隨著計算機技術的不斷進步，在實驗室和生產現場利用圖像采集和圖像處理技術進行表麵缺陷檢測變得越來越容易。現在不僅有速度更快的CPU、PCI總線架構等硬件能夠滿足機器視覺應用要求，而且軟件也越來越功能強大直觀易用，便於測試工程師針對具體需求開發各種應用。本文主要介紹選擇在構建表麵缺陷檢測係統時在硬軟件方麵應考慮的主要因素。
大多數基於PC的視覺係統都可以執行檢測任務，在構缺陷檢測係統時，首先需要確定要完成什麽樣的檢測任務以及該任務對性能的具體要求。例如在電子製造中大多數視覺係統用於發現有缺陷零部件，那麽攝像頭加上視覺係統能看到缺陷嗎？回答這個問題常常需要先建立一個不良品和良品測試數據庫，然後在這個基礎上構建一個使用該圖像數據庫作為樣本的樣機係統，這種方法的優點是對樣機隻需很少改動就能得到正確的軟件設置。
在視覺檢測應用中照明非常關鍵，因為它能保證圖像采集是在一致條件下進行的。應使用正確的照明，使被測部件與周圍背景形成鮮明的對比，並得到盡可能多的灰度等級，這樣視覺效果就會明顯表現出來。對於高速運動的部件，還可以用閃光使圖像瞬時固定。
照明的另外一個目的是減小反射。有時反射來自周圍自然光線，會隨時間而變化，因此同樣的場合白天和夜晚相比光線變化要大得多，這就需要配置照明或使用光罩，以遮擋周圍的光線。
硬件考慮因素
選擇視覺係統首先要選擇正確的攝像頭和鏡頭。構建圖像的基本單元稱為像素，一幅普通圖像實際上是成千上萬像素填滿的圖框。具體應用要求不僅包括每幅圖像所需像素數，還要包括攝像頭鏡頭類型。圖1：機器視覺係統硬件包括攝像頭和圖像采集卡。
例如要檢測錄像用的磁帶質量，那麽所用攝像頭的視場(FOV)至少應該有錄像帶那麽寬(這裏是20mm)，假設要找的缺陷很小隻有0.25mm，為保證攝像頭能發現這麽小的缺陷，需要一個分辨率為每0.25mm至少提供4個像素的攝像頭，如果小於這個數，就會丟失信息，發現不了缺陷。這表示對應於20mm視場，每1mm需要16個像素，從而所需攝像頭傳感器陣列的分辨率為320×320像素。
另外一個重要的考慮因素是工作距離。工業上很多檢測都是針對難以探查的部位，所以攝像鏡頭與被檢物體之間的工作距離必須予以考慮，場深(DOF)是需要對物體聚焦的最大深度。
有些圖像采集板通過讓用戶在圖像框內定義一個重點範圍區域(ROI)的方法使圖形處理性能大大增強，因為指定較小區域可以減少攝像頭傳送及計算機處理的信息。例如ROI可以將全幀(640×480像素)縮小到一個較小區域(200×200像素)，從而有效地將像素從307,000個減少到40,000個，像素越少處理速度越快。而對於不能犧牲數據的場合，數字攝像頭可能是更好的選擇。
另外一個要決定是用彩色還是單色。雖然彩色攝像頭能夠產生更吸引人的圖像，但彩色並不能增加多少有價值的信息，而且一般情況下需要用更多的時間來進行處理(單色圖像通常是8位/像素，而彩色圖像需要32位/像素)，這一點在測量邊緣距離應用中特別突出。然而有時候色彩是唯一辨別因素，這時彩色就變得很重要，例如在檢測熔斷絲、電容或電阻時可能需要搜索某種特定的色彩。對於高分辨率彩色應用場合，可以考慮使用三片式或RGB攝像頭。
除了麵掃描攝像頭外，還有一種線掃描攝像頭，能夠每秒產生10,000線視覺信息。這類攝像頭對於檢測旋轉柱狀部件特別有用，利用軟件可把線掃描攝像頭傳出的圖像縫合在一起而產生一個完整的圖像。因為線掃描攝像頭隻需要照亮物體一個特定部分，所以不需要閃光燈或其它複雜定時控製。
在選擇基於PC的視覺係統時，還需要圖像采集硬件，這時要考慮的特性包括驅動軟件，以及硬件能否很好與運動控製和數據采集集成在一起。例如可以用運動控製監測部件傳送帶的速度，使得圖像采集與整個流程同步；還可以將機器振動、壓力監控和溫度控製包括在生產係統中，以便預先製訂維護計劃。用戶能夠很容易將傳送帶控製與圖像采集硬件集成在一起，從而在數據采集硬件、軟件和運動控製之間實現同步，得到一個完整的解決方案(圖1)。
軟件考慮因素
至此91香蕉视频官网討論了一些設計基於PC的表麵缺陷檢測係統時必須考慮的硬件因素，但是這種視覺係統的真正優勢要靠軟件提供。選用好的軟件可以讓用戶隨意用不同圖像方案進行試驗，過去采用專用計算機代碼進行試驗成本高而且很困難，如今已有一些現成軟件如National Instruments的IMAQ Vision Builder和IMAQ Vision等，可為初級或高級開發人員提供簡便易用的方案開發工具(圖2)。
例如Vision Builder有一個直觀的界麵和使用指導，測量工程師不必進行複雜的編程就可以快速測試各種視覺功能。IMAQ Vision Builder還能創建LabVIEW代碼或腳本，可用來創建使用Visual Basic、C++或者C語言的視覺應用。用戶可以不必關注視覺腳本的執行，而把注意力集中在視覺技術和算法上。有許多圖像處理技術算法，91香蕉视频官网下麵主要討論三個最重要的技術：邊緣檢測、圖形匹配和灰度處理。
