• 线阵相机与面阵相机的区别


    线阵相机

      主要应用于工业、医疗、科研与安全领域的图象处理。 在机器视觉领域中,线阵相机是一类特殊的视觉机器。与面阵相机相比,它的传感器只有一行感光元素,因此使高扫描频率和高分辨率成为可能。线阵相机的典型应用领域是检测连续的材料,例如金属、塑料、纸和纤维等。被检测的物体通常匀速运动 利用一台或多台相机对其逐行连续扫描 , 以达到对其整个表面均匀检测。可以对其图象一行一行进行处理 , 或者对由多行组成的面阵图象进行处理。另外线阵相机非常适合测量场合,这要归功于传感器的高分辨率 它可以准确测量到微米。

      1:线阵相机,机顾名思义是呈“线”状的。虽然也是二维图象,但极长,几K的长度,而宽度却只有几个象素的而已。一般上只在两种情况下使用这种相机:一、被测视野为细长的带状,多用于滚筒上检测的问题。二、需要极大的视野或极高的精度。

      2:在第二种情况下(需要极大的视野或极高的精度),就需要用激发装置多次激发相机,进行多次拍照,再将所拍下的多幅“条”形图象,合并成一张巨大的图。因此,用线阵型相机,必须用可以支持线阵型相机的采集卡。 线阵型相机价格贵,而且在大的视野或高的精度检测情况下,其检测速度也慢--一般相机的图象是 400K1M,而合并后的图象有几个M这么大,速度自然就慢了。

      由于以上这两个原因,线阵相机只用在极特殊的情况下。

     

    面阵相机

      相机像素是指这个相机总共有多少个感光晶片,通常用万个为单位表示,以矩阵排列,例如3百万像素、2百万像素、百万像素、40万像素。百万像素相机的像素矩阵为W*H=1000*1000.

      相机分辨率,指一个像素表示实际物体的大小,用um*um表示。数值越小,分辨率越高.FOV(Field of View, 视场)是指相机实际拍摄的面积,以毫米×毫米表示。FOV是由像素多少和分辨率决定的。相同的相机,分辨率越大,它的FOV就越小。例如1K*1K的相机,分辨率为20um,则他的FOV=1K*20 × 1k*20=20mm ×20mm,如果用30um的分辨率,他的FOV=1K*30×1k*30=30mm×30mm。在图像中,表现图像细节不是由像素多少决定的,而是由分辨率决定的。分辨率是由选择的镜头焦距决定的,同一种相机,选用不同焦距的镜头,分辨率就不同。如果采用20um分辨率,对于1mm*0.5mm的零件,它总共占用像素1/0.02 ×0.5/0.0250×25个像素,如果采用30um的分辨率,表示同一个元件,则有1/0.03×0.5/0.03=33×17个像素,显然20um的分辨率表现图像细节方面好过30um的分辨率。

     

      既然像素的多少不决定图像的分辨率(清晰度),那么大像素相机有何好处呢?答案只有一个:减少拍摄次数,提高测试速度。

    1个是1百万像素,另1个是3百万像素,清晰度相同(分辨率均为20um,1个相机的FOV20mm×20mm400平方mm,第二个相机的FOV1200平方mm,拍摄同一个PCB,假设第1个相机要拍摄30个图像,第2个相机则只需拍摄10个图像就可以了。

    对于面阵CCD来说,应用面较广,如面积、形状、尺寸、位置,甚至温度等的测量。面阵CCD的优点是可以获取二维图像信息,测量图像直观。缺点是像元总数多,而每行的像元数             一般较线阵少,帧幅率受到限制,而线阵CCD的优点是一维像元数可以做得很多,而总像元数角较面阵CCD相机少,而且像元尺寸比较灵活,帧幅数高,特别适用于一维动态目标的测量。以线阵CCD在线测量线径为例,就在不少论文中有所介绍,但在涉及到图像处理时都是基于理想的条件下,而从实际工程应用的角度来讲,线阵CCD图像处理算法还是相当复杂的。

