機器視覺是研究計算機模擬生物宏觀視覺功能的科學技術，即用攝像機和計算機等機器代替人眼對目標進行測量、跟蹤和識別，并加以判斷，主要應用于工業檢測、工業探傷、精密控制、自動生產流水線、糧食優選、顯微醫學操作，以及各種危險場合工作的機器人等．
不管機器視覺系統應用于哪個領域，作為視覺系統，所采用的圖像處理、圖像理解與模式識別的基礎理論和技術是相間的。近年來，隨希計算機技術尤其是多媒體技術和數字圖像處理與分析理論的成熱，以及各種優化算法的迅速發展，機器視覺技術得到了廣泛的應用研究，取得了巨人的經濟與社會效益．但是山于機器視覺的應用領域不斷擴大，對機器視覺技術，尤其是圖象處理技術的要求也越來越高．要想使機器人能夠迅速的對目標物體進行操作，就必須加快機器人視覺系統中圖象處理的速度，而圖象處理的速度很大一部分取決于優化算法性能的好壞，因此采用優化算法研究成為機器視覺研究領域的一個重要方面。
1、機器視覺的研究進展
機器視覺，又叫人工視覺，亦可稱為工業視覺或計算機視覺，與人類視覺或動物視覺有著本質的不同，也有人認為機器視覺是計算機視覺工業應用的一個分支，但無論怎樣理解，機器視覺系統主要有三個部分組成：圖象獲取、圖象處理以及圖象理解．
1.1、圖象獲取
圖像的獲取，實際上是將被測物體的可視化圖像和內在特征轉換成能被計算機處理的一系列數據，它是任何機器視覺的基礎。圖像獲取由三部分組成；照明系統、圖像聚焦光學系統、圖像敏感元件和視頻調制．照明是影響機器視覺系統輸入的重要因素，因為它直接影響愉人數據的質暈和至少30％的應用效果．通用的機器視覺照明設備難以形成，在工業應用中，針對每個特定的應用場策，選擇相應的照明裝置．常用的可見光源是日光燈、水銀燈、白熾燈和鈉光燈，對于某些要求高的工業檢側任務，常采用X射線、超聲波等不可見光作為光源．圖像聚焦光學系統，即被測物的圖像通過一個光學系統―透鏡聚焦在敏感元件上，機器視覺系統使用CCD、CMOS等圖像傳感器來捅捉圖像，傳感器將可視圖像轉化為電信號，便于計算機處理．圖像敏感元件是一個光電轉換裝置，將傳感器所接收到的物體成像，轉化為計算機能處理的電信號，現代工業、民用主要使用CCD、CMOS等攝像機．在某些工業應用中，使用攝像機陣列，形成多攝像機或雙攝像機的多目或雙目視覺系統，從而得到的深度信息．
1.2、圖象分析和處理
機器視覺系統中，全要強調用計算機實現人的視覺功能，所以機器視覺需要運用圖像分析、處理以及圖像理解方法這三個層次的多種技術手段，它包括圖像增強、數據編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內容．這些技術手段在不同的研究目標和應用中會采取不同的方法，也在不斷出現新的研究成果．經過這些處理后，輸出圖像的質量得到相當程度的改善，既改善了圖像的視覺效果，又便于計算機對圖像進行分析、處理和識別．
數字圖像處理、圖像理解與模式識別是當今計算機視覺研究的熱點，這既表明圖像處理與模式識別在現代信息技術中的重要作用，同時也說明該研究領城仍然存在大量沒有解決的研究難題．在圖象處理中其關鍵的問題是圖象分割、圖象濾波以及圖象的特征提取．
1.2.1、圖象分割
