精华内容
下载资源
问答
  • Dalsa 相机介绍

    2018-05-23 14:46:14
    Dalsa 相机选型资料,介绍了dalsa相机的芯片大小。大恒图像
  • 最近大尺寸的背光检测项目,7‘~17寸的范围,大大超出了以前做的成熟的3...正拍相机选型部分如下,目前大尺寸项目像素精度要求0.025mm,17寸按照4:3,长短变分别为360:270,计算长短边像素需要14400:10800,假如是19...

    最近大尺寸的背光检测项目,7‘~17寸的范围,大大超出了以前做的成熟的3~7寸的范围,相机和镜头之间的选型也必须重新进行,并需要进行一系列的测试。

     

    在3寸~7寸的背光检测项目中,面阵相机是首选,在这个项目中也可以考虑面阵相机。

    正拍相机选型部分如下,目前大尺寸项目像素精度要求0.025mm,17寸按照4:3,长短变分别为360:270,计算长短边像素需要14400:10800,假如是19:9,长短变分别为400:200,计算长短边像素分别为16000:8000,为了应对不同长宽比,采用16000:10800分辨率,对已这个分辨率,福州英迪格图像的IDG-4500-M-G-CL(7920x5436)可以考虑,需要两个拍照,但是这款相机芯片为CMOS,实际效果还需要现场测试才知道。思路如下,把相机安装到比较适合的位置,使得两个相机重叠部分大约为1mm,机构部分可调节相机水平面四个方向移动。把结果显示在相机仿射到拼成的完整的图片上。处理线程分为两个部分处理,再把结果综合起来显示出来。通过仿射关系可以判定不良位置,从而确定不良数量。

    斜拍相机检测不良的精度要求为0.05mm,不考虑镜头的景深和畸变,按照以上的计算方法,斜拍相机要求分辨率为

     

    在这个大尺寸项目中也可以选择线阵相机,正拍相机可以选10K的线阵相机。

    线阵相机的使用方法记录如下:

    Dalsa线扫相机SDK开发-小试牛刀(1)

    展开全文
  • 硬件部分,硬件的选型至关重要,决定了后续工作是否可以正常开展,其中关键硬件部分包括:光源,相机以及镜头。 2.软件部分,目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的...

       机器视觉应用工程开发思路

           机器视觉应用工程主要可划分为两大部分,硬件部分和软件部分。

           1.硬件部分,硬件的选型至关重要,决定了后续工作是否可以正常开展,其中关键硬件部分包括:光源,相机以及镜头。

           2.软件部分,目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的labview+vision模块 

     

           机器视觉应用工程大致开发思路:

          一、获取图像       

          图像采集可以来源多个途径,用算子read_image去读取图像文件;用相机助手,可读取单个或多个相机视频;使用读文件或读取路径(可用tuple实现读取多个图像文件)助手。

          其中,使用相机助手获取相机图像最为常用。

          Halcon通过ImageAcquisition Interfaces对各种图像采集卡及各种工业相机进行支持。其中包括:模拟视频信号,数字视频信号Camera Link,数字视频信号IEEE 1394,数字视频信号USB2.0,数字视频信号Gigabit Ethernet等。 

         Halcon通过统一的接口封装上述不同相机的image acquisition interfaces,从而达到算子统一化。不同的相机只需更改几个参数就可变更使用。

         Halcon图像获取的思路:1、打开设备,获得该设备的句柄。2、调用采集算子,获取图像。

     

          二、图像颜色空间变换

          颜色的定义,颜色是光作用于人眼引起除形象以外的视觉特性。计算机常用的颜色空间主要有两种,RGB和HSVRGB颜色空间,主要是依据人眼的生理结构,人眼有三类视锥体细胞,分别是红,绿,蓝。而HSV颜色空间,是基于颜色本身的属性,H代表色相,主要由波长决定;S代表纯度,取决于峰值能量与其他频段能量白色光的比例;V代表亮度。H与S属性,常常会混为一谈,是为颜色的色度特性。

          因此,在一副彩色图像中,倘若在RGB颜色空间中无法寻得合适阈值进行分割时,常常可以将RGB颜色空间转换到HSV颜色空间,去观察图像的色相以及饱和度属性。

         三、图像预处理

         图像预处理,即对采集的图像不是很满意,以致于会影响后续图像处理的结果,因此必须对采集的图像进行预处理。图像预处理,并未对图像做出实质性的提取和改变,主要是以滤波、增强对比度等改善图像质量为目的。

         图像预处理,主要包括了四个部分,图像的点运算(即操作直方图),图像的几何变换、图像的增强处理以及图像的正交变换

         图像的点运算,主要用于改变一幅图像的灰度分布范围;图像的几何变换,主要包括图像的平移变换、镜像变换、图像的转置、缩放和旋转等内容;图像的增强处理,主要对图像的噪声过滤以及对比度增强,即平滑、锐化处理;图像的正交变换,主要包括傅里叶变换、哈达玛变换、离散余旋变换以及K-L变换等,将信号从空间域变换到空间频域,以便于更好的处理信号。

          四、区域及轮廓提取(提取ROI)

        区域以及轮廓的提取,即提取ROI,这一步是整个图像处理软件中的核心步骤。就我目前的知识水平大致可分为三个方法:Blob分析,模板匹配以及机器学习识别模式

        Blob分析的基本思想,通过其灰度值的差别来识别图像中前景的像素。Blob分析三兄弟,图像分割,图像形态学处理,特征提取。

        模板匹配,主要包括形状匹配以及灰度值匹配。关键步骤,创建模板;在图像中查找模板。

        机器学习识别,基于多层感知的自我训练,通过监督学习,形成分类器。主要分为四步,创建trf训练文件(绑定字符图像与字符),创建神经分类器,训练分类器,将分类器保存为ocm文件(即可用于识别)。

           五、图像识别及诊断(或要进行相机标定)

    转载于:https://www.cnblogs.com/dzw2017/p/6992832.html

    展开全文
  • 机器视觉工程应用主要可划分为硬件和软件两大部分。 硬件:工程应用的第一步就是硬件选型。...软件:目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的labview+vision模块。

    毕业后工作没有没有从事本专业业务,误打误撞进入了机器视觉行业,无奈对机器视觉的东西知知甚少,急需恶补一下专业知识啊,今天看了一篇博文,感觉写的很好,特转载过来,以供自己随时查看。介绍的很到位,系统,帮助很大,多向网上的达人学习,要学的东西还很多,要走的路还很长,一步一步走吧。

                                                                                                                                                                                           2016年08月22日19:00

    ——————————————分割线————————————————————————————————————————

    机器视觉工程应用主要可划分为硬件和软件两大部分。

    硬件:工程应用的第一步就是硬件选型。硬件选型很关键,因为它是你后面工作的基础。主要是光源、工业相机和镜头选择。

    软件:目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的labview+vision模块。


    机器视觉工程应用的基本开发思路是:

    一、图像采集,二、图像分割,三、形态学处理,四、特征提取,五、输出结果。

    下面在Halcon下对这四个步骤进行讲解。

    一、图像采集:

    Halcon通过imageacquisition interfaces对各种图像采集卡及各种工业相机进行支持。其中包括:模拟视频信号,数字视频信号Camera Link,数字视频信号IEEE 1394,数字视频信号USB2.0,数字视频信号Gigabit Ethernet等。 
    Halcon通过统一的接口封装上述不同相机的image acquisition interfaces,从而达到算子统一化。不同的相机只需更改几个参数就可变更使用。

    Halcon图像获取的思路:1、打开设备,获得该设备的句柄。2、调用采集算子,获取图像。

    1、打开设备,获得该设备的句柄。

     
    open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //连接相机,并设置相关参数

    Parameter

    Values

    Default

    Type

    Description

    Name

    'DahengCAM'

     

    string

    Name of the HALCON interface.

