视觉之工业视觉与计算机视觉的详细介绍

视觉详细介绍

目前市面上，关于智能制造，人工智能，智慧农业，医疗影像器械等的公司，使用的视觉平台以及算法原理的介绍。

工业视觉与计算机视觉的区别

工业制造的特性在于跟着行业，科技，时兴的事物的发展，即时性强。
深度学习需要的样本量过于大，标注耗时，但是识别率稳定且高效，配合不同的深度学习框架可达到自己想要的效果。 长久发展且需要的东西可以用深度学习。
所以，机器学习利用的深度学习的特性，又不需要数据过于庞大的图像，适合于图像识别分类，语义分割等。适合工业制造
所以工业视觉与计算机视觉的特点就在于，工业上的视觉方案说不定只用1年就换了，而深度学习，对于人，树，等其他物体的长久学习，训练之后的结果，始终会用到。
对于图像预处理的底层都是通的，不管是工业视觉算法还是计算机视觉算法，底层都是对于图像的预处理，而对于图像的数据处理，其实就是在一个二维或者三位矩阵中，找自己想要的数据筛选成像，举栗子：用11，33，66，99等的模块，对矩阵平均化，然后插值或利用其它数学公式得到自己想要的 那个特征之后 的图片，然后找边，或深度学习处理。更为容易。

halcon(德国)

1、HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，它节约了产品成本，缩短了软件开发周期。
　　Halcon：底层功能算法多，运算性能快，开发需要一定软件功底和图像处理理论。
　　快速学习做法：研究实例、做实战项目。halcon不能提供相应的界面编程需求，需要和vs来构造MFC界面或者QT使用，才能构成一套完整软件。

2、需求主要有二维三维
　　二维：（1）识别定位；（2）OCR识别；（3）二维码识别；（4）测量；（5）缺陷检测；（6）机器控制等
　　三维：（1）多目标定（2）三维重建（3）三维匹配等
　
3、成为合格的机器视觉工程师须具备三个方面的知识
　　图像处理涉及以下几大领域：
　　A、图像处理的基本理论知识（图像理论的基础知识）
　　B、图像增强（对比度拉伸、灰度变换等）
　　C、图像的几何变换（仿射变换，旋转矩阵等）
　　D、图像的频域处理（傅里叶变换、DFT、小波变换、高低通滤波器设计）
　　E、形态学（膨胀、腐蚀、开运算和闭运算以及凸壳等）
　　F、图像分割
　　G、图像复原
　　H、运动图像
　　I、图像配准（模板匹配等）
　　J、模式识别（分类器训练，神经网络深度学习等）
HALCON主要完成图像算法的流程套路如下：
　　特征提取总结：
　　1、几何特征（面积、周长、矩形度）
　　2、纹理特征（与灰度相关，如熵、能量值）
　　3、颜色特征
　　4、概率特征
　　5、算子描述特征
　　6、Hough特征（梯度直方图特征）
　　做机器视觉的项目，拿到项目时一般遵循如下流程：
　　第一步：需求分析，建立相应的方案
　　第二步：算法流程规划及业务逻辑设计
　　第三步：模块化编程及集成化实现
　　第四步：调试，根据反馈结果来不断的修改程序Bug，达到客户需求，最后交付客户及软硬件操作文档。

VisionEditor（日本）

基于基恩士的工业设备从而衍生的工业软件，用于识别，测量，深度学习，只能说智能设备集成的可以，举例：一个智能2相机，自带光源，通上电，插上网线，就能控制光源，并采集图像数据。设备也好看，精巧，就是贵，举例：同等精度的3D相机，基恩士是LMI的一倍，不知道是不是其他的有所隐藏！！！

Sherlock（加拿大）

对于只需零件定位的应用（比如机器人Pick&Place,分类和零件装配等应用）,可以只买HexSight定位器这一单一模块
对于复杂完整的检测（如零件检测、测量），可以买HexSight的完全版
对于OEM应用，可以提供一种特定的版本，其中包含图像捕获设备和定位工具（大批量的情形）
仅含定位器的软件包
被广为接受，包含以下工具：

• 图像捕获设备：包含自动标定的工具，可以补偿因镜头垂直度和畸变造成的误差
• 对象定位器：带有自动试教功能，能根据几何轮廓找寻定位零件。返回X-Y坐标，方向，大小比例和用户定义的参考点坐标，搜索区域可限于用户定义的ROI（兴趣域）
• 类库：Active X拉件集，使定制系统能对内部图像进行操作。
  完全的HexSight软件包
  除了上面提到的3个工具外，还有
  *图像处理工具：提供多样化的图像处理算法，比如算术 运算，逻辑运算，形态变化和直方图等功能。图像处理可发生在任意工具之前或之后。
  *边缘定位工具：采用矩形或圆弧投影能定位多个边缘
  *模式定位工具：采用可定制模式匹配算法来找寻灰度模式， 以提高速度和精度等等
  *测量工具：能测量线性和圆弧特征
  *Blob分析工具：能计算内在和外在的几何属性，如重心，周长，面积，包络矩形，主轴还有灰度属性。支持三种图像域化方法：二值，软二值和动态阈值处理。
  *取样工具：对实现可定制检测非常有用，它通过从一基于模板的ROI（兴趣域）中取样图像数据，然后提供给定制系统的特定C++算法或任意HexSight工具，包括定位器进行处理
• 图像（清晰度）计算工具：评估/计算由用户定义兴趣域内图像的清晰度，对于自动对焦电机控制非常理想。
• 图像直方图工具：计算用户定义兴趣域内图像灰度使统计信息。
  应用开发
  采用标准Active X控件Visual Basic或Visual C++(PC平台)的柔性开发环境。
  –多坐标系统(系统坐标，图像坐标，对象坐标和工具坐标)，所返回的识别结果采用用户选用的单位,易于理解。
  –简易的开发步骤，边写程序边看效果，所见即所得。
  –基于模板的检测和测量工具自动叠加到寻找到的对象事件上。
  –在生产或OEM产品中，编程界面可完全隐藏起来。