圖像分割育2種方法：一神是基于區域的方法；另一種是基于邊緣檢測的輪廓方法川．基于區域的方法兩個最基本的原則是數值杯似性和空間接近性．常用的方法有灰度閉值分割法和區城生長法．灰度閩值分割法是一種的基于區域的技術，這種方法是把每個像素的灰度值與一個閩值進行比較，根據它是否超過該悶值而將該像素歸子兩類中的一類川，該方法的關鍵和難點是闊值的恰當選取．區城生長技術計算復雜、費時，因而很少應用與對實時要求高的場合，只有當閥值分割或邊緣檢測技術無法產生滿意的效果時，才考慮應用，這里不多做介紹。
邊緣檢測算法是一種基于點相關的分割技術．在一幅圖像中，邊緣有方向和幅度兩個特性，垂直于邊緣走向的灰度變化劇烈，邊緣點的一階微分幅度大，而且是二階徽分的零交叉點，因此利用梯度值或二階導數過零提取邊界點．
1.2.1.1、闌值分割法中的算法研究
在閉值分割過程中閉值的選取是關鍵，如果閡值選取過高，則過多的目標點被誤歸為背景；閉值選取過低，則會出現相反的情況．閉值選取方法的基本原則：從視覺上看，所選閨值應產生分割，減少誤分割，并將目標與背景或目標與目標分開，使分劊后區域數目較少，邊緣較平滑；從直方圖上看，閩俏應選在谷位上，若具有較寬的谷值，應選在谷值的中間或靠近較大峰的邊界點．
目前闊值選取有P一參數法、直方圖法、類間方差法、最小誤差和均勻誤差法、簡單統計法、概率松弛法和模糊集法等類。一司．此外大多都是以上述基本方法為基礎，做出的改進方法或者對算法的優化．例如文獻閡咭，將混沌遺傳算法應用到類間方差法中，通過仿真實驗，表明該算法有較快的收斂速度和很高的收斂率．并且，隨著鬧位數的增加，算法的高效性得到了充分體現．
1.2.1.2、圖象邊緣提取中的算法研究
對于圖像的邊緣檢測來說，一般在識別過程中有如卜的要求：
首先能夠正確的檢測出有效的邊緣。邊緣定位的精度要高；檢測的響應是單像素的．對于不同尺度的邊緣都能有較好的響應并盡量減少漏檢．對噪聲應該不敏感；槍測的靈敏度受邊緣方向影響應該小。機器視覺系統
這些要求往往都很矛后，很難在一個邊緣檢測器中得到的統一判斷邊緣檢側器性能的方法是先看邊緣圖像，再坪價其性能，邊緣槍澎器的響應中主要有三種誤差：丟失的有效邊緣．邊緣定位誤差和將噪聲誤判斷為邊緣．
常用的邊緣檢測算法主要有：
1）、微分邊緣算子：一般常用一階和二階微分來檢測邊緣一階微分邊緣算子即梯度算子，主要包括Robert算子、prewitt算子、Sobel算子、Kirsch算子、Canny算子等，二階微分算子有拉普拉斯算子、log算子等；
2）、基于形態學的邊緣檢測，
3）、基于小波的邊緣檢測；
4）、基于神經網絡的邊緣檢側；
5）、基于模栩學的邊緣檢測．
6）、鑒干遺傳算法的邊緣檢側．
1.2.2、圖象濾波
圖象處理的時候必然是帶有噪聲的．圖像的噪聲表現為圖像上面出現各種形式的干擾斑點、條紋等，這些隨機噪聲把像素的真值隱蔽起來，嚴重影響對圖像的處理禮提取圖像特征，所以系統必須對視覺處理后的信號進行數字濾波．噪聲的濃度與其四周像素的濃度間，存在著很大的濃度差，平滑化就是利用噪聲的這種性質除去噪聲的方法．但因圖像的邊界部分也存在著急劇變化的濃度差，所以將這類邊界部分與噪聲的部分恰當地分離開，直至把噪聲除去是研究的重點。
常用的有移動平均法、中值濾波、平滑化方法等．消除噪聲沒有無缺的方法，只有盡力選擇與目的相吻合的方法．在確定采用何種方法前，應當實際試驗幾次觀察效果如何，可能是捷徑。
更多詳情請訪問：/channel.asp?id=5 機器視覺系統
