机器视觉中的光学知识

机器视觉系统非常复杂。即使在简单的系统中，硬件和软件也可以一起工作以产生结果。虽然有许多重要的组成部分，但其中一个突出的是：镜头。

没有光学科学的帮助，今天的机器视觉应用将是不可能的。自望远镜和眼镜诞生以来，光学科学不断发展，现在支持高端电子成像。

这个镜头非常重要，因为它可以捕获软件终重新创建的数据。它可以定位图像特征，保持焦点，化对比度。然而，它在各种规格下运行，必须优化以实现性能。

其中包括：

视场：视场是透镜成像的物体区域。系统必须检查的所有功能都应包括在内。FOV在测量和对齐的应用中，视场以校准对象位置的固定几何形状显示图像。

工作距离：镜头到物体的距离。

景深：景深是可以完全聚焦的物体深度。它还可以确定在保持可接受的聚焦水平的同时可以改变多少工作距离。

传感器尺寸：传感器尺寸决定了传感器的活动区域。通常在水平尺寸上测量。传感器尺寸与视场之间的比率是主要的放大倍率。通常，传感器越大，图像就越好。

分辨率：分辨率描述了视觉系统详细复制物体的能力。较小的传感器无法区分物体的细节。甚至必须使用具有适当收缩率和分离度的大型复杂传感器来区分物体。

对比和过滤

对比度是图像白色和黑色部分之间的强度分离。两者之间的差异越大，对比度就越高。即使在传感器、位置和焦距不变的情况下，正确的镜头也能增强对比度。

增加对比度的一种方法是颜色过滤。许多基本的传感器和镜头可能非常适合特定的工业应用程序，但颜色之间只有细微的差异。添加适当颜色的滤镜（例如，红色或绿色）可以改善对比度，补偿环境光的变化。

衍射与失真

又称镜头模糊，衍射会降低高空间频率下的对比度，从而降低图像质量。理想镜头行为与实际镜头行为之间的差距称为像差。畸变是一种特殊的像差，会导致整个图像的倍率差异。一些视觉系统可以使用软件来弥补这个问题。

机器视觉工程师应具备光学知识，以开发可能的系统。