基于VC光图采集测量系统.doc

摘要
摘要
以CCD摄像机获取信息来源的非接触测量技术越来越被业界所重视，现在广泛的应用在工业和农业上，并且随着图像处理手段的越来越先进，越来越多的地方其成为精确测量的非常有用的工具。
本文基于CCD摄像机采集光信号，图像采集卡完成信号的取样与数字化，然后根据图像不同的效果对图像进行预处理，使图像各部分的特征完善并且使图像更易于辨认，再对图像进行边缘提取，图像分割等方法，目的是从图像中提取出所想要的图像特征量，对这些特征量进行测量与定位，最后获取真实量的大小，其中光路设计和图像处理的方法直接的决定了测量的精度。最后本文利用Microsoft Visual C++ 6.0开发环境下，实现了图像预处理，边缘检测，图像分割等功能，并且设计了图像预处理和图像处理多种方法对他们的利弊进行分析，得出最优的解决方案，最后利用最优的方案对图像的常用特征如面积，周长，坐标与半径进行测量，使用误差修正的方法，尽量使测量的结果比较精确，能适用在一些精度不是特别高的场合。
关键字：CCD摄像机 图像采集卡 图像预处理 图像处理 图像测量

ABSTRACT
ABSTRACT
The non-contact measurement technology that used the CCD camera to obtain information is increasingly being valued by the industry and widely used in industry and agriculture. Increasing more advanced image processing tools, it becomes more and more precise and very useful method of measurement，In particular with the rapid development of computer technology and the continuous improvement of machine vision using image measurement area length and so on methods are applied more and more Extensive.
The system based on CCD camera acquisition optical signal, a image acquisition card get the simulation signal and get the sampling signal and finish the digital, and then basing on a different effect of the image is preprocessing so that the image various parts of character perfect recognition and extract images edge identification, then the image edge extraction and image segmentation in order that from the image to extract out the desired image features and amount of these characteristic quantity measurement and positioning, finally obtain the true size of the volume. Optical design, image pre- processing and image processing method decided directly to the measurement accuracy. Finally, using Microsoft Visual C + + 6.0 development environment to realize the image preprocessing, edge detection, image segmentation and other features, and designed a variety of image pre-processing and image processing methods to analyze their advantages and disadvantages, and get the solution obtained program, the last we use the best programs to get the common characteristics, such as area, perimeter, coordinates with the radius measured and we use the error correction method, so that the results of more precise measurement as far as possible, it can be applied in a number of occasions, particularly not high precision .
Keywords: CCD camera image gathers image pre-processing image processing image measurement

目录 i
目录

第一章 绪论 1
1.1 模拟图像与数字图像 1
1.2 数字图像处理应用 1
1.3 数字图像处理的目的和任务 3
1.3.1 数字图像处理的目的 3
1.3.2 图像处理的任务 3
第二章 图像数字化和显示 6
2.1 连续的数学描述图像 6
2.2 图像场取样 6
2.2.1 取样和量化的基本概念 6
2.2.2 二维采样 7
2.3 图像的量化 8
2.3.1 标量量化 8
2.3.2 失量量化 9
第三章 图像的获取 12
3.1 光源设计 12
3.2 镜头的设计 15
3.2.1 焦距 15
3.2.2 光圈和镜头 15
3.3 CCD摄像机 16
3.3.1 CCD的原理 16
3.3.2 CCD芯片的尺寸 17
3.3.3 CCD的分辨率 17
3.4 图像采集卡 18
第四章 图像预处理 21
4.1 空间域单点增强 21
4.1.1 灰度级校正 22
4.1.2 灰度直方图变化 23
4.1.3 存在问题 26
4.2 线性滤波器 26
4.2.1 均值滤波器 27
4.2.2 高斯滤波器 27
4.3 非线性滤波 29
4.3.2 边缘保持滤波法 30
第五章 图像处理 31
5.1 边缘检测 31
5.1.1 检测梯度的最大值 31
5.1.2 二阶导数的零交叉点 32
5.1.3 统计型方法 34
5.1.4 小波多尺度边缘检测 34
5.1.4 Canny边缘检测 35
5.2 图像分割 38
5.2.1 阈值分割法基本概念 38
5.2.2 简单直方图的阈值分割 40
5.2.3 最佳阈值分割 40
5.2.4 类间方差阈值分割 41
5.2.5 一维最大熵阈值分割 43
第六章 图像的测量 45
6.1 图像面积的测量 45
6.2 图像的周长测量 46
6.3 圆心的坐标与半径 46
6.4 图像的小区域消除 48
6.5 误差修正 48
第七章 结论 51
致谢 52
参考文献 53
附录 55
附录A 直方图均衡函数 55
附录B Canny边缘检测函数 57
附录C Hough圆心坐标半径检测 72
附录D 类间方差分割和一维最大熵分割 80
附录E 标记，面积和周长测量函数 86

