机器视觉培训系列教程（基础入门培训）
四、图像预处理（4），二值处理
门限种类 • 单门限：将图像像素分2类 • 双门限：将图像像素分3类
门限选取方式 • 手动选取： 如 绝对值、相对值等 • 自动选取： 如 最佳门限…
原图像
机器视觉培训系列教程（基础入门培训）
单门限
双门限
四、图像预处理（4），图像算数
图像
一、图像处理算法（2）：模版匹配（3）
常用的方法：归一化相关 normalized correlation • 同滤波运算相似：需要原图和模板 • 模板＝学习的有唯一特征的物体图像 • 匹配参数score(x，y)表达相似程度
_
_
[S(x m, y n) S(x m, y n)][K (m, n) K ]
度值。其数字表达式为：I (x, y)
机器视觉培训系列教程（基础入门培训）
三、图像处理的基本步骤
高
特征提取 特征值
图像分割 点、线、区域…
预处理 增强的图像/像素
原始图像/像素
低
机器视觉培训系列教程（基础入门培训）
四、图像预处理（1）
图像预处理目的
• 图像增强 • 噪音去除 • 图像单纯化
图像预处理算法通常包括： • 滤波：高通、低通… • 形态处理： erosion/dilation/open/close… • 图像算数：＋、－、X、… • 二值处理
X方向
Y方向
四、图像预处理（3），形态处理（1）
处理过程同滤波相似 • 模板沿着图像移动计算 • 中心点像素由模板所覆盖的邻域像素替换
替换算法 • 基于邻域像素排序 • 可设置无关像素
模板
0 1 0 1 1 1 0 1 0
原图像
机器视觉培训系列教程（基础入门培训）
1 – 有效 0 – 无关 模板下有效像素的灰度值按大
机器视觉培训系列教程（基础入门培训）
通过计算得出系统标 定结果
X方向 = 50/100 = 0。 5mm
Y方向 = 50/100 = 0。 5mm
二、视觉系统标定（5）
系统标定的方法（2）
• 使用标定块
标定板放入视野
系统进行标定
校正后生成的无 变形新图像
标定块为制作精度极高的 标准模块。通常为分点阵 式或是棋盘式（如上图）。 上图中的标定块，每一个 格子都是同样大小。
原图像
机器视觉培训系列教程（基础入门培训）
最小包围矩形
最窄包围矩形
一、图像处理算法（2）：模版匹配（1）
通过学习寻找物体 典型应用：图像对位、寻找物体等
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（2）：模版匹配（2）
基本原理 – 两个步骤
• 学习 • 寻找
学习
寻找
模板图
机器视觉培训系列教程（基础入门培训）
score(x, y)

mn _
[S(x m, y n) S(x m, y n)]2
[
K
(m,n)源自_K]21/
2
m n
mn

score(x，y) 取值范围： -1 ～ 1
1： 完全一样
0： 图像无特征(均匀背景)
-1： 完全相反
机器视觉培训系列教程（基础入门培训）
机器视觉培训系列教程（基础入门培训）
二、视觉算法的特点
机器视觉算法是图像处理算法的子集 机器视觉算法针对工业应用的特点：
• 可控的照明条件 • 对被检工件有先验知识 • 需要高效率、高可靠性和高重复性 • 对智能要求不高
视觉算法中所称的图像，是由像素表达出来的明暗信息组成 的二维数组，其中每个像素代表该位置的图像0 ~ 255的灰
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（4）：拟合测量工具（4）
样例#2：
• 模板匹配 ＋ 拟合工具
根据模板匹配的结果 重新定位工具
模板图像 选取
机器视觉培训系列教程（基础入门培训）
模板匹配 输出
原来工具位置
二、视觉系统标定（1）
系统标定的意义（1）：
• 将图像像素坐标变换为实际坐标
一、图像处理算法（2）：模版匹配（4）
匹配系数为0
匹配系数为0 匹配系数为0。98
匹配系数为0。2
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（2）：模版匹配（5）
速度优化－多极匹配
匹配
匹配 匹配
机器视觉培训系列教程（基础入门培训）
匹配
一、图像处理算法（2）：模版匹配（6）
旋转变化 比例尺变化
特征提取
模版生成
图像
机器视觉培训系列教程（基础入门培训）
全部特征
特征模版
一、图像处理算法（3）：几何特征匹配（4）
几何特征点的描述 • 几何特征点通常是以“特征清单”形式的数据结构进行描 述 • 特征点为图像中明暗边界轮廓上的点，其信息包括
点坐标位置 点与邻近点的几何关系 点的极性（由黑到白或由白到黑）
m0 n0
M， N 为K的尺寸
