计算机视觉的研究方向包括,计算机视觉研究什么

　　点击上面的“

hsjdmn学视觉

星标

置顶

　　重磅干货，第一时间送达。本文转自：计算机视觉生活

一、机器视觉系统

　　机器视觉系统是指用机器代替人眼进行各种测量和判断。机器视觉是工程科学领域中一个非常重要的研究领域。它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理、光电集成等领域的综合性学科。

　　其应用范围随着工业自动化的发展而逐渐完善和普及，其中母子图像传感器、CMOS和CCD摄像头、DSP、ARM嵌入式技术、图像处理和模式识别的快速发展有力地推动了机器视觉的发展。

　　机器视觉是一个复杂的系统。由于系统监控的对象大多是运动对象，因此系统与运动对象之间的动作匹配与协调就显得尤为重要，这就对系统各部分的动作时间和处理速度提出了严格的要求。

　　在一些应用领域，如机器人、飞行物体等，对整个系统或系统某一部分的重量、体积、功耗都会有严格的要求。

机器视觉系统的构成和工作过程

　　一个完整的机器视觉系统包括：照明光源、光学镜头、CCD摄像机、图像采集卡、图像检测软件、监视器、通信单元等。

工业机器视觉系统的工作过程主要如下：

　　1.当传感器检测到被检测物体靠近摄像机的拍摄中心时，向图像采集卡发送触发脉冲；

　　2.图像采集卡根据设定的程序和延时向照明系统和摄像头发送启动脉冲。

　　3.向相机发送启动脉冲，相机结束当前拍摄并开始新的拍摄，或者相机在启动脉冲到来之前处于等待状态，在检测到启动脉冲后启动，并在开始新的拍摄之前打开曝光部件(曝光时间是预先设定的)；另一个启动脉冲发送给光源，光源的开启时间需要与相机的曝光时间相匹配；相机扫描并输出图像；

　　4.图像采集卡接收信号并通过A/D转换将模拟信号数字化，或者直接接收摄像头数字化的数字视频数据；

　　5.图像采集卡将数字图像存储在计算机的存储器中；

　　6.计算机对图像进行处理、分析和识别，得到检测结果；

　　7.处理结果控制装配线的动作，定位装配线，校正运动误差等。

二、机器视觉相关技术

　　1.图像采集技术——机器视觉基础

　　图像采集部分一般由光源、镜头、数码相机和图像采集卡组成。采集过程可以简单描述为：在光源提供光照的情况下，数码相机拍摄目标物体，并将其转换为图像信号，最终通过图像采集卡传输到图像处理部分。

　　在设计图像采集部分时，要考虑很多问题，主要是数码相机、图像采集卡和光源。

（1）光源照明

　　光照是影响机器视觉系统输入的重要因素，直接影响输入数据的质量和应用效果。到目前为止，没有机器视觉照明设备可以用于各种应用。因此，在实际应用中，需要选择相应的照明设备来满足特定的需求。

　　照明系统按其照明方式可分为：背光照明、前光照明、结构光照明和频闪照明。其中，背照是指将被测物体置于光源和相机之间，以提高图像的对比度。前照是指光源和摄像头位于被测物体的同一侧，具有安装方便的优点。

　　结构光照明是将光栅或线光源投射到被测物体上，根据其畸变解调被测物体的三维信息。闪光灯照明是用高频光脉冲照射物体，相机拍摄要求与光源相同。

（2）光学摄像头

　　光学相机的任务是进行光学成像。一般在测量领域，都有专门的测量用相机镜头，因为它对成像质量起着关键作用。

　　相机需要注意的一个问题是失真。因此，有必要采用相应的畸变校正方法。目前，已经开发了许多自动失真校正系统。

（3）CCD 摄像机及图像采集卡

　　CCD相机和图像采集卡共同完成目标图像的采集和数字化。目前CCD、CMOS等固体器件的应用技术，线阵图案敏感器件，像素尺寸在减小，阵列像素数量在增加，像素电荷传输速率也大大提高。

　　在基于PC的机器视觉系统中，图像采集卡是控制摄像机拍照完成图像采集和数字化，协调整个系统的重要设备。

　　图像采集卡直接决定了摄像机的接口：黑白、彩色、模拟、数字等多种形式。

2、图像处理与分析——机器视觉的核心

　　机器视觉图像处理和分析方法的核心是解决目标检测和识别问题。当待识别的目标比较复杂时，需要通过几个环节从不同侧面进行整合。

　　在识别和提取目标时，首先要考虑如何自动将目标从背景中分离出来。通常，对象提取的复杂性在于对象的特征与非对象的特征没有很大的不同。在对象提取方案确定后，需要增强对象的特征。