    HorizontalResolution

    1

    1

     

    1表示水平全部,2为水平1/2,表示图像截取。

    VerticalResolution

    1 1  

    同上,表示垂直方向。

    ImageWidth

    <width>

    0

    integer

    所需的图像部分的宽度('0 '代表了完整的图像)。

    ImageHeight <height> 0 integer 所需的图像部分的高度(0”是完整的图像)
    StartRow <width> 0 integer 所需的图像部分左上方的像素行坐标
    StartColumn <column> 0 integer 所需的图像部分左上方的像素列坐标
    Field       忽视
    BitsPerChannel       忽视
    ColorSpace 'default', 'gray', 'rgb' 'gray' string HALCON图像的通道模式
    Generic       忽视
    ExternalTrigger

    'false', 'true'

    'false' string 外部触发状态
    CameraType 'HV-13xx', 'HV-20xx', 'HV-30xx', 'HV-31xx','HV-50xx', 'SV-xxxx' 'HV-13xx' string 所连接的摄像机系列型。
    Device '1', '2', '3', ... '1' string 相机连接第一个设备号“1”,第二个设备编号“2”。
    Port       忽视
    LineIn       忽视

    2、调用采集算子,获取图像。

    grab_image (Image, AcqHandle) //(同步采集)完后处理图像,然后再采集图像。采集图像的速率受处理速度影响。
    grab_image_async (Image, AcqHandle,MaxDelay) //(异步采集),一幅画面采集完后相机马上采集下一幅画面,不受处理速度影响。其中第三个参数为:MaxDelay,表示异步采集时可以允许的最大延时,本次采集命令距上次采集命令的时间不能超出MaxDelay,超出即重新采集。

    图像采集其他相关算子:

         grab_image_start,该算子开始命令相机进行异步采集。只能与grab_image_async(异步采集)一起使用。

    例子:

    * Select a suitable image acquisition interface nameAcqName
    open_framegrabber(AcqName,1,1,0,0,0,0,'default',-1,'default',-1.0,\
                     'default','default','default',-1,-1,AcqHandle)
    grab_image(Image1,AcqHandle)//进行同步采集
    * Start next grab
    grab_image_start(AcqHandle,-1.0)//命令相机进行异步图像采集开始
    * Process Image1 ...
    * Finish asynchronous grab + start next grab
    grab_image_async(Image2,AcqHandle,-1.0)//读取异步采集的图像
    * Process Image2 ...
    close_framegrabber(AcqHandle)

    3、相机参数读写

    读取相机参数:

    info_framegrabber( : : NameQuery : InformationValueList)

    写相机参数:

    set_framegrabber_param( : : AcqHandleParamValue : )

     

    二、图像分割:

    图像分割的定义: 
    所谓图像分割是指将图像中具有特殊含义的不同区域分割开来,这些区域是互相不交叉的,每个区域都满足特定区域的一致性。

    1、基于阈值的图像分割

    threshold —采用全局阈值分割图像。

    格式:    threshold(Image : Region : MinGray, MaxGray : )

    自动全局阈值分割的方法:

    (1)计算灰度直方图 
    (2)寻找出现频率最多的灰度值(最大值) 
    (3)在threshold中使用与最大值有一定距离的值作为阈值

    代码:

    gray_histo(Regions, Image,AbsoluteHisto, RelativeHisto) //计算出图像区域内的绝对和相对灰度值直方图。
    PeakGray := sort_index(AbsoluteHisto)[255] //求出出现频率最多的灰度值
    threshold(Image,Region,0,PeakGray-25)

    bin_threshold — 使用一个自动确定的阈值分割图像。

    格式:    bin_threshold(Image : Region : : )

     

    dyn_threshold —使用一个局部阈值分割图像。

    格式:    dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )

    例子:

    mean_image(Image,Mean,21,21)
    dyn_threshold(Image,Mean, RegionDynThresh,15,'dark')

    var_threshold —阈值图像局部均值和标准差的分析。

    格式:    var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : ) 

     

    2、基于边缘的图像分割:寻找区域之间的边界

    watersheds —从图像中提取分水岭和盆地。

    格式:    watersheds(Image : Basins, Watersheds : : )

    watersheds_threshold —使用阈值从图像中提取分水岭和盆地。

    格式:    watersheds_threshold(Image : Basins : Threshold : )

     

    3、基于区域的图像分割:直接创建区域

     

    三、形态学处理

    形态学处理以集合运算为基础。

    腐蚀、膨胀、开操作、闭操作是所有形态学图像处理的基础。

    开操作(先腐蚀再膨胀)使对象的轮廓变得光滑,断开狭窄的间断和消除细的突出物。

    闭操作(先膨胀再腐蚀)消弥狭窄的间断和长细的鸿沟,消除小的孔洞,填补轮廓线的断裂。

    形体学基础算子:

    erosion1 
    dilation1 
    opening 
    closing

    常用的形态学相关算子 
    connection 
    select_shape 
    opening_circle 
    closing_circle 
    opening_rectangle1 
    closing_rectangle1 
    complement 
    difference 
    intersection 
    union1 
    shaps_trans 
    fill_up

    形态学高级算子: 
    boundary 
    skeleton

     

    四、特征提取:

    1、区域特征:

    area 
    moments

    smallest_rectangle1

    smallest_circle

    convexity:区域面积与凸包面积的比例

    contlength:区域边界的长度

    compactness

    2、灰度特征

    estimate_noise

    select_gray

     

    五、输出结果:

    (1)获取满足条件的区域

    (2)区域分类,比如OCR

    (3)测量

    (4)质量检测



    本文出处:http://www.cnblogs.com/hanzhaoxin/archive/2013/02/15/2912879.html

    作者:韩兆新

    展开全文
  • Halcon学习笔记1

    2018-12-13 11:23:00
    机器视觉工程应用主要可划分为硬件和软件两大部分。 硬件:工程应用的第一步就是硬件选型。硬件选型很关键,因为它是你后面工作的基础。...软件:目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,...

    转:https://www.cnblogs.com/hanzhaoxin/archive/2013/02/15/2912879.html

    机器视觉工程应用主要可划分为硬件和软件两大部分。

    硬件:工程应用的第一步就是硬件选型。硬件选型很关键,因为它是你后面工作的基础。主要是光源、工业相机和镜头选择。

    软件:目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的labview+vision模块。

    机器视觉工程应用的基本开发思路是:

    一、图像采集,二、图像分割,三、形态学处理,四、特征提取,五、输出结果。

    一、图像采集:

    Halcon通过imageacquisition interfaces对各种图像采集卡及各种工业相机进行支持。

    1、打开设备,获得该设备的句柄。

    open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //连接相机,并设置相关参数
    

    2、调用采集算子,获取图像。

    grab_image (Image, AcqHandle) //(同步采集)完后处理图像,然后再采集图像。采集图像的速率受处理速度影响。
    grab_image_async (Image, AcqHandle,MaxDelay) //(异步采集),一幅画面采集完后相机马上采集下一幅画面,不受处理速度影响。其中第三个参数为:MaxDelay,表示异步采集时可以允许的最大延时,本次采集命令距上次采集命令的时间不能超出MaxDelay,超出即重新采集。
    

    例子

    * Select a suitable image acquisition interface nameAcqName
    open_framegrabber(AcqName,1,1,0,0,0,0,'default',-1,'default',-1.0,\
                     'default','default','default',-1,-1,AcqHandle)
    grab_image(Image1,AcqHandle)//进行同步采集
    * Start next grab
    grab_image_start(AcqHandle,-1.0)//命令相机进行异步图像采集开始
    * Process Image1 ...
    * Finish asynchronous grab + start next grab
    grab_image_async(Image2,AcqHandle,-1.0)//读取异步采集的图像
    * Process Image2 ...
    close_framegrabber(AcqHandle)  

