可以帮助确保一致的响应 ，和前处理也是有用的 ，在确保图像灰度可重复性时 ，使用任何机器视觉工具 ，特别是基于灰度的工具 。

图像分析工具可以在限制范围内使用本地的灰度数据的灰度值的计数和/或组像素 ；或特定的“颜色” 。这样的工具，例如 ，特征提取 ，图像中提供的位置信息 ，对特征的大小和形状 ，或报告的图像一般颜色的特定区域内 。

基于边缘的工具执行处理在相邻像素的颜色的局部变化 。这些梯度的数学计算在各种不同的方式取决于该算法 。颜色的变化是微妙的或激烈的 ，通常可以计算的梯度 。这种能力的重要性是 ，作为一个场景的亮度和/或对比度的变化 ，一个过程仍然可以提取边缘数据 ，只要有一个足够的梯度 ，或颜色的变化 ，在有针对性的相邻像素 。

利用边缘获取信息的图像分析工具可以利用边缘的强度以及位置和可能的边缘点和组边缘点的方向 。使用边缘的典型图像分析操作包括目标特征的边缘或边缘或边缘的位置的位置的测量 ，以确定特征位置和几何形状 。

了解这些基本的图像内容所使用的许多机器视觉工具的图像分析工具 ，帮助老哥俱乐部在选择和实施这些工具的一个特定的应用 。例如 ，具有良好定义的一致的颜色的功能或缺陷的图像可能会很好地响应过程中的灰度信息的工具 ，而基于边缘的工具 ，可以用来克服图像的变化。让老哥俱乐部考虑一些典型的机器视觉工具 ，以及它们在实际应用中的用途 。

 

典型的图像分析工具和实际应用

机器视觉的通用组件 ，如智能相机和基于PC的系统 ，提供了一个广泛的图像分析工具 。有时 ，这些涉及复杂的组合的算法 ，有效地提取信息的一个特定类型的过程 。在许多情况下 ，虽然 ，工作只需要谨慎的应用程序的只是一些简单的工具 。在这里 ，老哥俱乐部将简要介绍这些工具和它们的实现在图像分析 。

一个非常基本的工具提供的能力来分析在图像或区域的图像的灰度级的像素的内容 。这些“直方图分析”工具只是简单地计算在每个灰度级的像素的数量 。计数本身可以是有用的 ，在确定图像的内容 。例如 ，一个特征的平均颜色 ，和覆盖特征的典型数量的像素 ，在适当的颜色范围内的像素的数量的测试可以验证的存在/不存在 ，甚至可能是目标特征的大小 。该算法往往提供了其他广泛的统计信息的灰度数据以及 。这种类型的工具的处理时间是非常快的 ，这些工具经常被用来作为东西 ，如部分存在和缺陷检测 。

另一个强大的图像分析工具是“连接” ，也被称为“blob分析”或在一些实现“颗粒分析 。”又与像素的颜色 ，连接工具组的相邻像素的颜色相近的连接形式 。它通常是通过首先将像素的颜色分为两个状态根据一个分割的“阈值”（产生的像素表示被称为一个“二进制”图像）光或暗 。该工具提供了关于连接的斑点 ，信息包括大小 ，形状 ，位置 ，和更多 。用直方图工具 ，Blob分析是一个非常快的过程 。它用于部分的存在/不存在和分化 ，位置和指导 ，缺陷检测和更多 。

一个基本的边缘为基础的过程是一对边缘或一个单一的边缘在一个区域中的图像的位置的测量 。执行这种功能的工具 ，可以被称为“卡尺”或“边缘对 。”这类算法的特点是 ，它返回一个非常精确的和可重复的点（或线或圆）在图像中的边缘特征在很宽的范围内的图像的亮度和对比度的变化 。这种类型的工具是用于测量 ，或可以在部分分化或存在/不存在 。

一个更复杂的工具 ，使用（从根本上）的边缘信息是“几何搜索”或“模式匹配” ，这种类型的工具使用一个预先训练的模型 ，其中的边缘（和其他内容）的数学提取 ，以形成一个目标对象的数据表示 。由于该模型是严格的数据 ，它可以在数学上重新大小 ，旋转 ，倾斜 ，或操作所需的应用程序 ，甚至创建从无到有 ，没有一个图像 。一个搜索算法 ，然后使用训练有素的模型来找到匹配的实例中的模型在图像被处理 。与大多数基于边缘的工具 ，一个几何搜索工作 ，以及在不同的图像条件下 ，在许多情况下 ，甚至可以找到一个模型在显着退化图像 。几何搜索是至关重要的许多应用 ，涉及精确的位置和指导 ，也可以用于各种其他处理 ，如部分存在/不存在和功能/对象的分化 。