VisionPro（美国）

VisionPro是美国公司康耐视的一款视觉处理软件，是目前市面上众多视觉软件中好用的一个。
VisionPro 提供了易于应用的交互式开发环境，您通过简单的拖放操作，即可完成相机取像配置，视觉工具集成，以及离散输入输出的分配。在视觉工具层，通过视觉工具终端之间的拖动操作，可方便完成各工具之间的结果传递。另外VisionPro 可以通过应用程序向导生成应用程序，不需要任何代码即可完成视觉项目。当然VisionAPI还对VB.NET、C# 、VC++提供了完美的支持，通过这些易用的高级语言调用VisionPro 控件，也能够方便且灵活的开发出自己的视觉应用程序。总之VisionPro QuickBuild 开发环境易学易用，能够迅速做出视觉方案，及时响应客户，也能迅速完成项目的代码编写，提供方便的调试能，能够快速实现项目的验收。

LabVIEW（美国）

LabVIEW是一种程序开发环境，由美国国家仪器（NI）公司研制开发，类似于C和BASIC开发环境，但是LabVIEW与其他计算机语言的显著区别是：其他计算机语言都是采用基于文本的语言产生代码，而LabVIEW使用的是图形化编辑语言G编写程序，产生的程序是框图的形式。LabVIEW软件是NI设计平台的核心，也是开发测量或控制系统的理想选择。 LabVIEW开发环境集成了工程师和科学家快速构建各种应用所需的所有工具，旨在帮助工程师和科学家解决问题、提高生产力和不断创新。 拖、拉、拽、模块化编程，只要你的逻辑足够强大，那么你可以硬生生的拖拉拽一个牛逼的软件出来。

NIVision（美国）

Vision Acquisition Software - 可以从上千种不同的相机采集、保存、并显示图像。包括支持NI帧采集器(NI frame grabber)、1394相机、GigE相机的驱动,主攻相机SDK这块，算法都一样，你懂的。

MIL（美国）

MIL（Matrox Imaging Library）是类似Halcon 、Vision Pro、AVS等商用视觉算法库；他有着算法丰富、价格便宜、兼容性高等优点。
习惯于好用且熟悉的东西（Halcon）之后，就不想在选择了。

Microscan（美国）

数据采集与控制解决方案
　无论是生产消费电子还是医疗设备和汽车的零部件，Microscan的解决方案都有助于实现诸如质量控制、生产过程监控这一类的关键性生产管理任务，引导货品的传送、零部件的追溯、分类以及批次跟踪。精确性 Microscan（迈思肯）产品是高精度的仪器。从高速条码读取这一类业务直到通过机器视觉进行高精度定向、安放和坐标检查， Microscan产品都可靠地执行复杂的数据采集任务。技术先导:Microscan（迈思肯）具有突出的技术创新历史。我们在80年代初就以发明第一款激光二极管条码扫描器以及发明二维数据矩阵符号，在自动识别（Auto ID）产业掀起了一场革命。时至今日，Microscan（迈思肯）继续在条码读取和机器视觉领域进行新产品开发，仍然是公认的技术领先者。
一站式应用集成，不适合开发者使用。
———————————————————————————————————————————
总结：关于工业视觉可能还有其他好用，但是不开放的，可能也有其他开源的，但是目前市场上最火的还是Halcon.，方便快捷，可联合多种开发语言开发视觉程序。

深度学习

OpenCV

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令， 如今也提供对于C#、Ch、Ruby，GO的支持。
目前主要联合深度学习框架，搞人工智能，语义分割，人脸识别，大数据信息处理等。也可用于工业制造。

EmguCV和OpenCVSharp

这两个东西都是日本人基于，OpenCV封装后的，只不过OPenCVSharp语法，参数等更接近与OpenCV。为什么要封装OPenCV ? 问的好，因为OPenCV只支持C++，当然你也可以自己去封装，毕竟有现成的，所以就不封装了，万一没人家封的好，那就是一江春水向东流，闭门造自行车，出来后，已经到了星际旅行的时代了。

深度学习框架

1、Tensorflow
2、TensorForm
3、Caffe
4、Torch
5、PyTorch
关于深度学习框架，也是属于对数据信息的处理，不仅仅局限于图像。 音频，味道，触感，等，就像人 眼、耳、口、鼻、舌。所采集到的数据信息提取训练。拿出特征点匹配，就可以很准确。