通用的处理链优化方案

虽然在机器视觉中不太重视运动分析和视频处理,但是对于智能摄像机在机器视觉方面来说,通用的IPPR处理链与视频监控的处理链是相似的。图16.3所示为智能摄像机用于机器视觉目的的通用IPPR处理链。如图中所示,流程图可分为三个阶段：信号/图像层次的处理,特征/对象层次的处理和语义/决策层次的处理。

图16.3 智能摄像机用于机器视觉目的的通用IPPR处理链

有必要的话,信号或图像层次的处理就是为了实现图像增强和线性变换。这是因为即使精心选择了摄像机前端、镜头、照明和光学设置,但图像的质量仍然达不到要求,还需进一步改善。图像的增强有许多技术,如通过低通滤波对图像进行平滑处理。变换技术包括灰度变换,辐射校准,仿射变换,投影变换^[237]。线性变换的目的是确保图像中感兴趣的目标处于一致的位置和（或）方向,以便使随后的处理阶段变得简单。(www.xing528.com)

在智能摄像机的核心,特征和对象层次的处理目标是完成特征提取和对象识别/确认。包括计算图像的预定义特征,以便它们（这些特征）可以用来识别感兴趣的对象。从图像到特征集向量的这种转换大大降低了进一步处理时的数据量。特征向量通常比图像本身更具噪声鲁棒性。图像分割,或感兴趣区域的识别,通常是特征提取的第一阶段或者有时可以作为特征提取的全部需要。常见的特征包括形状,轮廓,颜色,纹理和大小。边缘检测与提取是最常用的分割技术之一。形态学操作和几何拟合可以用来提高分割结果。模式识别技术可以用来识别基于特征的感兴趣对象。最常用的技术之一是模板匹配。最近,我们已经见证了把基于神经网络的对象识别算法嵌入到智能摄像机的机器视觉中^{[567,565,538]}。

语义或决策层次的处理包含了智能摄像机中所有的工作。上一阶段处理产生的特征或对象与预定义的测试标准,参考特征或者参考对象进行比较,然后对正在讨论的对象做出“正常”与否（故障零件）的决定。如果是“正常”,除了收集一些用于统计分析目的的数据外,不采取任何行动;如果不是“正常”,控制信号被发送到执行器或设备,使出现故障的零件被处理（例如,放入垃圾桶或者附上标记）。