第一章 绪论 3

第一章 绪论
1.1 模拟图像与数字图像
每天我们都是在报纸、杂志、书籍、电视、各种小册子等大量的图像信息包围中度过的。这些图像包括文字、照片、图表、插图等，它使我们感到安适和生活情趣。 视觉是人类从大自然获取信息的最主要的来源。据统计在人类获取的信息当中，视觉信息约占60％，听觉信息约占20％，其它的如味觉信息，触觉信息等加起来约占20％。由此可见视觉信息对人们的重要性。而图像正是人类获取视觉信息的主要途径。图像是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或者间接作用于人眼并进而产生视知觉的实体[4]。
在数字图像领域，我们将图像简单看成由许多大小相同、形状一致的像素表示一个小图标放大倍后显示组成。因此，一幅图像可以用二维矩阵加以表示。当一个小图标放大后显示出现出方形像素。这样，数字图像可以用矩阵表示。图像的数字化包括取样和量化两个主要步骤。在空间将连续坐标离散化的过程称为取样，而进一步将图像的幅度值（可能是灰度或色彩）数字化的过程称为量化[4]。
1.2 数字图像处理应用
数字图像处理首次成功地应用在年美国宇航局喷气推进实验室对“徘徊者号”探测器发来的几千张月球照片进行几何校正、灰度变换、去除噪声等处理，并考虑了太阳位置和月球环境的影响，用计算机绘制了月球表面的照片。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。直到现在图像处理在航天技术领域更是不可缺少的重要手段，2005年1月14日惠斯勒探测器拍摄了土星卫星“土卫六”的图像。这是一幅对相关数据进行处理加上反射光谱数据以后获得的彩色图像[5]。

图 1.1
1972年英国EMT公司工程师发明了用于头颅诊断的X射线计算机断层摄影CT装置。这种无损伤诊断技术的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建[5]。
1975年公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年这项技术获得了诺贝尔生物医学奖[5]。
随着图像处理技术的深入发展世纪，从80年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理已向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解。很多国家，特别是发达国家投入更多的人力、物力到这类研究中，取得了不少重要的研究成果。在图像处理的理论和方法上，快速傅里叶变换FFT的出现是一个具有代表性的成果，它为图像处理提供了一种高效率的处理工具。在图像处理基础上，人们进一步开展了图像分析和图像理解的研究和应用工作。这些工作需要对人类的视觉过程有进一步的理解甚至需要建立视觉的数学模型，以计算机视觉（机器视觉）仿真人类视觉。一个具有代表性的成果是世纪年代末美国麻省理工学院Marr的教授提出的视觉计算理论。该理论称为计算机视觉。
随着科学技术的发展，我国在航天、医学、工业、家用信息设备等领域发展了图像处理技术。同时，我国已经有一支较强的从事图像工程研究和应用的队伍。1990年，我国成立了全国性学术团体中国图像图形学学会。它由中国从事图像图形学基础理论与应用研究，软、硬件技术开发及应用推广的专家学者和相关科技工作者组成。国内著名的高等学校、科研院所及企业都是本学会重要成员单位。
1.3 数字图像处理的目的和任务
1.3.1 数字图像处理的目的
1. 提高图像的视觉质量以提供人眼主观满意或较满意的效果。例如，图像的增强、图像的恢复、图像的几何变换、图像的代数运算、图像的滤波处理有可能使受到污染、干扰等因素影响产生的低清晰度、变形图像等的质量得到有效的改善。
2. 提取图像中目标的某些特征，以便于计算机分析或机器人识别。这些处理也可以划归于“图像分析”的范畴。例如，边缘检测、图像分割、纹理分析常用做模式识别、计算机视觉等高级处理的预处理。
3. 为了存储和传输庞大的图像和视频信息，常常对这类数据进行有效的压缩。常用的方法有统计编码、预测编码和正交变换等。
4. 信息的可视化。许多信息（如温度场、流速场、生物组织内部等）并非可视，但转化为视觉形式后可以充分利用人们对可视模式快速识别的自然能力，更便于人们观察、分析、研究、理解大规模数据和许多复杂现象。信息可视化结合了科学可视化、人机交互、数据挖掘、图像技术、图形学、认知科学等诸多学科的理论和方法，是研究人、计算机表示的信息，以及它们相互影响的技术。
5. 信息安全的需要，主要反映在数字图像水印和图像信息隐藏。这是图像工程出现的新热点之一。数字水印是利用多媒体数字产品中普遍存在的冗余数据与随机性，把水印信息可见或不可见地嵌入到数字作品中，以期达到保护数字产品的版权或完整性的一种技术。在计算机通信、密码学等学科也有其用武之地。
1.3.2 图像处理的任务
图像处理的任务是将客观世界的景象进行获取并转化为数字图像，进行增强、编码、恢复和压缩等处理，将一幅图像转化为另一幅具有新的意义的图像[7]。
1. 图像获取与数字化