　　随着计算机技术、微电子技术和大规模集成电路的发展，图像信息处理越来越多地由硬件来完成，如DSP芯片和专用图像信号处理卡。

　　软件部分主要用来完成算法不成熟复杂的部分或者需要不断完善的部分。一方面提高了系统的实时性，同时降低了系统的复杂度。

　　三、机器视觉的应用及优势

　　1.机器视觉技术的应用范围

　　(1)在工业测试中

　　近几十年来，机器视觉技术以其非接触、速度快、精度适中、现场抗干扰能力强等突出优点，在工业检测中得到了广泛应用，并取得了巨大的经济效益和社会效益。

　　目前，自动视觉检测已用于产品外观和表面缺陷检测，如木材加工检测、金属表面视觉检测、二极管基板检测、印刷电路板缺陷检测、焊接缺陷自动识别等。

　　这些检测识别系统属于二维机器视觉，技术已经成熟。它们的基本流程是用摄像头采集图像，对采集到的图像进行处理和识别，检测出需要的内容。

（2） 在医学上的应用

　　在医学领域，机器视觉主要用于医疗辅助诊断。首先采集核磁共振、超声波、激光、X射线、射线等人体检查记录的图像，然后利用数字图像处理技术和信息融合技术对这些医学图像进行分析、描述和识别。最终获得相关信息，对辅助医生诊断人体疾病的大小、形态、异常，并做出有效治疗起到重要作用。

　　不同的医学成像设备得到的生物组织图像具有不同的特征，如反映骨组织的x光图像和反映有机组织图像的核磁共振图像。医生经常需要考虑骨骼和有机组织之间的关系，因此需要使用数字图像处理技术将两幅图像进行适当的叠加，以便进行医学分析。

（3） 交通监控领域中的应用

　　在智能交通监控领域，通过在重要路口放置摄像头，利用摄像头的快速拍照功能，实现对违章和逆行车牌的自动识别和存储，以便相关工作人员查看。

（4） 在桥梁检测领域中的应用

　　人工检测方法和车辆检测方法都是依靠肉眼对桥面进行人工检测，速度慢、效率低、漏检率高、实时性差、影响交通、存在安全隐患，难以得到广泛应用。

　　无损检测包括激光检测、超声波检测、声发射检测等检测技术。它们的仪器价格昂贵，测量范围小，不能满足日益发展的桥梁检测要求。

　　智能检测包括分布式自动检测系统

　　虽然导电材料技术使用方便、设备简单、成本低廉，但需要提前在混凝土结构上涂刷或埋设导电材料进行检测。而且裂缝位置、裂缝宽度等一系列问题都不是智能混凝土技术可以确定的，距离实用化还有很长的路要走。

　　基于机器视觉的检测方法是用CCD摄像机获取桥梁的表观图像，然后经过计算机处理自动识别裂缝图像，再从背景中分离出来，计算裂缝参数。它具有方便、直观、准确、非接触、重现性好、适应性强、灵活性高、成本低等优点，可以解放劳动力，排除人为干扰，具有良好的应用前景。

　　据统计，混凝土桥梁的损伤90%以上是由裂缝引起的，因此桥梁的健康检测主要是检测和测量桥梁的表观裂缝。

　　基于机器视觉的桥梁检测技术主要包括三个部分：桥梁表观图像的采集技术、基于图像的裂缝自动识别的理论和算法、基于图像的裂缝宽度等病害程度的定量测量方法。

　　基于机器视觉的自动智能检测技术已成功应用于道路、隧道、桥梁等领域，但主要集中于高空宽视野混凝土构件表观图像采集技术，自动病害识别仍处于理论研究阶段，无法应用于实际工程。

　　针对大量的混凝土梁，智能视频桥梁检测车已进入理论和关键部件模型的研制阶段，但由于桥梁微小裂缝的自动识别和清晰图像的快速获取困难，离实用要求还有很大差距。

　　2.机器视觉技术的优势

　　针对数量大、范围广的混凝土梁

　　1.效率：随着工业自动化的快速发展，生产效率大大提高，对检测效率提出了更高的要求。人工检测效率是在一个固定的区间，不可能有很大的提升。但是，在流水线重复机械化的检测过程中，检察官容易疲劳，导致检测效率下降。并且机器视觉可以更快速的检测产品，尤其是生产线检测高速运动物体时，机器可以提高检测效率，速度甚至可以达到人工的10-20倍；

　　2.准确性：由于人员的身体限制，即使用放大镜或显微镜检验产品，也会受到主观性的影响，准确性无法保证，不同检验人员的标准也会有所不同；该机在精度上优势明显，精度可达千分之一英寸。此外，机器不受主观控制。只要参数设置没有差异，多台配置相同的机器也能保持同样的精度。

　　3.客观性：人工测试必然会导致疲劳。同时还有一个致命的缺陷，就是情绪导致的主观性。测试结果会随着检察官的心情而变化；而机器是没有情绪的，所以它带来的测试结果自然更加客观可靠。

