图像处理:第二篇 —— 选择镜头的基础知识及对图像处理的影响

一、图像传感器的典型应用

图像处理过程大致可分为如下四步:

1.拍  摄      按下快门,拍摄图像

2.传  送      将图像数据由照相机传送到控制器。

3.处  理      前处理 : 对于图像数据进行加工,使其特征更加明显。

                  测算处理 : 根据图像数据对于损伤、尺寸等进行测算。

4.输出结果  将处理结果以信号的方式输出到相连的控制装置( PLC 等)。

大多数图像传感器制造商在产品目录中,对于第三步“处理”做了更多的说明。这表明这些厂家更重视控制器的处理能力。 实际上,第一步“拍摄”才是得到正确、稳定的图像处理效果所必需的重要的步骤。而这一步的关键在于“镜头和照明的选择”在初级篇中,将以“镜头的选择”为中心,介绍有关拍摄的知识。

二、镜头的基础知识及选择方法

在图像处理流程中,拍摄环节的质量直接决定后续处理效果,而镜头的选择是拍摄的关键。镜头如同图像系统的 “眼睛”,其性能参数会显著影响图像的清晰度、视野范围和细节表现力。

1.镜头的结构

镜头由多个镜片、光圈和调焦装置组成。

光圈负责调节进光量,调焦则确保物体成像清晰。选择镜头时,需重点关注视野、焦距、景深和失真等参数。

2.镜头的焦距及视野的计算方法

FA(工厂自动化)领域常用镜头焦距为 8mm、16mm、25mm 和 50mm,不同焦距对应不同的视野范围。

焦距与视野的关系可通过公式 “WD:视野角 = 焦距:CCD 尺寸” 计算(WD 为工作距离)。

例如,当焦距为 16mm、WD 为 200mm 时,结合 CCD 尺寸可算出视野大小。实际应用中,需根据检测对象的大小和拍摄距离选择合适焦距,确保目标完全纳入视野且细节清晰。

三.增加景深(对焦时的高度范围)、得到清晰画面的方法

景深是衡量镜头成像清晰度范围的重要指标,影响因素包括焦距、拍摄距离和光圈。焦距越小、拍摄距离越远、光圈越小,景深越大。小光圈虽能增加景深,但会减少进光量,需配合照明调整。使用延伸环或微距镜头时,景深会减小,需特别注意。

-镜头焦距越小,景深越大。

-与拍摄对象距离越远,景深越大。

 注意: 使用延伸环或微距镜头时,景深会变小。

-光圈越小,景深越大。对于同一只镜头而言,光圈越小,亮度越大,越容易聚焦。

 下图所示为拍摄斜面上表示高度的胶带的情况。 比较小光圈和大光圈时的拍摄效果。

小光圈时的图像 (CA-LH25)和大光圈时的图像 (CA-LH25)如下:

四.不同镜头性能造成对比度的差别

下图是使用本公司生产的高分辨率镜头 “CA-LH16” 和标准镜 “CV-L16” 拍摄的同一物体的图像。

1.由于镜头的材料及构造的不同,造成图像质量也不相同。

根据用途选择高分辨的镜头,可以得到高对比度的图像。

2.镜头性能还体现在对比度和失真度上。

高分辨率镜头(如 CA-LH16)能呈现更高对比度,让图像细节更突出,尤其适合检测微小缺陷。而镜头失真分为桶形和枕形,失真度数值越小,精度越高。测量场景应优先选择长焦距镜头,因其失真度相对较小。

3.相机像素也会影响成像质量。

200 万像素相机比 24 万像素相机在放大后仍能保持边缘清晰,更适合需要精细识别的场景,如文字读取。因此,需根据检测精度要求选择匹配的镜头和相机组合。

五.镜头的扭曲(失真)

什么是镜头的失真?

