照明对机器视觉应用的影响

机器视觉系统中的照明设计是极其重要的一部分，如何选择光源方案，它的好坏直接影响着后面的图像处理。通过适当的光源照明设计，使图像中的目标信息与背景信息得到最佳分离，可以大大降低图像处理算法分割、识别的难度，同时提高系统的定位、测量精度，使系统的可靠性和综合性能得到提高。

合适的照明是机器视觉应用成功的关键，如果光源设计不当，会导致在图像处理算法设计和成像系统设计中事倍功半。因此，光源及光学系统设计的成败是决定系统成败的首要因素。

一个设计良好的照明系统不仅会带来更好的性能，节约时间，而且从长远来看能节约成本。当选择照明时需要考虑以下五个方面：

1. 表面是光滑，还是崎岖不平？

2. 表面是暗淡，还是光亮？

3. 对象是弯曲的，还是平坦的？

4. 条码或标记的颜色是怎样的？

5. 是检测移动的物体，还是静止的对象？

对于将质量视为输出的机器视觉系统依赖于图像质量。高质量的图像使得系统能够精确地解释出从检测物体中提取的信息，这样就可以产生可靠的并可重复的系统性能。

在视觉应用中需要的图像质量很大程度上取决于照明条件：颜色，角度和光源。照明对象的光源数量意味着好图像之间的差异，有可能会产生更好的性能，也会带来质量差的图像，产生不好的结果。

机器视觉照明应该最大化特征对比，同时最小化其它剩下的对比度，让相机清晰看到标记。高对比度特征简化集成和提高可靠性，对比度差的图像需要来自照明系统的更多努力，而且也增加了处理时间。

最优的照明取决于检测物体的尺寸，它的表面特征和部分几何特征和系统需求。具有宽范围的波长（颜色），视场（尺寸），对于特殊应用需要，就可以灵活的选择机器视觉照明。

使用非漫射光检测玻璃裂痕

检测玻璃容器上的裂痕，划痕等缺陷。在这个应用中，用暗场照明技术来建立明亮的光学照明环境，在暗背景下检测感兴趣特征。在暗场区域中光线直接照射透明的玻璃瓶子，大多数穿透透明对象的光线不会被相机检测到。

如果材料不规则，比如有裂纹，一些光线就会凸显出这个不规则。特别是划痕创立了一个内部空缺，这里的光线折射和反射，以许多角度散射包括返回给相机。这些光线将很难检测的划痕转换到暗背景下的亮特征。

使用颜色创造对比度

在机器视觉应用中创造一个高对比度图像的方法是用特殊波长的光照明物体。对于黑白相机来讲，光的波长能使得跟彩色一样的特征变亮或变暗。

使用彩色物体对象作为参考，选择一个相反颜色的光来使得特征变暗，或选相同颜色的光使得特征变亮。比如：

1、如果想变暗的特征是红色，则使用绿光。

2、使用绿光能使得绿色特征呈现更亮。

使用红外光消除反射

机器视觉系统依靠数字图像中的灰度级转化，在许多视觉应用中，环境光带来了不必要的亮反射，这样使得检测感兴趣特征变得困难。

红外光就能解决这个问题，红外光能用于在彩色对象之间消除灰度差别。暗对象吸收红外波长，创造出图像的一致性，而其它则呈现阴影。