搭建机器视觉系统应尽可能确保生成的图像足以使算法快速准确地从中提取所需信息。为了实现这一目标,常需要在设备选型和系统搭建过程中考虑设备的技术指标、被测目标的尺寸、设备安装的空间限制、相机安装方式、图像采集设备的性能以及图像采集软件等关键问题。
1、图像畸变
1.1、图像畸变的原因
构建机器视觉系统采集到的图像质量应确保机器视觉算法快速、准确地提取所需要的信息,以便作出相关决定。然而要实现准确测量和控制,机器视觉系统必须使用真实世界的坐标系和测量单位。这意味着,要事先得到像素与真实世界坐标系的映射关系,才能在后续过程中使用其进行计算。
例如,在某个测量两点之间距离的机器视觉系统中,已知图像中每个像素代表真实世界坐标系中的2cm,那么若图像中两个点之间有10个像素,则理想情况下可得知两点之间的距离为20cm。
然而真实世界总没有想象中那样理想,设备的局限性和系统连接过程中的各种问题会使机器视觉系统采集到的图像产生各种畸变(distortion),常见的几种情况如下:
- 由于各种原因未能使相机垂直于被测目标安装,从而为系统引入透视畸变(perspectivedistortion)。
- 由于相机所使用的镜头特性并不都与其光心处的特性一致,系统中存在径向畸变(radiallens distortion)。包括:桶形畸变(barrel distortion)、枕形畸变(pincushion distortion)和须形畸变(mustache distortion)等。
- 由于相机中的图像传感器未能与镜头的光面平行安装,导致系统中存在切向畸变(tangentialdistortion)。
- 若机器视觉系统所检测的目标表面为非线性平面(存在起伏),则系统中就会存在非线性畸变(nonlinear distortion) 。
- 若光源不能提供均匀的光照,相机镜头存在渐晕(vignetting),相机传感器有杂质,或者被测目标表面非均匀,则采集到的图像灰度通常不能均匀分布。
机器视觉系统的准确性受到以上问题的极大影响,因此,不仅在计算像素到真实世界坐标系的转换关系时要重点考虑准确性的问题,还要考虑如何对图像进行矫正。
1.2、图像畸变类型
1.2.1、透视畸变
搭建机器视觉系统理想情况下可以被抽象为小孔成像模型。然而现实世界并不总是很理想。
首先,受各种安装条件的限制,相机可能无法垂直于被测目标安装,这就会导致系统生成的图像发生透视畸变,如下图所示:
透视畸变
透视畸变在相机未能垂直监测目标时发生,在这种情况下,所成图像遵循透视规律,离镜头越近的部分所成图像越大,反之越小。
1.2.2、径向畸变
透视畸变是由镜头的安装方式等外部因素引起的,镜头畸变则是由其自身光学特性的不完美造成的,如下图所示: