圖像處理:第二篇 —— 選擇鏡頭的基礎知識及對圖像處理的影響

一、圖像傳感器的典型應用

圖像處理過程大致可分為如下四步:

1.拍??攝 ?????按下快門,拍攝圖像

2.傳??送 ?????將圖像數據由照相機傳送到控制器。

3.處? 理? ????前處理?: 對于圖像數據進行加工,使其特征更加明顯。

? ? ? ? ? ? ? ? ? 測算處理?:?根據圖像數據對于損傷、尺寸等進行測算。

4.輸出結果??將處理結果以信號的方式輸出到相連的控制裝置( PLC?等)。

大多數圖像傳感器制造商在產品目錄中,對于第三步“處理”做了更多的說明。這表明這些廠家更重視控制器的處理能力。?實際上,第一步“拍攝”才是得到正確、穩定的圖像處理效果所必需的重要的步驟。而這一步的關鍵在于“鏡頭和照明的選擇”在初級篇中,將以“鏡頭的選擇”為中心,介紹有關拍攝的知識。

二、鏡頭的基礎知識及選擇方法

在圖像處理流程中,拍攝環節的質量直接決定后續處理效果,而鏡頭的選擇是拍攝的關鍵。鏡頭如同圖像系統的 “眼睛”,其性能參數會顯著影響圖像的清晰度、視野范圍和細節表現力。

1.鏡頭的結構

鏡頭由多個鏡片、光圈和調焦裝置組成。

光圈負責調節進光量,調焦則確保物體成像清晰。選擇鏡頭時,需重點關注視野、焦距、景深和失真等參數。

2.鏡頭的焦距及視野的計算方法

FA(工廠自動化)領域常用鏡頭焦距為 8mm、16mm、25mm 和 50mm,不同焦距對應不同的視野范圍。

焦距與視野的關系可通過公式 “WD:視野角 = 焦距:CCD 尺寸” 計算(WD 為工作距離)。

例如,當焦距為 16mm、WD 為 200mm 時,結合 CCD 尺寸可算出視野大小。實際應用中,需根據檢測對象的大小和拍攝距離選擇合適焦距,確保目標完全納入視野且細節清晰。

三.增加景深(對焦時的高度范圍)、得到清晰畫面的方法

景深是衡量鏡頭成像清晰度范圍的重要指標,影響因素包括焦距、拍攝距離和光圈。焦距越小、拍攝距離越遠、光圈越小,景深越大。小光圈雖能增加景深,但會減少進光量,需配合照明調整。使用延伸環或微距鏡頭時,景深會減小,需特別注意。

-鏡頭焦距越小,景深越大。

-與拍攝對象距離越遠,景深越大。

?注意: 使用延伸環或微距鏡頭時,景深會變小。

-光圈越小,景深越大。對于同一只鏡頭而言,光圈越小,亮度越大,越容易聚焦。

?下圖所示為拍攝斜面上表示高度的膠帶的情況。?比較小光圈和大光圈時的拍攝效果。

小光圈時的圖像?(CA-LH25)和大光圈時的圖像?(CA-LH25)如下:

四.不同鏡頭性能造成對比度的差別

下圖是使用本公司生產的高分辨率鏡頭 “CA-LH16” 和標準鏡?“CV-L16” 拍攝的同一物體的圖像。

1.由于鏡頭的材料及構造的不同,造成圖像質量也不相同。

根據用途選擇高分辨的鏡頭,可以得到高對比度的圖像。

2.鏡頭性能還體現在對比度和失真度上。

高分辨率鏡頭(如 CA-LH16)能呈現更高對比度,讓圖像細節更突出,尤其適合檢測微小缺陷。而鏡頭失真分為桶形和枕形,失真度數值越小,精度越高。測量場景應優先選擇長焦距鏡頭,因其失真度相對較小。

3.相機像素也會影響成像質量。

200 萬像素相機比 24 萬像素相機在放大后仍能保持邊緣清晰,更適合需要精細識別的場景,如文字讀取。因此,需根據檢測精度要求選擇匹配的鏡頭和相機組合。

五.鏡頭的扭曲(失真)

什么是鏡頭的失真?

