使用光学优化机器视觉应用

解释使用光学的基本原理，以优化机器视觉应用。

镜头负责创建足够的图像质量，以使视觉系统来提取关于从图像中对象所需的信息。在典型的应用中
，镜头需要定位视场（FOV）的领域内的特征，确保功能都在焦点，最大化对比度和避免透视失真。什么可以是足够的图像质量为一个应用程序可能不足以另一个
。本文将介绍使用光学优化机器视觉应用的基础知识
。

 

机器视觉光学的基本知识

由镜头成像的被摄体区域被称为视场（FOV）的字段。视场应包括那些对与对齐误差公差检查所有功能
。工作距离（WD）是被成像从镜头到对象的前部的距离。

景深（DOF）是最大对象深度

，可以完全在焦点被维持
。传感器的尺寸是相机传感器的有源区域中，典型地在水平维度指定的大小。主倍率是传感器尺寸和视场之间的比率。与保持恒定主倍率
，降低了传感器的尺寸减小的视场

，并提高了传感器的尺寸增大的视场
。

 

分辨率

分辨率是视觉系统再现物体细节的能力的一种测量方法

。例如，一个带有两个小物体的图像
，它们之间有一定的有限距离
。当它们通过镜头成像到传感器上时
，它们是如此紧密的结合在一起，它们被成像到相邻的像素上。如果老哥俱乐部要放大，老哥俱乐部会看到一个对象，是两个大小的像素，因为传感器不能解决的对象之间的距离
。的对象之间的分离已被增加到一个点，有一个在图像中的它们之间的分离的像素。这种图案的像素，像素和像素上
，称为线对，是用来定义系统的像素分辨率
。

 

对比

对比度是在图像中的黑人和白人之间的强度的分离。一个黑人和一个白人之间的差异越大，对比度越好。例如，在相同的高分辨率传感器相同的位置和焦距不同的镜头拍摄的一个不一样的标签的两个不同的图像。不同的是
，用于在右边的图像的镜头提供了更高的对比度
，因为它是一个更好的匹配的高分辨率传感器。

颜色过滤可以用来增加对比度
。一个机器视觉应用程序设计来区分红色和绿色的凝胶胶囊添加一个红色或绿色的过滤器，增加了对比度的角度来看，视觉解决方案变得更加强大

。

 

衍射

在现实世界中，衍射，有时被称为镜头模糊，降低了在高空间频率的对比度，设置一个较低的限制，对图像的光斑尺寸
。

相同的测试应用到不同的镜头具有相同的焦距和相同的视野，使用相同的图像传感器将产生一个对比度降低到47%的中心，42%在底部中间和37%在角落里
。三分之一镜头是不同的

，在该性能是好的在中心的图像在52%对比度，下降到36%的角落位置，并下降甚至更多的底部中间到22%。值得注意的是，所有这三个镜头都有相同的视场
、景深、分辨率和初级放大。镜头的性能可以有一个戏剧性的影响
，传感器的能力，辨别在应用程序中是重要的细节。

 

景深

字段的深度是最接近和最远的工作距离之间的差异的一个对象可能会被观察之前观察到一个不可接受的模糊。f停止值（F / #）
，也被称为光圈或光圈镜头的设置有助于确定景深。F / #是镜头焦距除以镜头的直径
。F / #是指定的大部分镜头在无穷远焦距
。为减少F / #
，镜头不光收集。减少光圈设置或使光圈较小增加场深度。

增加的允许模糊也增加景深。在景深最佳聚焦位置由绿线
，这是接近最接近镜头的景深的末端。

一个用不同的焦距

，是专为机器视觉的应用会产生以下结果
：镜头与光圈完全开放，线是灰色而不是黑色和白色的数字有点清晰，但高度模糊；与虹膜大多封闭
，提高了分辨率
，更在该地区的利益和图像是锋利在工作距离范围显示。

 

扭曲

失真是一种光学误差或像差
，导致在不同的放大倍数在图像内的不同点。透视变形是由一个事实，即进一步的一个对象是从相机

，较小的它通过一个镜头
。透视变形可以最小化通过保持相机垂直于视图的字段。

透视失真可以用远心镜头来尽量减少光。

 

结论

光学是非常重要的机器视觉应用的整体成功。这里所示的例子表明考虑的整体系统，包括光学，照明和视觉系统
，而不是简单地挑选组件的重要性。当你在讨论与供应商的应用程序时，一定要完全解释检查的目标，而不是只是要求特定的组件
，使供应商可以有助于应用程序的成功。

 

技术提示

目标可以被用来确定一个系统的限制分辨率以及如何以及传感器和光学相互补充。

在现实世界中，衍射
，有时被称为镜头模糊

，降低了在高空间频率的对比度，设置一个较低的限制，对图像的光斑尺寸。

透视失真可以用远心镜头来尽量减少光。