Blob检测根据上面得到的处理图像,根据需求,在纯色背景下检测杂质,机器视觉发展,并且要计算出的面积,以确定是否在检测范围之内。因此图像处理软件要具有分离目标,检测目标,并且计算出其面积的功能。Blob分析(BlobAnalysis)是对图像中相同像素的连通域进行分析,该连通域称为Blob。经二值化(BinaryThresholding)处理后的图像中可认为是blob。Blob分析工具可以从背景中分离出目标,并可计算出目标的数量、位置、形状、方向和大小,机器视觉识别,还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析,而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE)来表示相邻的目标范围。这种算法与基于象素的算法相比,大大提高处理速度。
在行业应用方面,主要有制药、包装、电子、汽车制造、半导体、纺织、、交通、物流等行业,用机器视觉技术取代人工,可以提供生产效率和产品质量。例如在物流行业,可以使用机器视觉技术进行快递的分拣分类,不会出现大多快递公司人工进行分拣,减少物品的损坏率,可以提高分拣效率,减少人工劳动。[6]产展编辑机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术,后来一直在机器视觉中应用。罗伯兹在图像分析过程中,采用了自底向上的方法。用边缘检测技术来确定轮廓线,用区域分析技术将图像划分为由灰度相近的像素组成的区域,这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述,以便同机内存储的模型进行比较匹配。实践表明,只用自底向上的分析太困难,必须同时采用自顶向下,即把目标分为若干子目标的分析方法,运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中,机器视觉光源,A.古兹曼提出运用启发式知识,表明用符号过程来解释轮廓画的方法不必求助于诸如二乘法匹配之类的数值计算程序。70年代,机器视觉形成几个重要研究分支:①目标制导的图像处理;②图像处理和分析的并行算法;③从二维图像提取三维信息;④序列图像分析和运动参量求值;⑤视觉知识的表示;⑥视觉系统的知识库等。
机器视觉发展-金华机器视觉-格拉尼视觉科技(查看)由苏州格拉尼视觉科技有限公司提供。苏州格拉尼视觉科技有限公司(www.grani.com.cn)在工业自动控制系统及装备这一领域倾注了诸多的热忱和热情,格拉尼视觉科技一直以客户为中心、为客户创造价值的理念、以品质、服务来赢得市场,衷心希望能与社会各界合作,共创成功,共创。相关业务欢迎垂询,联系人:朱春雷。