鏡頭的失真度是拍攝圖像的中央部分與周圍部分的變化比率。

由于存在像差,拍攝圖像的周邊部分會發生某種程度的扭曲現象。

失真可分為桶形失真和枕形失真兩類。表示失真度的數值(絕對值)越小,則鏡頭的精度越高。?在測量尺寸時,應使用失真度小的鏡頭。一般說來,長焦距鏡頭的失真度會相對小一些。

總之,鏡頭選擇需綜合考慮視野、景深、失真等因素,結合具體應用場景優化參數。只有選對鏡頭,才能為后續圖像處理提供高質量的原始數據,這是實現精準檢測的前提。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/90852.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/90852.shtml
英文地址,請注明出處:http://en.pswp.cn/web/90852.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Linux 系統文件夾結構及用途說明

Linux 系統采用樹形文件結構,每個目錄都有明確的功能定位,遵循 FHS(Filesystem Hierarchy Standard) 標準。以下是新安裝系統后主要文件夾的用途:一、根目錄(/)核心文件夾1. /bin:基…

[spring6: HttpSecurity]-全新寫法

HttpSecurity HttpSecurity 是 Spring Security 中用于配置基于 HTTP 請求的安全策略的核心構建器,支持細粒度控制請求授權、認證、登錄、登出、CSRF、CORS、會話管理等安全功能。 package xyz.idoly.demo;import org.springframework.context.annotation.Bean; imp…

MIPI DSI 轉 1LVDS ,分辨率1920*1080.

一款橋接芯片,它接收 MP DSI 輸入并發送 LVDS 輸出。MlPI DSI 支持至多 4 條通道,每條通道的最大傳輸速率為 1Gbps,總的最大輸入帶寬為 4Gbps,并且還支持 MlPI 定義的 ULPS(超低功耗狀態)。LVDS 輸出采用 V…

墨者:SQL手工注入漏洞測試(MySQL數據庫)

一、SQL手工注入漏洞測試(MySQL數據庫) 本文以墨者學院靶場為例,演示MySQL數據庫的手工SQL注入全過程。靶場以自己的地址為準:http://124.70.64.48:47777/new_list.php?id1 二、注入原理與流程(如下指令去掉了id之前的內容) M…

idea打開后project窗口未顯示項目名稱的解決方案

前言 今天上班后,打開了idea發現之前project窗口中的項目都不見了,啥也沒有,見下圖原因 一般為配置文件*.iml 出錯了。 解決方案1 方法1:若知道出錯的具體位置與原因,用文本編輯器打開*.iml文件,找到出錯位…

不一樣的Mysql安裝方式

文章目錄MySQL介紹與安裝MySQL介紹基本安裝下載打開網址點擊點擊選擇LTSwindows選擇zip壓縮包格式,mac OS選擇dmg格式。不需要注冊登陸網站,直接謝謝,繼續下載即可。解壓復制bin路徑配置環境變量搜索點擊環境變量點擊用戶變量的Path 或 系統變…

MyBatis高級應用實戰指南

MyBatis高級應用實例 以下是MyBatis高級應用實例,涵蓋復雜查詢、動態SQL、插件開發、緩存優化等場景,幫助深入掌握MyBatis核心技術。 動態SQL構建 Example 1: 多條件動態查詢 使用<if>和<where>標簽實現條件組合: <select id="findUsers" resu…

Xilinx-FPGA-PCIe-XDMA 驅動內核兼容性問題修復方案

問題1&#xff1a;implicit declaration of function "mmiowb()"解決方法&#xff1a;在 libxdma.c 和 cdev_xvc.c 文件中注釋掉所有 mmiowb () 函數調用問題2&#xff1a; "macro"access_ok"passed 3 arguments, but takes just 2"解決方法&…

ThreadLocal--ThreadLocal介紹

&#x1f9e0; 一、什么是 ThreadLocal&#xff1f; ThreadLocal 是 Java 提供的一種 線程本地變量機制&#xff1b; 每個線程都維護一份自己的副本&#xff1b; 它不用于多個線程共享變量&#xff0c;而是用于每個線程獨立維護自己的變量副本&#xff1b; 常用于&#xff1…

AWS云S3+Glue+EMRonEC2+ReadShift

Amazon S3&#xff08;Amazon Simple Storage Service&#xff09;即亞馬遜簡單存儲服務&#xff0c;是 AWS&#xff08;Amazon Web Services&#xff09;提供的一種對象存儲服務&#xff0c;在大數據領域被廣泛使用。以下是關于它的詳細介紹&#xff1a;基本概念Amazon S3 主要…

