笔者做机器视觉检测已经有五六年了，也算是对机器视觉的检测技术有了一定的掌握。总的来说，基于机器视觉的检测技术主要包含三个部分：视觉采集模块、后台分析模块和动作决策模块。这几个分类，跟教科书上的有较大差异，很多同学觉得我在杜撰。笔者也不作反驳，因为这是笔者这些年工作经验的总结，自然区别于教科书。下面我们分开来讲这几个模块，同时会把笔者之前的论文做个推荐总结。
所有文章均可在博主的主页中找到，若无法找到，可以用搜索工具。博主的主页：
Image Processing 图像处理blog.csdn.net
第一，视觉采集模块
视觉采集模块是整个机器视觉检测系统的核心。没有视觉采集模块，整个系统就失去了眼睛。
关于如何选择相机，可以参考博主的博客
《机器视觉中如何选择工业相机与合适的相机镜头（how to choose camera and lens）》。
多说一点，选择相机的时候，是要根据实际情况确定的。大致为：
检测目标物的尺寸；
需要的精度要求；
根据上面的要求确定相机镜头。
第二、后台分析模块
后台分析模块是整个系统的灵魂。它主要是对视觉采集模块得到的图像做分析处理，拿到检测结果。
这个地方涉及到的知识点非常之多。博主大致做了分类：
相机标定。相机标定的目的就是确定相机参数和畸变矫正（如果需要的话）。这些参数确定后，才能做下一步的处理。这些知识可以参考博主的博客
《相机参数标定（camera calibration）及标定结果如何使用》
《第二更，相机参数标定基础：从小孔成像开始到单双目标定》
《第三更，单目相机标定实践（完整过程）》
《第四更，双目相机标定实践（完整过程）》
图像处理。这一部分的主要目的就是提取图像的特征。有了特征才能做进一步的计算检测数据结果。一般在机器视觉检测任务中，主要的特征包括：点、线、圆、椭圆、矩形、弧线、颜色。这些点也是博主这些年遇到的主要的特征，基本可以应付检测任务。可以参考博主的文章：
《图像特征提取之局部秩》
《图像分割之大津算法（OTSU）》
《模拟生成高斯噪声》
《图像特征提取之LBP算子》
《图像特征提取之DoG算子》
《图像特征提取之LoG特征》
《图像特征提取之HoG特征》
《图像去噪之双边滤波（Bilateral filter）》
《直方图均衡化（Histogram equalization）与直方图规定化》
《harr特征提取》
《都在这里了，从仿射变换到透视变换》
《完整理解SIFT算法》
检测结果处理。到这一步，已经站在最终结果的大门口了，只需要临门一脚即可。一般，在检测任务中，用的较多的是，点的距离，直线长度，圆心坐标和半径，矩形面积，颜色直方图等。如果要做匹配，还用到，欧氏距离，马氏距离等。
第三、动作决策模块
这一部分主要是根据上面的检测结果，让机器去做一些规定的动作，比如说，找出有缺陷的产品，做产品分类，找到产品身上的缺陷点。
你可以关注博主，获取更多信息。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