邊緣檢測
邊緣檢測的一個用途是通過測量兩個邊緣的間距來判定部件缺陷，這類測量很容易用PC實現自動化，測量計算越來越快，這對那些對時間要求很苛刻的人來講是一個重要的考慮因素。圖2：利用軟件可以很容易對圖形要素進行設置。
也可以用邊緣檢測來檢測部件上某個特定部分，它對部件上的邊緣數進行計數，然後將這個數與預置數據相比較，依此完成搜索。如果值匹配，說明部件上找到這一部分，如果值不匹配，就認為部件有缺陷。
關於邊緣的定義是指圖像中相鄰像素灰度值出現明顯變化的區域。在IMAQ Vision中，邊緣檢測沿搜索區域對一個一維曲線像素值進行搜索，一維搜索區域可以是直線、圓弧、橢圓弧、矩形或多邊形的邊界，或者手繪區域的邊線，軟件對沿線像素值進行分析，檢測是否有明顯的強度變化。用戶可以指定強度變化的臨界值，以判定什麽樣的變化構成邊緣，這些參數包括：邊緣強度，用來定義背景和邊緣之間灰度值最小差；邊緣長度，指邊緣和背景之間產生所需灰度差必需最大距離；邊緣極性，判斷邊緣是往上升的邊還是往下降的邊；邊緣位置，用來確定圖像中邊緣的X，Y坐標。通過改變這些值，用戶可以用編程方法定義各種臨界值，以發現不同成像環境下的各個邊緣。
當圖像分辨率足夠高時，大多數測量以像素所具有的精度進行精確測量，然而有時由於所用傳感器尺寸限製，很難達到機器視覺應用所需最小圖像分辨率，此時可以利用次級像素精度來發現邊緣位置。
次級像素分析是一種軟件分析方法，用來估算更高分辨率圖像係統的像素值。采用次級像素精度計算邊緣位置時，邊緣檢測軟件以二次或三次函數之類的高次插入函數擬合像素強度數據。插入函數通過原像素值之間的像素強度值得到邊緣檢測算法，軟件然後使用強度信息找到具有次級像素精度的邊緣位置。
利用成像係統目前所用的元件和軟件工具，用戶能夠可靠地估算出四分之一像素精度，不過評估結果主要取決於成像設置，如像照明和攝像鏡頭等條件。在使用次級像素信息以前，應先嚐試改進圖像的分辨率。
圖形匹配
所謂圖形匹配，就是先有一個己知圖案(模板)，然後判定這種圖案在被檢部件上是否存在，或是將其當作基準作為進行其它測量的起點。傳統圖形匹配技術包括標準互相關、錐形匹配和比例常數匹配。
標準互相關是在圖像中尋找圖案最常用的方法。由於其內部原理是基於係列乘法操作，所以相關運算過程很費時間，但使用像MMX之類的新技術能夠進行並行乘法，可減少總計算時間。用戶可通過縮小圖像尺寸或限製圖像匹配區域加速匹配過程。不過基本標準互相關技術還是不能滿足許多應用對速度的要求。
也可以通過縮小圖像和模板圖案的尺寸減少計算時間，錐形匹配就是這樣一種技術。在這種方法裏，對圖像和模板兩者都進行部分采樣,使其空間分辨率變小，甚至可以將圖像和模板尺寸減至它們原始尺寸的四分之一。這樣首先在縮小的圖像中進行匹配運算，因為圖像小了，匹配更加快速，處理完成後，隻有原始圖像具有很高匹配度才考慮繼續進行餘下匹配處理。
當圖像沒有縮放和旋轉時，標準互相關是探查圖形一個很好的方法，互相關一般能檢測同一尺寸圖形旋轉5至10度後的圖像。但將相關計算範圍進行延伸以檢測那些比例變化和旋轉較大的圖形則比較困難，對於按比例變化的圖形，用戶必須重複縮放或調整模板尺寸，然後進行相關運算，這給匹配過程增加很大工作量；而對於旋轉的處理更加困難，如果能夠從圖像中找到有關旋轉的線索，則可以簡單地旋轉模板並進行相關運算，但如果旋轉的性質不知道，尋找最佳匹配需要對模板進行盡可能多的旋轉處理。
灰度處理
灰度處理轉換可以取出並改變圖像中的微粒結構，可使用灰度處理功能對圖像像素強度進行濾波或平滑處理，包括噪聲濾波、不均勻背景修正和灰度級特性提取等。
灰度處理就是將一個像素與那些圍繞它的像素進行比較，基本灰度處理功能包括侵蝕、擴張、打開和關閉。可以使用這些功能擴大亮區減少暗區，或者相反，從而改變區域的形狀。這些功能能夠對漸變圖形進行平滑處理，並增加邊界區域的對比度。
如果周圍像素灰度較低，就可以用侵蝕功能降低被包圍像素的亮度，周圍這個概念可以用一個預置的結構要素來定義。如果周圍像素灰度較高，該功能也可用來增加被包圍像素的亮度。灰度擴張具有與侵蝕相反的效果，因為擴張亮區也就等於侵蝕了暗區。
灰度打開功能由侵蝕接著一個擴張組成，而關閉功能則是擴張接著侵蝕。打開功能用來除去孤立在暗區域中的亮點，而關閉則可以除去亮區內的暗點。兩種功能的優點是他們對微粒的處理很平滑，因為侵蝕和擴張在形態上對立，故而這些操作不會根本上改變微粒的區域和形狀。連續應用打開或關閉功能常常會得出相同的結果。
文章來源：機器視覺網，91香蕉视频官网機器人http://www.qzyywl.com整理發布