机器视觉培训系列教程（基础入门培训）
四、图像预处理（2），滤波（2） 从图像上来理解滤波 模板
机器视觉培训系列教程（基础入门培训）
原图
四、图像预处理（2），滤波（3）
模板决定滤波的种类 高通滤波：
增强对比度 低通滤波
降低噪音 Sobel
一、图像处理算法（1）：斑点分析（5）
常用的几何特征包括 •面积、重心、中心、最小包围矩形(minimum bounding box)、最窄包围矩形(feret bounding box) 、Convex Hull、矩(moment of inertia); 最亮点、最暗点、平均灰度、 灰度方差…
小排序
四、图像预处理（3），形态处理（1）
基本形态算子 • 腐蚀(erosion)：取最小值 • 膨胀(dilation)：取最大值 • 中值滤波(Median filter)：取中间值
复合形态算子 • Open： Erosion + Dilation – 去除毛刺 • Close： Dilation + Erosion – 聚类 • Top Hat： Source - opened (closed)
系统标定的意义（3）： • 校验相机与实物面的几何关系
相机向X及Y 方向偏斜
相机向Y方向（或X 方向）一方偏斜
机器视觉培训系列教程（基础入门培训）
相机位置正确
二、视觉系统标定（4）
系统标定的方法（1） • 使用已知尺寸的样本
已知样品为 50*50MM
样品在系统中测量得 知为 100*100 象素
特征不完整
非均匀亮度分布
一、图像处理算法（3）：几何特征匹配（2）
什么是几何特征： 几何特征是在图像中，明暗交界处的边缘线或轮廓 几何特征分封闭式及开放式两种
图像
封闭式几何特征 开放式几何特征
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（3）：几何特征匹配（3）
撮几何特征的基本步骤
从图像到点
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（4）：边缘检测（1）
图像测量的基础 视觉系统边缘检测的灵敏度，远远
高于人类 基于边缘的灰度变化分析 需要亚像元提取精度
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（4）：边缘检测（2）
基于边缘灰度变化曲线分析 原图像
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（1）：斑点分析（3）
标记联通区域 •将相连的像素组成相连区域，并 给每一块相连区域分配唯一的标记
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（1）：斑点分析（4）
特征提取 • 计算联通区域的几何特征
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（4）：拟合测量工具（2）
基于边缘点检测结果 采用最小二乘法拟合测量结果 常用的工具包括：
• 线段、矩形、圆、扇形等…
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（4）：拟合测量工具（3）
样例#1：
最大搜索边界圆 最小搜索边界圆
标称圆 采用样本
输出结果：中心点坐标，直径，拟合参数…
操作符包括： • 加、减、乘、除… • 逻辑算子AND、OR、INVERT、XOR…
例子：
机器视觉培训系列教程（基础入门培训）
第二节 图像处理与标定
内容提要
图像处理算法 视觉系统标定
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（1）
斑点分析 模板匹配 几何特征匹配 边缘检测 拟合测量工具
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（1）：斑点分析（1）
联通区域的几何特征分析 广泛应用于缺陷检验，物体定位、辨识等
机器视觉培训系列教程（基础入门培训）
一、图像处理算法（1）：斑点分析（2）
图像分割 •将感兴趣区域从背景中分割出来 •单门限/双门限分割 •固定门限选取/自动门限选取
• 获得象素所代表的真实世界的长度单位。 如，1象素= 0。02MM
Y
P(x/y) / P(x/y)
Y
转换向量
X
X
机器视觉培训系列教程（基础入门培训）
二、视觉系统标定（2）
系统标定的意义（2）： • 补偿图像畸变
30个像素＝10毫米 30个像素＝14毫米
机器视觉培训系列教程（基础入门培训）
二、视觉系统标定（3）
机器视觉培训系列教程 基础入门培训