    二、图像分割:

    图像分割的定义: 
    所谓图像分割是指将图像中具有特殊含义的不同区域分割开来,这些区域是互相不交叉的,每个区域都满足特定区域的一致性。

    1、基于阈值的图像分割

    a) threshold —采用全局阈值分割图像。

    格式:    threshold(Image : Region : MinGray, MaxGray : )

    自动全局阈值分割的方法:

    (1)计算灰度直方图 
    (2)寻找出现频率最多的灰度值(最大值) 
    (3)在threshold中使用与最大值有一定距离的值作为阈值

    代码:

    gray_histo(Regions, Image,AbsoluteHisto, RelativeHisto) //计算出图像区域内的绝对和相对灰度值直方图。
    PeakGray := sort_index(AbsoluteHisto)[255] //求出出现频率最多的灰度值
    threshold(Image,Region,0,PeakGray-25)
    

    b) bin_threshold — 使用一个自动确定的阈值分割图像。

    格式:    bin_threshold(Image : Region : : )

    c)dyn_threshold —使用一个局部阈值分割图像。

    格式:    dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )

    例子:

    mean_image(Image,Mean,21,21)
    dyn_threshold(Image,Mean, RegionDynThresh,15,'dark')

    d)var_threshold —阈值图像局部均值和标准差的分析。

    格式:    var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDar

    2、基于边缘的图像分割:寻找区域之间的边界

    watersheds —从图像中提取分水岭和盆地。

    格式:    watersheds(Image : Basins, Watersheds : : )

    watersheds_threshold —使用阈值从图像中提取分水岭和盆地。

    格式:    watersheds_threshold(Image : Basins : Threshold : )

    3、基于区域的图像分割:直接创建区域

    三、形态学处理

    形态学处理以集合运算为基础。

    腐蚀、膨胀、开操作、闭操作是所有形态学图像处理的基础。

    开操作(先腐蚀再膨胀)使对象的轮廓变得光滑,断开狭窄的间断和消除细的突出物。

    闭操作(先膨胀再腐蚀)消弥狭窄的间断和长细的鸿沟,消除小的孔洞,填补轮廓线的断裂。

    形体学基础算子:

    erosion1 
    dilation1 
    opening 
    closing

    常用的形态学相关算子 
    connection 
    select_shape 
    opening_circle 
    closing_circle 
    opening_rectangle1 
    closing_rectangle1 
    complement 
    difference 
    intersection 
    union1 
    shaps_trans 
    fill_up

    形态学高级算子: 
    boundary 
    skeleton

    四、特征提取:

    1、区域特征:

    area 
    moments

    smallest_rectangle1

    smallest_circle

    convexity:区域面积与凸包面积的比例

    contlength:区域边界的长度

    compactness

    2、灰度特征

    estimate_noise

    select_gray

    五、输出结果:

    (1)获取满足条件的区域

    (2)区域分类,比如OCR

    (3)测量

    (4)质量检测

    转载于:https://www.cnblogs.com/jiahenhe2/p/10112980.html

    展开全文
  • 机器视觉工程应用主要可划分...软件:目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的labview+vision模块。 机器视觉工程应用的基本开发思路是: 一、图像采集,二、图像
  • 机器视觉工程应用主要可划分为硬件和软件两大部分。 硬件:工程应用的第一步就是硬件选型。硬件选型很关键,因为它是你后面工作的...软件:目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库...
  • 机器视觉应用工程开发思路

    千次阅读 2018-03-12 11:08:42
    硬件部分,硬件的选型至关重要,决定了后续工作是否可以正常开展,其中关键硬件部分包括:光源,相机以及镜头。 2.软件部分,目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的...

空空如也

空空如也

1 2
收藏数 23
精华内容 9
关键字:

dalsa相机选型