镜头的失真度是拍摄图像的中央部分与周围部分的变化比率。

由于存在像差,拍摄图像的周边部分会发生某种程度的扭曲现象。

失真可分为桶形失真和枕形失真两类。表示失真度的数值(绝对值)越小,则镜头的精度越高。 在测量尺寸时,应使用失真度小的镜头。一般说来,长焦距镜头的失真度会相对小一些。

总之,镜头选择需综合考虑视野、景深、失真等因素,结合具体应用场景优化参数。只有选对镜头,才能为后续图像处理提供高质量的原始数据,这是实现精准检测的前提。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/90852.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/90852.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux 系统文件夹结构及用途说明

Linux 系统采用树形文件结构,每个目录都有明确的功能定位,遵循 FHS(Filesystem Hierarchy Standard) 标准。以下是新安装系统后主要文件夹的用途:一、根目录(/)核心文件夹1. /bin:基…

[spring6: HttpSecurity]-全新写法

HttpSecurity HttpSecurity 是 Spring Security 中用于配置基于 HTTP 请求的安全策略的核心构建器,支持细粒度控制请求授权、认证、登录、登出、CSRF、CORS、会话管理等安全功能。 package xyz.idoly.demo;import org.springframework.context.annotation.Bean; imp…

MIPI DSI 转 1LVDS ,分辨率1920*1080.

一款桥接芯片,它接收 MP DSI 输入并发送 LVDS 输出。MlPI DSI 支持至多 4 条通道,每条通道的最大传输速率为 1Gbps,总的最大输入带宽为 4Gbps,并且还支持 MlPI 定义的 ULPS(超低功耗状态)。LVDS 输出采用 V…

墨者:SQL手工注入漏洞测试(MySQL数据库)

一、SQL手工注入漏洞测试(MySQL数据库) 本文以墨者学院靶场为例,演示MySQL数据库的手工SQL注入全过程。靶场以自己的地址为准:http://124.70.64.48:47777/new_list.php?id1 二、注入原理与流程(如下指令去掉了id之前的内容) M…

idea打开后project窗口未显示项目名称的解决方案

前言 今天上班后,打开了idea发现之前project窗口中的项目都不见了,啥也没有,见下图原因 一般为配置文件*.iml 出错了。 解决方案1 方法1:若知道出错的具体位置与原因,用文本编辑器打开*.iml文件,找到出错位…

不一样的Mysql安装方式

文章目录MySQL介绍与安装MySQL介绍基本安装下载打开网址点击点击选择LTSwindows选择zip压缩包格式,mac OS选择dmg格式。不需要注册登陆网站,直接谢谢,继续下载即可。解压复制bin路径配置环境变量搜索点击环境变量点击用户变量的Path 或 系统变…

MyBatis高级应用实战指南

MyBatis高级应用实例 以下是MyBatis高级应用实例,涵盖复杂查询、动态SQL、插件开发、缓存优化等场景,帮助深入掌握MyBatis核心技术。 动态SQL构建 Example 1: 多条件动态查询 使用<if>和<where>标签实现条件组合: <select id="findUsers" resu…

Xilinx-FPGA-PCIe-XDMA 驱动内核兼容性问题修复方案

问题1&#xff1a;implicit declaration of function "mmiowb()"解决方法&#xff1a;在 libxdma.c 和 cdev_xvc.c 文件中注释掉所有 mmiowb () 函数调用问题2&#xff1a; "macro"access_ok"passed 3 arguments, but takes just 2"解决方法&…

ThreadLocal--ThreadLocal介绍

&#x1f9e0; 一、什么是 ThreadLocal&#xff1f; ThreadLocal 是 Java 提供的一种 线程本地变量机制&#xff1b; 每个线程都维护一份自己的副本&#xff1b; 它不用于多个线程共享变量&#xff0c;而是用于每个线程独立维护自己的变量副本&#xff1b; 常用于&#xff1…

AWS云S3+Glue+EMRonEC2+ReadShift

Amazon S3&#xff08;Amazon Simple Storage Service&#xff09;即亚马逊简单存储服务&#xff0c;是 AWS&#xff08;Amazon Web Services&#xff09;提供的一种对象存储服务&#xff0c;在大数据领域被广泛使用。以下是关于它的详细介绍&#xff1a;基本概念Amazon S3 主要…

OpenLayers 综合案例-轨迹回放

看过的知识不等于学会。唯有用心总结、系统记录&#xff0c;并通过温故知新反复实践&#xff0c;才能真正掌握一二 作为一名摸爬滚打三年的前端开发&#xff0c;开源社区给了我饭碗&#xff0c;我也将所学的知识体系回馈给大家&#xff0c;助你少走弯路&#xff01; OpenLayers…

