视觉系统中的图像处理

很多时候我们需要通过软件完成图像处理。一般来说，它们可以分为几类：

• 识别
• 定位
• 测量
• 检测

大部分情况下，相机获取的图像不会在应用程序内直接处理，而是会在相机中进行预处理，通过特定任务来增强图像，典型的预处理包括降噪，亮度和对比度增强，有些相机中会直接完成这些步骤，以便节省主机中的CPU负载。

相机用于测量时，必须先进行校准，它包含两个部分：几何校准和颜色校准。

• 通过几何校准，我们可以校正镜头失真，我们还可以确定相机的自然单位（即像素）和真实世界的单位（毫米或英寸）之间的关系。

• 通过颜色校准，我们确保了颜色的准确再现。

预处理越好，图像质量越好,在应用程序中图像处理的结果也就越好。

定位、检测

当涉及到定位零件时，通常会涉及匹配，这意味着寻找与预定义模板相似或相同的区域。这个模板既可以是图像也可以是包含信息的几何图案。 关于边缘和几何特征，这些方法分别称为关联模式匹配和几何模式匹配

以饼干检测为例子，模板是一个合格的饼干图像，照相机拍摄传送带上所有饼干的图像，一旦存在与模板不匹配的饼干，饼干就会被识别后踢出来。

测量

借助图像处理的测量主要用途是对齐或者检测应用，大多数测量技术都依赖于边缘检测算法，边缘是图像中显示图像强度较大变化的区域，换句话说，是一个很高的局部对比度，这意味着软件会重点分析这个区域的图像灰度，识别形状，测量距离并计算几何位置。这些测量和计算可以通过相机校准来实现，建立像素和真实世界中单位间的关系。

以啤酒瓶的标签为例，通过测量，可以检测这些标签是不是在正确的位置上。

识别

典型的识别应用是条形码和二维码的读取，OCR识别。OCR识别的一种方法是分离图像中的字符，并将它们与一组模板进行比较，软件可以将捕获的数据转换为可编辑和可搜索的数据，最典型的OCR识别应用就是车牌识别。

这些图像处理技术中的每一种都涵盖了广泛的机器视觉应用，组合起来就可以有更多的可能性。比如一辆车经过进车库门口，相机会拍摄车牌和车辆的图像，等到车辆出车库的时候，会再拍一张图片，然后通过软件比较这两个图像。 只有当车牌和车型与第一张图像相同时，门才会打开。

这是整个图像处理过程的总体描述，其实可以组合出很多的应用场景。