第一章 绪论 5
将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像信号，再由模拟数字转换器ADC得到原始的数字图像信号。图像的获取也称图像的采集，图像的采集十分重要。原始的图像质量高会大大减轻后期处理的负担。虽然图像处理硬件和软件可以在一定程度上弥补采集过程中存在的缺陷，但保证高信噪比、高保真度的原始图像仍然是首先必须重视的问题[8]。
2. 图像增强
图像增强的作用在于是对视觉不满意的图像进行改善，突图像增强出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显，而强化低频分量可减少图像中噪声影响，即对高频噪声起平滑作用。可见，尽管人们并不一定知道图像降质或退化的原因，但通过使用图像增强技术得到的新图像的质量在主观视觉上更为良好。通过图像增强，我们可以改变原来图像全部或局部的亮度、对比度、色彩分布等参数，使增强后的图像更加赏心悦目。对于图像分析和图像理解来说，图像增强往往作为这些过程的前期处理[10]。
3. 图像复原
图像复原也称图像恢复。如果对图像退化的原因或过程（如某种噪声的影响、运动造成的模糊、光学系统的几何失真等）有一定的了解，通过理论推导或实验数据甚至可以建立退化的数学模型（“降质模型”），那么可以采用某种滤波方法在一定程度上从降质的图像恢复原始图像。在图像恢复中，建立图像的退化模型是关键。理论上，降质的模型一是非线性、时变和空间变化的，但这种模型即使使用计算机也很难处理。所以，在一定的精度下，用线性、时不变和空间不变化的降质模型代替上述模型具有实际意义。图像恢复与图像增强都是为了提高图像的质量，它们之间的区别在于前者需要考虑图像降低的原因，后者不需要。
4. 图像重建
图像重建就是试图从物体横剖面的一组投影数据建立图像。事实上，图像重建在医学、工业检测、数据压缩等领域都有重要的应用价值。计算机断层摄影是图像重建的成功范例。产生物体内部数据是由各种能量流（如射线、电子束、超声波等）穿透物体而获得的。体视学的思想是将图像重建与计算机形学的光照模型和各种渲染技术相结合，把多个二维图像合成三维图像，生成高度真实感的图像。体视学在医学领域是应用最早的。现在利用有效的工具可以完成对人体器官、软组织和病变体的三维重建和显示。由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物时需要知识引导，这也是人工智能中正在致力解决的知识工程问题[5]。
5. 图像变换
图像阵列很大，直观性强，但图像的某些特性（如频率特性、纹理特性等）在空间域中难以获得和处理，计算量也很大。各种图像变换的方法（如离散傅里叶变换、哈达玛变换、离散余弦变换等）可以间接地将空间域的处理转换为变换域进行更有效的处理。通过，可以将空间域的图像变换为图像频谱，再在频率域进行各种数字滤波（像在模拟域一样有低通滤波器、高通滤波器等）以获得图像质量的改善、数据量的压缩或突出某些后期处理的特征。离散小波变换DWT在空间域和频率域中都具有良好的局部化特性，受到人们的普遍重视[4]。
6. 图像分割
图像可以看作是由背景和一个或多个目标组成的。图像分割是按一定的规则将图像分成若干个有意义或感兴趣区域的过程，每个区域能代表一个对象（目标或目标的一部分）。通过图像分割，图像中有意义的特征部分（如边缘、区域等）被提取出来。图像的这些特征是进一步进行图像分析和理解的基础。人眼对图像进行分割比较直观，也很迅速，但由计算机来进行图像分割并非易事。我们希望通过分割后的图像更便于计算机或机器人识别和理解，是图像处理向图像分析过渡的一个关键步骤。由于图像分割是一个重要和难度较大的课题，至今仍然是图像处理工作者乐此不疲的研究对象[4]。

