圖像處理模塊主要涉及圖像去噪、圖像增強(qiáng)與恢復(fù)、缺陷檢測(cè)和目標(biāo)分割。
由于場(chǎng)景環(huán)境、CCD圖像的光電轉(zhuǎn)換、傳輸電路和電子元器件等都會(huì)使圖像產(chǎn)生噪聲，降低圖像質(zhì)量，給圖像處理和分析帶來(lái)不利影響，因此需要對(duì)圖像進(jìn)行預(yù)處理去除噪聲。圖像增強(qiáng)的目的是強(qiáng)調(diào)給定圖像的整體或局部特征，使原始不清晰的圖像清晰或強(qiáng)調(diào)一些有趣的特征，放大圖像中不同物體特征之間的差異，抑制不感興趣的特征，提高圖像質(zhì)量，豐富信息量，增強(qiáng)圖像的解釋和識(shí)別效果。圖像恢復(fù)是通過(guò)計(jì)算機(jī)處理重建或恢復(fù)質(zhì)量下降的圖像的過(guò)程。圖像復(fù)原往往采用與圖像增強(qiáng)相同的方法，但圖像增強(qiáng)的結(jié)果需要在下一階段進(jìn)行驗(yàn)證；然而，圖像恢復(fù)試圖利用退化過(guò)程的先驗(yàn)知識(shí)來(lái)恢復(fù)已經(jīng)退化的原始圖像，例如加性噪聲和恢復(fù)運(yùn)動(dòng)模糊。圖像分割的目的是分割圖像中的目標(biāo)區(qū)域，以便進(jìn)一步處理。
圖像分析模塊主要涉及特征提取、特征選擇和圖像識(shí)別。
特征提取的作用是從圖像像素中提取能夠描述物體特征的表達(dá)式，并將不同物體之間的差異映射到低維特征空間，有利于壓縮數(shù)據(jù)，提高識(shí)別率。通常從表面缺陷檢測(cè)中提取的特征包括紋理特征、幾何特征、顏色特征、變換系數(shù)特征等。這些多信息特征向量用于可靠區(qū)分不同類型的缺陷；一般這些特征之間存在冗余信息，即不能保證特征集是的，好的特征集應(yīng)該具有簡(jiǎn)潔性和魯棒性。因此，需要進(jìn)一步從特征集中選擇更有利于分類的特征，即特征選擇。圖像識(shí)別主要是根據(jù)提取的特征集訓(xùn)練分類器，使其能夠正確分類識(shí)別表面缺陷的類型。
數(shù)據(jù)管理和人機(jī)界面模塊可以在顯示器上立即顯示缺陷類型、位置、形狀和尺寸，并對(duì)圖像進(jìn)行存儲(chǔ)、查詢和統(tǒng)計(jì)。
機(jī)器視覺(jué)已廣泛應(yīng)用于工業(yè)檢測(cè)、包裝印刷、食品工業(yè)、航空航天、生物醫(yī)學(xué)工程、軍事科技、智能交通、字符識(shí)別等領(lǐng)域。工業(yè)檢測(cè)領(lǐng)域是機(jī)器視覺(jué)應(yīng)用中占比的領(lǐng)域，主要用于產(chǎn)品質(zhì)量檢測(cè)、產(chǎn)品分類、產(chǎn)品包裝等。如零件裝配完整性檢查、裝配尺寸精度檢查、位置/角度測(cè)量、零件識(shí)別、PCB板檢查、印刷品檢查、瓶蓋檢查、玻璃、煙草和棉花檢查，以及指紋、汽車牌照、人臉和條形碼識(shí)別。表面質(zhì)量檢測(cè)系統(tǒng)是工業(yè)檢測(cè)中極其重要的一部分。機(jī)器視覺(jué)表面缺陷檢測(cè)已經(jīng)在很多行業(yè)得到應(yīng)用，涉及鋼板、玻璃、印刷、紡織、木材、瓷磚、鋼軌等涉及國(guó)計(jì)民生的行業(yè)和產(chǎn)品。
