195-3077-5230
機器視覺是對人眼視覺的模擬，兩者之間有很多的結構相似性，也有很多區別。人類視覺是一個眼球與大腦高等思維相互配合的復雜過程，不僅包含精密的生理學機制，也包括復雜的高等思維過程，所以，人眼視覺在大部分領域都遠遠優秀于機器視覺。當然，這并不是說機器視覺沒有特殊之處。
圖像好壞的描述標準
在藝術攝影領域，圖片的好壞自有一套美學的描述標準。同樣，在機器視覺成像領域，也會有圖片的好壞描述標準。
從上圖像好壞對比圖中可以看出，在第一組圖像中，上圖特征可以完全顯示出來但在下圖中，部分特征無法完全顯示;在第二組圖像中，上圖對焦比較好，但在下圖中，圖像比較模糊，圖像細節顯示不清晰;在第三組圖像中，上圖待測特征非常凸顯但在下圖中，待測特征的灰度和背景很相近，并沒有比較明顯的灰度差。從這幾組圖片中，我們得出了關于圖像好壞標準的幾點準則。
1、對比強烈
在一張圖像中，如果特征相比背景有很強的對比度，那么在視覺軟件中，這些特征就很容易被識別到，并且識別效果相對穩定。在工程應用中，提高圖像對比度可以通過合適的打光實現，比如對輪廓檢測，打背光就會有比較好的對比度效果，此外，有時也可以通過圖像處理來實現圖像對比度增強，比如圖像二值法運算。
2、征完整
圖像特征完整要求在對特征成像時要選擇合適的視野。視野不能太大，一般來說，視野越大，圖像精度越低，當然，視野也不能過小，否則會漏掉局部關鍵特征。視野主要與三點因素相關，即鏡頭焦距、工作距離和相機芯片尺寸。
3、邊緣銳利
邊緣銳利是圖像好壞標準中比較重要的一個要索。
圖像黑白過渡僅需一個像素就完成圖像由黑到白的變化，這樣就可以準確確定出圖像邊界所在的位置;在圖中右部分，圖像由黑到白過渡，經歷了五個像素的變化，這就會導致在確定圖像邊界時可能產生五個像素的誤差，假設一個像素的尺寸為0.1mm，這就意味著可能會有 0.5mm 的測量誤差。在具體項目應用中，可以選擇特殊的遠心鏡頭配合平行光使用，以提高圖像邊緣銳利程度。
4、顏色真實
圖像顏色的真實性要求主要是針對彩色圖像。在一般領域里，對顏色識別要求沒那么嚴格時，但在特殊領域，如生理學、醫學領域，對顏色要求是比較嚴格的。
工業機器人視覺相比人工的優勢
機器視覺的應用場景
機器視覺中常用的4種光源介紹
工業機器視覺中常用的6種光源顏色詳解
能賦予工業機器人深度學習能力的3d機器視覺系統
機器視覺工業相機「4種常見的分類方式」