第二章 图像的数字化与显示 11
第二章 图像数字化和显示
2.1 连续的数学描述图像
人眼所看到的空间某位置上的景物是由于光线照射在景物上并经过反射或透射作用映入眼中而形成了图像。因而，一幅图像可以被看成是空间各点光强度的集合。对于二维图像而言，我们可以简单地把线波长和时光强度看作是随空间坐标间变化的连续函数，其中
数学表达式为：
（2-1）
如果只考虑光的能量而不考虑其波长，则图像在视觉上表现为灰色影像，称之为灰度图像或单色图像的函数为：
（2-2）
图像内容不随时间变化，则上述图像函数如果处理的灰度图像是静止图像数可以表示为：
（2-3）
一般地，一个完整的图像处理系统输入和显示的都是便于人眼观察的连续图像（模拟图像）。为了便于数字存储和计算机处理可以通过模／数转换将连续图像变为数字图像，反过来，通过数／模转换也可将数字图像还原为原始的连续图像。本章主要讨论如何将连续图像转变为数字图像[7]。
2.2 图像场取样
2.2.1 取样和量化的基本概念
为了能够用计算机对图像进行处理，首先要把连续图像函数f(x,y)进行空间和幅度离散化处理。对空间连续坐标(x,y)的离散化，我们称为图像的取样；幅值的离散化，我们称为图像的量化。图像的数字化包括取样和量化两个过程。经过数字化，一幅画面就转化成计算机能够处理的数字图像。
进行数字化图像处理所需的主要硬件有：
（1） 采样孔：保证单独观测特定的像素而不受其他部分的影响。
（2） 图像扫描机构：使采样孔按预先确定的方式在图像上移动。
（3） 光传感器：通过采样孔测量图像的每一个像素的亮光传感器度。
（4） 量化器：将传感器输出的连续量转化为整数值。
（5） 输出存储体：将量化后的数字图像存入固态存储器或 磁盘等存储介质中。
图像经取样和量化后的结果是一个整数矩阵。假如一幅连续图像被取样，则产生的数字图像有M行与N列。坐标的值变成离散值，通常对这些离散坐标采用整数表示。这样，原点的坐标值是沿图像第i行的第j列用(x,y)=(i,j)个坐标值用来表示。我们常常以矩阵的形式表示图像。一幅行数为M行,N列用M*N的矩阵表示。图像可以表示成大小为的矩阵形式如下[7]：
(2-4)
每一个元素代表一个像素。
2.2.2 二维采样
图像在取样时，必须满足二维采样定理，以确保无失真或有限失真地恢复原图像。在一维采样定理的基础上，不难直接导出二维采样定理。
（2-5）
二维采样定理为：如果f(x,y)的傅里叶变化F(u,v)满足
（2-6）
所以对于采样频率应该大于Uc，Uv的两倍。如果不满 足采样定理的条件，则各周期频谱成图为采样后离散图像的频谱分便会彼此相混叠，不能由采样信号恢复原图像。如果满足采样定理的条件，则各周期频谱彼此分开，可以用一个合适的二维低通滤波器，滤除其他周期频谱成分，由原频谱来恢复原始信号。
2.3 图像的量化
量化指图像幅度的数字化处理，即使连续信号的幅度用有限级的数码表示的过程。量化是在一定的准则下进行的，比如最小均方误差、人眼视觉特性的主观准则等。量化的准则不同，会导致不同的量化效果[10]。
我们可以把同的角度将量化方法分成4类。
（1） 按量化级步长的均匀性，可分为均匀量化和非均匀量化。均匀量化的量化步长保持一致，非均匀量化的量化步长不一致。当图像的灰度级数必须较小的时候，常常需要非均匀地分配灰度级。例如，由于人眼对于灰度级的急剧变化比较容易辨认，因此这时没有必要进行过细地分层；而对于那些灰度级变化比较平缓的部分，就需要进行较细微地分层。否则，不仅无法辨认灰度的细微变化，而且由于较大的量化误差，可能会形成虚假的细节[11]。
（2） 按量化对称性可分为对称量化和非对称量化，对称量化是最常用的量化模式，包括两分别是均匀对称量化和非均匀。
（3） 按量化时采样点相互间的相关性，量化器可以分为无记忆量化和有记忆量化。前者假定各采样点独立量化，后者考虑先前的采样点。
