機器視覺工程應用主要可劃分為硬件和軟件兩大部分。

硬件：工程應用的第一步就是硬件選型。硬件選型很關鍵，因為它是你后面工作的基礎。主要是光源、工業相機和鏡頭選擇。

軟件：目前業內商業庫主要有Halcon，康耐視，DALSA，evision，NI等，開源庫有OpenCV.其中NI的labview+vision模塊。

機器視覺工程應用的基本開發思路是：

一、圖像采集，二、圖像分割，三、形態學處理，四、特征提取，五、輸出結果。

下面在Halcon下對這四個步驟進行講解。

一、圖像采集：

Halcon通過imageacquisition interfaces對各種圖像采集卡及各種工業相機進行支持。其中包括：模擬視頻信號，數字視頻信號Camera Link,數字視頻信號IEEE 1394,數字視頻信號USB2.0,數字視頻信號Gigabit Ethernet等。? Halcon通過統一的接口封裝上述不同相機的image acquisition interfaces,從而達到算子統一化。不同的相機只需更改幾個參數就可變更使用。

Halcon圖像獲取的思路：1、打開設備，獲得該設備的句柄。2、調用采集算子，獲取圖像。

1、打開設備，獲得該設備的句柄。

open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //連接相機，并設置相關參數

2、調用采集算子，獲取圖像。

grab_image (Image, AcqHandle) //（同步采集）完后處理圖像，然后再采集圖像。采集圖像的速率受處理速度影響。

grab_image_async (Image, AcqHandle,MaxDelay) //（異步采集），一幅畫面采集完后相機馬上采集下一幅畫面，不受處理速度影響。其中第三個參數為：MaxDelay，表示異步采集時可以允許的最大延時，本次采集命令距上次采集命令的時間不能超出MaxDelay，超出即重新采集。

圖像采集其他相關算子：

grab_image_start，該算子開始命令相機進行異步采集。只能與grab_image_async（異步采集）一起使用。

例子：

* Select a suitable image acquisition interface nameAcqName

open_framegrabber(AcqName,1,1,0,0,0,0,'default',-1,'default',-1.0,

                 'default','default','default',-1,-1,AcqHandle)

grab_image(Image1,AcqHandle)//進行同步采集

* Start next grab

grab_image_start(AcqHandle,-1.0)//命令相機進行異步圖像采集開始

* Process Image1 ...

* Finish asynchronous grab + start next grab

grab_image_async(Image2,AcqHandle,-1.0)//讀取異步采集的圖像

* Process Image2 ...

close_framegrabber(AcqHandle)

3、相機參數讀寫

讀取相機參數：

info_framegrabber( : :?Name,?Query?:?Information,?ValueList)

寫相機參數：

set_framegrabber_param( : :?AcqHandle,?Param,?Value?: )

二、圖像分割：

圖像分割的定義：?
所謂圖像分割是指將圖像中具有特殊含義的不同區域分割開來，這些區域是互相不交叉的，每個區域都滿足特定區域的一致性。

1、基于閾值的圖像分割

threshold —采用全局閾值分割圖像。

格式：??? threshold(Image : Region : MinGray, MaxGray : )

自動全局閾值分割的方法：

（1）計算灰度直方圖?
（2）尋找出現頻率最多的灰度值（最大值）?
（3）在threshold中使用與最大值有一定距離的值作為閾值

代碼：

gray_histo(Regions, Image，AbsoluteHisto, RelativeHisto) //計算出圖像區域內的絕對和相對灰度值直方圖。

PeakGray := sort_index(AbsoluteHisto)[255] //求出出現頻率最多的灰度值

threshold(Image,Region,0,PeakGray-25)

bin_threshold — 使用一個自動確定的閾值分割圖像。

格式：??? bin_threshold(Image : Region : : )

dyn_threshold —使用一個局部閾值分割圖像。

格式：??? dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )

例子：

mean_image(Image,Mean,21,21)

dyn_threshold(Image,Mean, RegionDynThresh,15,'dark')

var_threshold —閾值圖像局部均值和標準差的分析。

格式：??? var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )?

2、基于邊緣的圖像分割：尋找區域之間的邊界

watersheds —從圖像中提取分水嶺和盆地。

格式：??? watersheds(Image : Basins, Watersheds : : )

watersheds_threshold —使用閾值從圖像中提取分水嶺和盆地。

格式：??? watersheds_threshold(Image : Basins : Threshold : )

3、基于區域的圖像分割：直接創建區域

三、形態學處理

形態學處理以集合運算為基礎。

腐蝕、膨脹、開操作、閉操作是所有形態學圖像處理的基礎。

開操作（先腐蝕再膨脹）使對象的輪廓變得光滑，斷開狹窄的間斷和消除細的突出物。

閉操作（先膨脹再腐蝕）消彌狹窄的間斷和長細的鴻溝，消除小的孔洞，填補輪廓線的斷裂。

形體學基礎算子：

erosion1?
dilation1?
opening?
closing

常用的形態學相關算子?
connection?
select_shape?
opening_circle?
closing_circle?
opening_rectangle1?
closing_rectangle1?
complement?
difference?
intersection?
union1?
shaps_trans?
fill_up

形態學高級算子：?
boundary?
skeleton

四、特征提取：

1、區域特征：

area?
moments

smallest_rectangle1

smallest_circle

convexity：區域面積與凸包面積的比例

contlength：區域邊界的長度

compactness

2、灰度特征

estimate_noise

select_gray

五、輸出結果：

（1）獲取滿足條件的區域

（2）區域分類，比如OCR

（3）測量

（4）質量檢測

編輯：黃飛