我国机器视觉检测发展现状
我国机器视觉检测行业的起步比较晚,集中度也不是很高,视觉检测设备代理商,较开始主要是代理国外品牌。近几年,很多的经销商开始自主开发产品,但在行业分布、渠道分销以及成熟的自动化产品等方面还是和国外有一定差距。国内机器视觉检测的相对成熟的自动化产品质量以及技术含量偏低,市场也远远没有饱和。
机器视觉检测企业大体可以分为层开发厂商、二次开发厂商和产品代理商。国内机器视觉检测企业主要为国外机器视觉检测产品代理商和系统二次开发厂商。目前进入我国机器视觉检测市场的国外品牌有100多家,我国本土的企业负责销售代理的企业有200多家,专业的系统集成商**过50家。我国真正的专业机器视觉检测底层厂商凤毛麟角,本土机器视觉检测系统厂商和机器视觉检测系统元器件生产商存在缺失。
图像的分割
图像分割是将图像分成若干部分,每一部分对应于某一物体表面,在进行分割时,每一部分的灰度或纹理符合某一种均匀测度度量。某本质是将像素进行分类。分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割是图像处理技术的基本方法之一,应用于诸如染色体分类、景物理解系统、机器视觉等方面。
图像分割主要有两种方法:一是鉴于度量空间的灰度阈值分割法。它是根据图像灰度直方图来决定图像空间域像素聚类。但它只利用了图像灰度特征,并没有利用图像中的其它有用信息,视觉检测设备,使得分割结果对噪声十分敏感;二是空间域区域增长分割方法。它是对在某种意义上(如灰度级、组织、梯度等)具有相似性质的像素连通集构成分割区域,视觉检测设备代理,该方法有很好的分割效果,视觉检测设备哪家好,但缺点是运算复杂,处理速度慢。其它的方法如边缘踪法,主要着眼于保持边缘性质,跟踪边缘并形成闭合轮廓,将目标分割出来;锥体图像数据结构法和标记松弛迭代法同样是利用像素空间分布关系,将边邻的像素作合理的归并。而基于知识的分割方法则是利用景物的先验信息和统计特性,首先对图像进行初始分割,抽取区域特征,然后利用领域知识推导区域的解释,较后根据解释对区域进行合并。