（4） 按量化时处理的采样点数可以分为标量量化和矢量量化。标量量化中的“标量”是针对矢量量化中的“矢量”而言的，标量量化就是将数值逐个量化，而矢量量化则是把一个以上的数值分成一组，组成一个矢量，然后按组进行量化编码，如两个数一组或者个数一组一起进行量化。
2.3.1 标量量化
以实例说明标量量化为例。假设抽样信号的范围是0~5V，把它分成8个等分，分别是0、5/8、10/8、…35/8V然后对每一个采样按相同的规律量化，将它量化为离它最近的电平。在量化后，为了能在数字信号处理系统中处理二进制码，还必须经过编码操作，即0用000表示，5/8用001表示，一次类推，每个采样可以用3bit来表示。由此可见，基本标量量化可以定义为从实数集到一个有限子集的映射。基本标量量化的特点是每次只量化一个采样，而且按照同样的量化准则，前后采样间的量化互相独立[12]。
量化器设计完成的任务就是划分子区间和设定量化值，即选定K-1个判决电平Zi(0…k-1)和K个量化电平时造成的失真最小，达到最优量化。度量有两种，一种是客观的度量，使K个子区间的总误差平方最小。另一种是主观的度量，当人眼看不出造成的失真时，失真最小，这时误差小于视觉阈值。这里仅讨论子区间总数定的情形，若增加，失真当然会减小，但此时所需编码的总比特数也增大了。
（1） 均匀量化：
最简单的量化方案是均匀量化，又称为线性量化。即把样本值的整个取值范围均匀地分成K个子区间。均匀量化将[Z0…Zk）均分成个子区间后，每个区间的长度
（2-7）
（2） Max量化：
Max量化器是一种非均匀量化器，它的设计思想是基于信息论的观点，目标是使误差平方最小。其主要思想为p(z)不等于常数，说明样本值在某个取值范围内较频繁出现，而在另外一些范围内出现不多。因此可对样本值较频繁出现的取值范围采用较小的量化区间，量化得精细一点，而在其他地方用较大的量化区间，量化得粗糙一些，这样就可在不增加量化级数K的条件下，降低平均误差，减少量化噪声。
设量化级数为Z，判决电平为[Z0…Zk），qi表示量化电平。那么当
输入信号的范围是时[Z0…Zk），选择均方误差量化器进行量化的误差表示为
（2-8）
Max量化器在总误差平方和最小的意义上是最优的。但是应用在图像处理中，也有它缺陷。一般而言，图像在零附近出现的概率较高，因此量化器在零附近必然量化间隔很密，量化较精细。而实际中，人眼在零附近的分辨率并不灵敏，所以用Max量化器量化得太细是没有意义的[11]。
2.3.2 失量量化
矢量量化是指将一组采样的信号幅度矢量在容许的误差范围内用更少的离散矢量代替。由于它能有效地利用量化的数据采样值间的相关性，矢量量化与标量量化相比，具有更多的优点。当重构层数给定时，矢量量化提供较低的失真；或者当失真给定时，提供的重构层数较少。但是由于矢量量化编码器需要在码书中进行搜索，找出最优匹配位置，运算量比标量量化大得80年代矢量量化才开始用于图像编码。也正因为其实现的困难性，目前多。因此，直到世纪末找到它与视觉匹配的好方法，矢量量化最终未被选人国际标准。尽管如此，矢量量化一度很热，并有不少系统依然采用了矢量量化或和矢量量化的复合量化方法。另外矢量量化的专用芯片也已出现。所以说，矢量量化虽然不是一种最常用的方法，但由于它的优越性，在许多实际的应用中仍然被采纳[13]。
1. 矢量量化的原理
标量量化每次只量化1个采样，而矢量量化一次量化2个以上采样点。原始图像块是一个 灰度级的维矢量， 矢量的每个分量就是一个像素的灰度值，其灰度有4个等级，0最黑，3最亮。矢量量化中码书的设计按照一定的准则，如最佳匹配、最小失真等。矢量量化的过程是一个模式匹配的过程，有多种方法实现这一匹配过程。常用的方法是编码器建立从码书输入码矢量的索引。解码器采用标号从查找表中获得重建矢量输出。