　　4.重复性：机器能以同样的方式一次又一次地完成检验工作，而不感到疲劳；相反，人工长时间重复测试肯定会导致疲劳，每次测试的产品都会有细微的差异，即使是完全相同的产品。

　　5.环境：机器视觉通过图像拾取设备将目标转化为图像信号，传输到专门的图像处理系统。在测量工件的过程中，不需要与工件接触，因此可以适应恶劣危险的生产环境，同时也不会对工件造成接触损伤。但是需要人工与工件进行接触检测，因为无法应对恶劣的环境，在检测过程中必然会对工件造成接触损伤。

　　6、机器视觉前期成本会多一些，但是是一次性投入，长期产出。随着机器视觉的发展越来越迅速，价格会逐渐降低；然而，手工测试需要长期投资，并且手工成本高

　　7.信息集成：机器视觉通过多工位检测方式，可以一次性完成对待检测产品的轮廓、尺寸、外观缺陷、产品高度等技术参数的测量；但是，当面对不同的检测内容时，人工检测只能通过多站合作协调来完成，而且不同的员工有不同的检测标准，非常容易造成误检。

　　8.数字化：机器视觉在工作过程中产生的待测数据可以独立复制，也可以通过网络连接复制出来，便于生产过程的统计和分析。同时，检测后可以导出指定数据并生成报表，无需人工添加，这无疑比人工检测的数据统计要好得多；

　　总的来说，机器视觉与人工检测相比，具有自动化、客观、非接触、精度高等特点。特别是在工业生产领域，机器视觉强调生产的精度和速度，以及在工业现场环境中的可靠性，在重复性和机械性工作中有很大的应用价值，是企业实现自动化生产的重要一步。

四、机器视觉未来发展趋势

　　机器视觉可以说是人工智能最底层的基础设施层。在人工智能产业最重要的应用领域中，机器视觉的应用领域非常深入和众多。从全产业链全景来看，我国人工智能产业正处于生态快速建设期。

　　就整个机器视觉领域而言，正处于一个快速重构的时期。根据市场分析，机器视觉并不是一个特别新的领域。从最早的图像处理到现在，市场上有很多在智能安防和交通领域深耕已久的大厂。他们一开始并不是从机器视觉和人脸识别开始的，这些行业很多厂商都处于快速发展的阶段。

　　迪顾问预测，到2018年中国人工智能市场规模将超过406亿，复合增长率25.8%，快于全球增速。在市场格局上，也是有大局的。从投资规模来看，去年整个投资的金额，包括投资的数量都呈现快速增长的态势，很多从事人工智能和机器视觉的企业数量也快速增长。

　　未来通过人工智能的利好政策，在这四个领域会有很大的机会，比如安防、交通、金融、消费电子，这些都是机器视觉重点关注的应用行业方向。

　　第一，现在巨头都在做机器视觉，包括人工智能的进化。它们都是开源的。这就像中国的华为。对于他们来说，开源的想法，到底怎么用，在观念上和国外有一定差距。很多开源代码都是自己打包使用的。其实从整体思路上来说，国外的开源理念更先进。当然，背后也有原因。很多企业在提交人工智能代码上基本走开源部署的道路。

　　整个行业的演进方向目前处于快速回归期。整个行业和产品的技术演进都会有周期性的波动。机器视觉和计算机视觉领域还处于快速回归期，也就是说其技术已经成熟，市场关注度正在快速上升。是未来能够获得快速回报的关键产品和领域。

　　最后，在当前中国整个市场的发展，包括政府的规划中，智慧城市的话题再次成为热点。很多年前建设了很多智慧城市，但是发展不是特别顺利。现在整个人工智能行业的发展，这种动力和热潮的主要原因是技术实力能够解决真正的刚需和现实问题。数据方面，我们预测今年中国智慧城市数量将超过500个。就整个智慧城市的工业定义而言，机器视觉领域的需求很大，很多都包含了智慧城市的定义。也就是说，什么是智慧城市，就是摄像头的数量。这是一个非常刚性的标准，对智能化的需求，包括具有人脸识别功能的摄像头，都会是

　　在“

下载1：OpenCV-Contrib扩展模块中文版教程

hsjdmn学视觉

扩展模块中文教程

，

扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理

　　在“

下载2：Python视觉实战项目52讲

hsjdmn学视觉

Python视觉实战项目

，

图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别

　　在“

下载3：OpenCV实战项目20讲

hsjdmn学视觉

OpenCV实战项目20讲

，

20

　　交换组

　　欢迎加入读者微信官方账号，与同行交流。目前有SLAM、3D视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群。(以后会逐步细分)。请扫描以下微信号，加群。备注：“昵称学校/公司的研究方向”，例如：“快乐大白上海交大视觉SLAM”。请按格式备注，否则不能通过。添加成功后，会根据研究方向邀请你进入相关微信群。

OpenCV