语音自动生成PPT、思维导图、会议纪要、笔记、大纲、导读等

一、需要用到录音工具&#xff0c;手机端工具&#xff1a;讯飞听见二、需要用到的工具通义&#xff1a;https://www.tongyi.com/discover上传录音&#xff0c;描述一下&#xff0c;让直接给生成PPT就行&#xff0c;点生成就可以生成ppt&#xff0c;对PPT进行导出就行 三、除了生…

【MySQL】脚本化快速搭建跨平台、可定制的MySQL数据库

冗长的废话就省略了&#xff0c;大家看到这篇博客&#xff0c;效果如标题所示&#xff0c;我将提供完整的脚本&#xff0c;并用 「保姆级」的详细步骤&#xff0c;给你提供一个快速搭建跨平台、可定制的 MySQL环境的解决方案。保证无论你是 Linux 服务器管理员、macOS 开发者&a…

MAC包头、IP包头 、UDP包头中的长度含义是啥?三者之间有啥区别?

以太网帧、IP包及TCP与UDP的报文格式 下面用通俗技术的方式详细解释&#xff1a; 1. MAC包头&#xff08;以太网帧头&#xff09;中的长度 字段名称&#xff1a;EtherType/Length位置&#xff1a;以太网帧头的第13、14字节含义&#xff1a; 如果值小于等于1500&#xff08;0x0…

Multiscale Structure Guided Diffusion for Image Deblurring 论文阅读

基于多尺度结构引导扩散模型的图像去模糊 摘要 扩散概率模型&#xff08;Diffusion Probabilistic Models, DPMs&#xff09;最近被用于图像去模糊&#xff0c;其被表述为一个以模糊输入为条件的图像条件生成过程&#xff0c;将高斯噪声映射到高质量图像。当在成对的域内数据上…

git 提交时排除一个或多个文件

前言 在提交文件时&#xff0c;总是有一些文件是不需要提交的&#xff0c;比如机器上的配置文件&#xff0c;日志文件等等&#xff0c;所以在提交时就需要排除这些文件&#xff1b; 第一种方案 git add file1 file2 比如我新添加了3个文件&#xff1a; file1.txt file2.txt fil…

OpenCV 入门:基础图像操作

在计算机视觉领域&#xff0c;OpenCV 无疑是最受欢迎的开源库之一。它由 Intel 公司俄罗斯团队发起&#xff0c;如今已成为处理图像和视频的强大工具。本文我会介绍OpenCV 的基础知识&#xff0c;从图像的读写显示到实时视频流处理&#xff0c;迈出计算机视觉的第一步。 目录 …

大语言模型 LLM 通过 Excel 知识库 增强日志分析,根因分析能力的技术方案(3):使用云平台最小外部依赖方案

文章大纲 1 方案总览(与官方文档映射) 2 环境准备(一步完成) 3 数据层(零代码迁移 Excel → BigQuery 或 SQLite) 4 函数声明(JSON Schema 与官方示例一致) 5 Cloud Function(**最小外部依赖**) 6 客户端调用(对齐官方 Python 示例) 7 Token 与性能对比(官方计费口…

C++高效实现轨迹规划、自动泊车、RTS游戏、战术迂回包抄、空中轨迹、手术机器人、KD树

C++ 算法汇总 基于C++的城市道路场景 以下是基于C++的城市道路场景中车辆紧急变道轨迹生成的实现方法和示例代码。内容涵盖轨迹规划算法、数学建模及代码实现,适用于自动驾驶或驾驶辅助系统开发。 基于多项式曲线的轨迹生成 采用五次多项式(Quintic Polynomial)生成平滑…

电动汽车转向系统及其工作原理

电动汽车的转向系统作为电动汽车的一个关键系统&#xff0c;与燃油车的转向系统有着较大差异。电动汽车的转向系统主要分为 电动助力转向&#xff08;EPS, Electric Power Steering&#xff09; 、电动液压助力转向系统&#xff08;EHPS, Electro-Hydraulic Power Steering&…