图 2.1
2. 矢量量化器的设计
矢量量化的目的是对任一输入矢量X，若码书尺寸为M，则X={x(0),x(1)…x(n)}在码书中寻找最佳匹配码矢Xopt。矢量量化常用的最佳匹配原则是寻求最小误差。
若矢量X对应码失Xi，总的误差Ep可以表示为
（2-9）
用J范数表示的矢量误差：
（2-10）
假设矢量的维数为K，则上式所述误差可以选以下几种。
（1） 平均绝对误差：
（2-11）
（2） 均方误差：
（2-12）
另外常用的误差准则还有各种加权失真和最大失真等。

第三章 图像的获取 19
第三章 图像的获取
视觉图像的一般的构成光源、场景、摄像机、图像采集卡、计算机。
光源
图像卡
场景
摄像机
计算机

图 3.1
工作原理是：

图 3.2
3.1 光源设计
一个稳定可靠的处理系统，不能仅局限于在实验室里获得一时性的优质影像，重要的是在实际的生产现场持续获得高质量，高对比度的影像。因为与实验室不同，生产现场环境条件会出现各种变化如环境光线的变化，被测物体表面状况，材质和倾斜角度，被测产品种类的更换等。为保证系统的稳定性，提高照明光源的品质是至关重要的。以业界观念来看，适合的就是最好的。实际在选光源时，一般根据实际情况和经验决定选择哪一类光源，最好能在决定前先多试用几种以观察效果。选择条件、几何形状、均匀度、光谱特性、发光效率、使用寿命[49]。光源的作用：
（1） 使视场有足够的亮度——整体亮度，突出特征量。
（2） 满足一定的投影关系——位置变化，成像质量。
（3） 满足一定的滤光要求——区别，对比度。
自然光源——天体、大气。
图 3.3

人工光源——卤素灯、LED光源、荧光灯。

图 3.4
而现在LED光源在机器视觉上应用越来越广。LED 光源主要有以下特点：使用寿命长，应时间短，有红、绿、蓝等颜色可选。选好光源后，一定要注意周围环境光源对系统的影响，尽可能将测量装置用不透明的防护罩以防干扰[49]。

图 3.5
安装方式：
安装方式
位置
优点
背向照明
被测物在电源与摄像机之间
对比度好
前向照明
光源在物体后面
便于安装
结构光照明
在特定位置，有精确的形状
光栅线光源
频闪光照明
高频的光脉冲
高速运动的物体
表 3.1
本系统采用打正光方式，主光源为常见的红光环形LED光源，再辅45°平板式光源以加强像对比度。
3.2 镜头的设计
3.2.1 焦距
焦距：焦距的大小决定视场的大小。
焦距小，视场大，观察范围大，但远处物体分辨不清楚。
焦距大，视场小，观察范围小，但远处物体能分辨清楚。
选择焦距：观测范围——要观测细节，还要较大的观测范围。
近距离大场面——小焦距广角，远处细节——大长焦。
焦距的计算：
(3-1)

