机器视觉软件是如何做到适应工业环境的

通过对比和综合分析各种实际工业应用的需求，不难发现除了要对图像信号自身研究外，机器视觉软件通常还需要适应以下几种被测目标的变化情况，才能在工业环境中具有实用性。

（1）平移和旋转

机器视觉系统的被测目标并不一定都会出现在视场内某一固定位置，多数情况下会在视场内平移或旋转。机器视觉软件应对被测目标的变化保持平移不变性（Shift-Invariant）和旋转不变性（Rotate-Invariant）。也就是说即使被测目标在视场内平移或旋转，机器视觉软件也应能获得一致的检测结果，并返回被测目标位置相对于模板图像的平移和旋转角度。

（2）尺度变化

机器视觉软件应对被测目标的尺度变化保持不变性（Scale-Invariant）。当被测目标的尺寸在机器视觉系统采集到的图像中不固定时，机器视觉软件应能具有相对一致的检测结果，并返回所被测目标相对模板图像的缩放比例。

（3）目标交叠

机器视觉软件应对部分交叠（Partial Occlusion）的目标具有相对准确的检测能力，当被测目标之间有相互覆盖的情况时，机器视觉软件应仍能正确匹配到目标，并返回被覆盖部分占整个目标的比例。

图1给出了一个图像中被测目标旋转、缩放及交叠的例子。

（4）光源强度线性或非线性变化

机器视觉软件应对光源强度线性或非线性变化保持不变性。当机器视觉系统的光源强度整体变暗或变亮（图像整体变暗或变亮），或市场中的光强呈非线性变化（图像中各部分亮度不同）时，机器视觉软件应仍能获得相对一致的匹配结果。图2显示了光源强度线性变化和非线性变化时，对机器视觉系统所采集图像的影响。

（5）模糊目标和噪性

机器视觉软件应能在图像中含有噪声，或者被测目标模糊不清时，仍能准确完成检测任务。例如在对于图3（b）和（c）中的噪声图像和模糊目标，机器视觉软件应仍能正确从中匹配到模板图像（a）所示的电路板一角。