      由于生产技术的制约,单个面阵CCD的面积很难达到一般工业测量对视场的需求。线阵CCD 的优点是分辨力高,价格低廉,如TCD1501C型线阵CCD,光敏像元数目为5 000,像元尺寸为μm×μm×μm(相邻像元中心距)该线阵CCD一维成像长度35 mm,可满足大多数测量视场的要求,但要用线阵CCD获取二维图像,必须配以扫描运动,而且为了能确定图像每一像素点在被测件上的对应位置,还必须配以光栅等器件以记录线阵CCD每一扫描行的坐标。一般看来,这两方面的要求导致用线阵CCD获取图像有以下不足:图像获取时间长,测量效率低;由于扫描运动及相应的位置反馈环节的存在,增加了系统复杂性和成本;图像精度可能受扫描运动精度的影响而降低,最终影响测量精度。

      即使如此,线阵CCD获取图像的方案在以下几方面仍有其特有的优势:线阵CCD加上扫描机构及位置反馈环节,其成本仍然大大低于同等面积、同等分辨率的面阵CCD扫描行的坐标由光栅提供,高精度的光栅尺的示值精度可高于面阵CCD像元间距的制造精度,从这个意义上讲,线阵CCD获取的图像在扫描方向上的精度可高于面阵CCD图像;新近出现的线阵CCD 亚像元的拼接技术可将两个CCD芯片的像元在线阵的排列长度方向上用光学的方法使之相互错位12个像元,相当于将第二片CCD的所有像元依次插入第一片CCD的像元间隙中,间接“减小”线阵CCD像元尺寸,提高了CCD的分辨率缓解了由于受工艺和材料影响而很难减小CCD像元尺寸的难题,在理论上可获得比面阵CCD更高的分辨率和精度。

    因此,线阵CCD加扫描运动获取图像的方案目前仍使用广泛,尤其是在要求视场大,图像分辨率高的情况下甚至不能用面阵CCD替代。但是,仅有高的分辨率还不能保证有高的图像识别精度,特别是线阵CCD获取的图像虽然分辨率高,但由于受扫描运动精度的影响,其图像较面阵CCD图像更具特殊性。因此,图像识别时不仅要充分利用分辨率高的优势,还必须从算法上克服扫描运动的影响,使机械传动的误差不致直接影响最终的图像识别精度。

     

    线阵CCD图像的特点

      由于CCD像元是有间隔的,不论面阵还是线阵CCD获取的图像外观虽然是致密的,但实质上都是离散图像,但面阵CCD像元在纵横两个方向间隔一致,其图像的离散度是一致的,而线阵CCD图像由于存在像元间距和扫描行距,像素点在两个坐标方向上的距离分别是像元间距和扫描行距,一般来说扫描行距受机械传动部分的限制,远大于像元间距。

    线阵CCD获取二维图像,必须配以扫描运动,在此过程中,线阵CCD在电机驱动下水平前移,按照固定的时间间隔采集一行图像。从理论上讲,电机运动速度应该是匀速的;CCD采集图像的时间间隔主要取决于光积分时间,也应该是相等的,因此行距应该是相等的,但由于电机运动产生的振动、启停过程中速度的变化,特别是机械传部分的误差都会影响采集行距的一致性,同时,线阵CCD 自身光积分时间也会影响采集行距

  • 相关阅读:
    .net操作oracle,一定要用管理员身份运行 visual studio 啊,切记切记,免得报奇怪的错误。
    基于 bootstrap 的 vue 分页组件
    前端UI框架《Angulr》入门
    EF 中 Code First 的数据迁移以及创建视图
    Oracle自动备份.bat 最新更新(支持Win10了)
    总结一下Android中主题(Theme)的正确玩法
    并不优雅
    思考:有三扇门,其中一扇门里有奖品,三选一,你选择其中一扇门之后,主持人先不揭晓答案,而是从另外两扇门中排除掉一个没有奖品的门,现在主持人问你,要不要换个门,请问你换还是不换?
    TensorFlow开发者证书 中文手册
    在C#下使用TensorFlow.NET训练自己的数据集
  • 原文地址:https://www.cnblogs.com/ljfy-yjw/p/3972223.html
Copyright © 2020-2023  润新知