图 3.6
3.2.2 光圈和镜头
光圈表示通光量大小，用F表示，F用镜头焦距f和通光孔径D来衡量,F=f/D。光通量与F的平方成反比，F越小，光通量越大。
镜头的种类有照相镜头、摄像镜头、单板式CCD镜头。
镜头的选择对系统来说也很重要。普通摄像镜头的最小工作距离约为500 mm左右，但在工业机器视觉测量，一般要求工作距离都较小，常为30 mm~100 mm之间。所以在使用中要采用近摄头镜。简单的近摄镜头是在普通镜头和CCD相机之间加入一个接圈，使CCD可以位于镜头的像方聚焦面之外一段距离，从而可以摄取到较近距离目标的像，但它受到图像清晰度的限制。首先，镜头的成像面一定要与CCD相机相匹配。CCD芯片一般有1/3英寸、1/2英寸、2/3英寸等等。镜头的成像面不可小于CCD芯片，当然也不要过大。另外如焦距、景深、视野和最小工作距离等也很重要。所有的这些选择，并没有一成之规，只能根据实际情况来决定，如每幅图像所需覆盖的有效工作范围、系统的允许空间、被测物体是否凹凸不平等。一般来说，选择镜头尽可能选择最小工作距离较小，视野较大，且景深较大同时镜头本身的畸变最小。这里采用单板是CCD镜头[49]。
3.3 CCD摄像机
CCD 相机结构基本上与普通相机差异不大，其中最重要的不同在于普通相机的感光元件是胶卷，而CCD相机的是CCD元件。根据CCD元件辨别色彩能力分黑白型CCD相机及彩色CCD相机。在工业控制领域用途最广的是面型CCD相机（黑白型）。当使用普通相机在拍摄快速运动的物体时，图像容易模糊，这要求相机缩短曝光时间即提高快门速度。在CCD相机中可通过电子快门来实现。CCD相机控制每个像素的电荷积累时间，以控制入射光在CCD芯片的作用时间，也即只将某一段时间产生的电荷作为图像信号输出，而其他时间产生的电荷排放掉不予使用。这样，就等效于缩短存储电荷时间，相当于缩短光线照射在CCD上的时间，如同加了快门一样，这就是电子快门的工作原理。本系统中采用日本日立公司KP-F3W黑白模拟CCD相机，该相机内置1/3英寸CCD，其最大像素为699（横）*503（纵），其有效像素为647（横）*485（纵）。其电子快门速度为1/16 000、1/8 000、1/4 000、1/2000、1/1000、1/5001/200 可选[49]。
3.3.1 CCD的原理
CCD是指通过镜头将被测目标转化为图像信号，投射至影像接受器件（即为CCD 元件）上再通过计算机进行分析处理。CCD是英文（Charge Coupling Device）的缩写，其中文含义为电荷耦合组件。当不同强度的光线照射在CCD表面，CCD即发生光电效应，产生对应分布的电荷量。通过模数转换即可得到对应的数字量。由于一般均采用8位模数转换，则最低强度光线（黑）到最高强度光线（白）分成256等分（0~255），专业术语称之为灰阶或灰度。当外部影像通过镜头投影到一块由很多CCD组成阵列的元件板上，每个CCD即可分到该影像的一部分。这样计算机通过A/D转换，读取所有CCD的数据，从而就可得到一幅完整的影像。由于CCD阵列有很多种组合，如：512*480、640*480、800*600、1024*768 等等，专业术语称之为解析度。其中每个CCD称为一个像素（pixel)。当CCD阵列已固定，如采800*600 CCD，一幅影像即被分成800*600等份。当计算机从CCD端取得一幅影像，即根据系统的灰阶设定通过二值化处理，得出影像的轮廓。即可得出指定部位轮廓的像素位置差，根据以标准量块对每像素对应尺寸进行标定，得出换算系数。从而可得出指定测量的尺寸数值[49]。
3.3.2 CCD芯片的尺寸

图 3.7
3.3.3 CCD的分辨率
CCD分辨率是CCD的主要性能，决定显示图像的清晰程度，分辨率越高图像的显示细节越好。
像素——CCD的每一个元素，像素越多，图像越清晰。44万（768*576）、100万（1024*1024）、200万（1600*1200）、600万（2832*2128）。
电视线——与CCD摄像头有关，还与摄像头电路通路的频带宽度有关，通常规律1MHZ的频带宽度频带图像越清晰。
灰度级——灰度分辨率，位数越多，图像越清晰。
3.4 图像采集卡
图像采集卡是图像采集部分和图像处理部分的接口。图像经过采样、量化以后转换为数字图象并输入、存储到帧存储器的过程，叫做采集。由于图像信号的传输需要很高的传输速度，通用的传输接口不能满足要求，因此需要图像采集卡。图像采集卡还提供数字I/O的功能。
由于通过高速PCI总线可实现直接采集图像到VGA显存或主机系统内存，这不仅可以使图像直接采集到VGA，实现单频工作方式，而且可以利用PC机内存的可扩展性，实现所需数量的序列图像逐帧连续采集，进行序列图象处理分析。图3.8是T200AE 图像采集卡。

图 3.8
此外，由于图像可直接采集到主机内存，图象处理可直接在内存中进行，因此图象处理的速度随CPU速度的不断提高而得到提高，因而使得对主机内存的图像进行并行实时处理成为可能。
图像采集卡的技术参数[49]
（1） 图像传输格式：
格式是视频编辑最重要的一种参数，图像采集卡需要支持系统中摄像机所采用的输出信号格式。大多数摄像机采用RS422或EIA644(LVDS)作为输出信号格式。在数字相机中有IEEE1394、USB2.0和Camera Link几种图像传输形式则得到了广泛应用。
（2） 图像格式(像素格式)：
黑白图像