机器视觉与人眼视觉的对比、图像好坏的标准

机器视觉是对人眼视觉的模拟，两者之间有很多的结构相似性，也有很多区别。人类视觉是一个眼球与大脑高等思维相互配合的复杂过程，不仅包含精密的生理学机制，也包括复杂的高等思维过程，所以，人眼视觉在大部分领域都远远优秀于机器视觉。当然，这并不是说机器视觉没有特殊之处。

 图像好坏的描述标准

在艺术摄影领域，图片的好坏自有一套美学的描述标准。同样，在机器视觉成像领域，也会有图片的好坏描述标准。

从上图像好坏对比图中可以看出，在第一组图像中，上图特征可以完全显示出来但在下图中，部分特征无法完全显示;在第二组图像中，上图对焦比较好，但在下图中，图像比较模糊，图像细节显示不清晰;在第三组图像中，上图待测特征非常凸显但在下图中，待测特征的灰度和背景很相近，并没有比较明显的灰度差。从这几组图片中，我们得出了关于图像好坏标准的几点准则。

1、对比强烈

在一张图像中，如果特征相比背景有很强的对比度，那么在视觉软件中，这些特征就很容易被识别到，并且识别效果相对稳定。在工程应用中，提高图像对比度可以通过合适的打光实现，比如对轮廓检测，打背光就会有比较好的对比度效果，此外，有时也可以通过图像处理来实现图像对比度增强，比如图像二值法运算。

2、征完整

图像特征完整要求在对特征成像时要选择合适的视野。视野不能太大，一般来说，视野越大，图像精度越低，当然，视野也不能过小，否则会漏掉局部关键特征。视野主要与三点因素相关，即镜头焦距、工作距离和相机芯片尺寸。

3、边缘锐利

边缘锐利是图像好坏标准中比较重要的一个要索。

图像黑白过渡仅需一个像素就完成图像由黑到白的变化，这样就可以准确确定出图像边界所在的位置;在图中右部分，图像由黑到白过渡，经历了五个像素的变化，这就会导致在确定图像边界时可能产生五个像素的误差，假设一个像素的尺寸为0.1mm，这就意味着可能会有 0.5mm 的测量误差。在具体项目应用中，可以选择特殊的远心镜头配合平行光使用，以提高图像边缘锐利程度。

4、颜色真实

图像颜色的真实性要求主要是针对彩色图像。在一般领域里，对颜色识别要求没那么严格时，但在特殊领域，如生理学、医学领域，对颜色要求是比较严格的。