常见机器视觉软件及选型方法

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置，分 CMOS 和CCD 两种)将被摄取目标转换成图像信号，传送给专用的图像处理软件，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像处理软件对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。伴随着中国制造业的蓬勃发展，我国正变成国际机器视觉发展比较活泼的区域之一。大规模的运用范畴由开始的电子、制药等职业，逐渐扩展到包装、轿车等范畴，并且在交通、印刷等职业也有许多的运用。运用规模简直包括国民经济的各个职业。怎么挑选适宜的机器视觉软件成了做好自动化的生要一环：

　　一、机器视觉软件选型要点
　　1、定位器的准确性
　　目标或特征的准确定位是一个检测体系或由视觉引导的运动体系的重要功用。传统的物体定位选用的是灰度值有关来辨认物体。尽管这种技能得到了广泛的运用，可是，它在图象质量变差的状况下，就缺少稳定性。图象质量变差可能是因为杂乱、亮度不一样和隐瞒等要素的影响。相反，几何目标定位法是一种比较新的办法，它运用目标的概括来辨认目标及其特征。维视图像自主研发的图像处理软件多数采用几何目标定位法，且效率极高，可以有效的帮助用户解决定位问题。
　　2、工具库还是应用软件
　　机器视觉软件主要以两种典型的方式出售：一种是包含多种处理算法的工具库，另一种是专门实现某一类特殊工作的应用软件。这两种各有利弊，需要先进时间确认这一特性后再做选择。维视图像提供的图像处理软件包含这两种，既可以提供专业应用又满足客户变化多样的需求。
　　3、编程和操作方便
　　简练、直观的图形界面是简单运用和设置的要害。当今机器视觉商品之间的主要区别在于他们的图形接口。接口大概从“设置”和“操作”这两方面来评估。对一个工程师来讲，它大概十分复杂，而关于一个操作者来说应十分简单。
　　4、亚像素精度
　　视觉体系的分辩率是体系能分辩的比较小特征。例如，1’’的视觉规模(FOV)运用一个640x480像素的计算机图象将得到1/640的分辩率或0.00156’’。实际上，机器视觉算法具有亚像素的才能。也就是说，这些算法可以丈量或得出比一个像素更小的单位。
　　5、易于升优质
　　机器视觉体系可运用在各种场合，他们的运用规模可从时尚的摄像机到监督体系。当挑选一个体系时应思考体系将来的升优质。依据通用目的的视觉软件体系十分好晋优质。比较终用户大概依据附加的摄像机、照明的改变、视觉东西的改变等来思考将来对体系的需要。
　　6、图象预处理算法
　　大部分的图像处理软件提供预处理算法，所以需要比较其提供的丰富程度，效率等。
　　7、体系集成
　　假如你对机器视觉技能不是很精通，那么针对你的项目就需要一个体系集成商，理想的视觉商品能被体系集成商广泛承受。
　　二、常用机器视觉软件介绍
　　1.OpenCV，开源免费的图像处理库
　　OpenCV是近年来推出的开源、免费的计算机视觉库，利用其所包含的函数可以很方便地实现数字图像和视频处理。同时利用面向对象的VC++ 6.0编程工具，用C++语言进行程序编写 OpenCV算法库为VC++编程处理数字图像提供了很大的方便，其必将成为图像视频处理领域的强有力的工具。
　　缺点：由于是开源软件，因此其版本繁多，函数库复杂，执行效率收到应用，比较适用于科研和学习，不适合工业应用。
　　2. Halcon，强大的图像处理库
　　HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有比较佳效能的Machine Vision软件
　　缺点：价格比较贵，每次分发需要重新购买授权。
　　3. NI Vision，快速验证的图像处理库(含视觉助手、VBAI)
　　NI视觉软件中的图形化编程和视觉算法工程可实现更高的开发效率。 在可配置环境和全面的编程库中作出选择，更好地满足需求并快速启动。 它们可与所有的硬件组合配合使用，兼容性良好，从而方便地使用现有的代码，管理和维护多个硬件系统。
　　缺点：好用的必然贵。
　　4. Matlab，底层算法验证不二选择
　　matlab用法方便，特别是集成了图像处理的很多函数，几乎囊括了所用图像处理的方法。把常见操作都做成了相应 的内建函数，使使用者不用去考虑怎样读取图片、怎样转换颜色空间等固定和成熟的算法的细枝末节，将主要精力投放到算法研究中。
　　缺点：matlab对处理方式的细节把握不够。