OpenLayers 綜合案例-軌跡回放

看過的知識不等于學會。唯有用心總結、系統記錄&#xff0c;并通過溫故知新反復實踐&#xff0c;才能真正掌握一二 作為一名摸爬滾打三年的前端開發&#xff0c;開源社區給了我飯碗&#xff0c;我也將所學的知識體系回饋給大家&#xff0c;助你少走彎路&#xff01; OpenLayers…

語音自動生成PPT、思維導圖、會議紀要、筆記、大綱、導讀等

一、需要用到錄音工具&#xff0c;手機端工具&#xff1a;訊飛聽見二、需要用到的工具通義&#xff1a;https://www.tongyi.com/discover上傳錄音&#xff0c;描述一下&#xff0c;讓直接給生成PPT就行&#xff0c;點生成就可以生成ppt&#xff0c;對PPT進行導出就行 三、除了生…

【MySQL】腳本化快速搭建跨平臺、可定制的MySQL數據庫

冗長的廢話就省略了&#xff0c;大家看到這篇博客&#xff0c;效果如標題所示&#xff0c;我將提供完整的腳本&#xff0c;并用 「保姆級」的詳細步驟&#xff0c;給你提供一個快速搭建跨平臺、可定制的 MySQL環境的解決方案。保證無論你是 Linux 服務器管理員、macOS 開發者&a…

MAC包頭、IP包頭 、UDP包頭中的長度含義是啥?三者之間有啥區別?

以太網幀、IP包及TCP與UDP的報文格式 下面用通俗技術的方式詳細解釋&#xff1a; 1. MAC包頭&#xff08;以太網幀頭&#xff09;中的長度 字段名稱&#xff1a;EtherType/Length位置&#xff1a;以太網幀頭的第13、14字節含義&#xff1a; 如果值小于等于1500&#xff08;0x0…

Multiscale Structure Guided Diffusion for Image Deblurring 論文閱讀

基于多尺度結構引導擴散模型的圖像去模糊 摘要 擴散概率模型&#xff08;Diffusion Probabilistic Models, DPMs&#xff09;最近被用于圖像去模糊&#xff0c;其被表述為一個以模糊輸入為條件的圖像條件生成過程&#xff0c;將高斯噪聲映射到高質量圖像。當在成對的域內數據上…

git 提交時排除一個或多個文件

前言 在提交文件時&#xff0c;總是有一些文件是不需要提交的&#xff0c;比如機器上的配置文件&#xff0c;日志文件等等&#xff0c;所以在提交時就需要排除這些文件&#xff1b; 第一種方案 git add file1 file2 比如我新添加了3個文件&#xff1a; file1.txt file2.txt fil…

OpenCV 入門:基礎圖像操作

在計算機視覺領域&#xff0c;OpenCV 無疑是最受歡迎的開源庫之一。它由 Intel 公司俄羅斯團隊發起&#xff0c;如今已成為處理圖像和視頻的強大工具。本文我會介紹OpenCV 的基礎知識&#xff0c;從圖像的讀寫顯示到實時視頻流處理&#xff0c;邁出計算機視覺的第一步。 目錄 …

大語言模型 LLM 通過 Excel 知識庫 增強日志分析,根因分析能力的技術方案(3):使用云平臺最小外部依賴方案

文章大綱 1 方案總覽(與官方文檔映射) 2 環境準備(一步完成) 3 數據層(零代碼遷移 Excel → BigQuery 或 SQLite) 4 函數聲明(JSON Schema 與官方示例一致) 5 Cloud Function(**最小外部依賴**) 6 客戶端調用(對齊官方 Python 示例) 7 Token 與性能對比(官方計費口…

C++高效實現軌跡規劃、自動泊車、RTS游戲、戰術迂回包抄、空中軌跡、手術機器人、KD樹

C++ 算法匯總 基于C++的城市道路場景 以下是基于C++的城市道路場景中車輛緊急變道軌跡生成的實現方法和示例代碼。內容涵蓋軌跡規劃算法、數學建模及代碼實現,適用于自動駕駛或駕駛輔助系統開發。 基于多項式曲線的軌跡生成 采用五次多項式(Quintic Polynomial)生成平滑…

電動汽車轉向系統及其工作原理

電動汽車的轉向系統作為電動汽車的一個關鍵系統&#xff0c;與燃油車的轉向系統有著較大差異。電動汽車的轉向系統主要分為 電動助力轉向&#xff08;EPS, Electric Power Steering&#xff09; 、電動液壓助力轉向系統&#xff08;EHPS, Electro-Hydraulic Power Steering&…