机器视觉中精度和分辨率详解!

news2024/11/17 15:37:21

在机器视觉中,分辨率作为衡量镜头和工业相机的重要参数,被大家熟知。精度是机器视觉中最核心的参数之一。我们一起来了解下这两个参数以及在实际组合应用中,如何有效匹配镜头分辨率和相机分辨率。

精度需要从多个角度来说明,根据行业经验,定位应用一般需要考虑3个像素波动,故原本10μm的精度要求,对应的定位精度约为3μm左右,而此时的视觉定位精度也就是像素精度,也叫像素分辨率或者像素当量,对于检测应用,算法能力直接决定了视觉检测精度与待检测的最小缺陷之间的关系,通常也要考虑3-5个像素波动,但在晶圆检测行业,如果算法好,我们也常遇到直接按最小缺陷的大小来定义视觉检测精度的情况,此时视觉检测精度也是像素精度,测量应用包含绝对精度和重复性精度,绝对精度指测量值和真实值之间的差异,重复性精度只用同一个物体去做静态测量和多次摆放测量,看数据的实际波动性,当重复性精度足够好时,绝对精度可以进行算法补偿,因此实际应用中重复性精度更为重要。一般情况下,重复性精度可等同于像素精度。相机像素精度=单向视野范围/相机单向分辨率。

1、镜头分辨率

镜头分辨率指的是它能分辨开两个靠近的点物的能力。实际应用中,我们一般用“点物”经镜头成像后的“像”能被分辨的最小距离来表示,小于这个距离,我们就认为是一个点;而大于这个距离我们认为是两个分开的点。除此之外,还有一种表示形式就是每毫米线对数LP/mm。镜头之所以存在分辨率,是因为像差和衍射导致的(此处不做详细解释),使从“物”到“像”发生了失真。点物经镜头成像后不再是一点,而变成一个光斑。

2、相机分辨率

相机的分辨率是指单位距离的像用多少个像素来显示。假设像元尺寸大小是2.2μm,搭配0.5x的镜头,在测量22μm的物体时,由于22μm的物经0.5x的镜头后变成11μm的像,所以要用11 μm /2.2 μm =5个pixel来显示,因此,单位距离的像要用11÷2.2/11=1/2.2个像素来显示。即相机图像分辨率为1/2.2 pixel/μm(实际就是像元尺寸的倒数)。从这个推导中我们得出:像元尺寸越小,相机的分辨率越高。

镜头分辨率与相机分辨率的有效匹配?

方法一:一般参数表中标记的分辨率为镜头的物方分辨率;用物方分辨率乘以放大倍率,得到像方分辨率;用算得的像方分辨率跟2倍的像元尺寸作比较:①如果镜头像方分辨率=2倍的像元尺寸,说明匹配刚刚好,谁都不浪费。

② 如果镜头像方分辨率>2倍的像元尺寸,则浪费了相机的分辨率。

③ 如果镜头像方分辨率<2倍的像元尺寸,则浪费了镜头的分辨率。

1Pixel=10um

方法二:经透镜成的光学图像,本身是一个拥有无穷多个点的模拟信号。但在图像接收器(CCD或CMOS)接收过程中,由于像素和像素之间的间距形成了离散采样。采样定律也叫Shannon采样定律,告诉我们对于频率为f的模拟信号,为了不失真的恢复它,我们至少要用2f的频率来采样。

镜头分辨率的另一种表示形式是空间频率,即每毫米的线对数LP/mm。因此,假设镜头的分辨率是n LP/mm,那么我们必须保证每毫米有2n个像素才行。这样才能充分发挥镜头的分辨能力。例如:我们的ML-MC-XR系列和ML-M-UR系列都标注了分辨率是200LP/mm, 所以用每毫米有400个像素的芯片来接收图像,才不会浪费镜头的分辨率,而每毫米400个像素,计算下来像元尺寸大小差不多2.2 μm,这也就是为什么我们会同时标注该款镜头支持2.2 μm像元。

其他注意事项:

1、镜头分辨率,只是镜头本身的参数,与相机无关。

2、相机的分辨率,也只是相机本身的参数,与像元尺寸大小有关,与镜头无关。

3、两个相互独立的分辨率一定要匹配,才不会浪费了某一方的性能。

4、无论是镜头还是相机,分辨率只是评价成像质量的参数之一,而且分辨率也不是越高越好,如果要评价整体性能,还要同时综合考虑其他参数及具体应用。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1261892.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

免费部署开源大模型 ChatGLM-6B

参考&#xff1a;【大模型-第一篇】在阿里云上部署ChatGLM3-CSDN博客 ChatGLM 是一个开源的、支持中英双语的对话语言模型&#xff0c;由智谱 AI 和清华大学 KEG 实验室联合发布&#xff0c;基于 General Language Model (GLM) 架构&#xff0c;具有 62 亿参数。ChatGLM3-6B 更…

家政预约服务管理系统,轻松搭建专属家政小程序

家政预约服务管理系统&#xff0c;轻松搭建专属家政小程序app&#xff1b; 家政服务app开发架构包括&#xff1a; 1. 后台管理端&#xff1a;全面管理家政服务、门店、员工、阿姨信息、订单及优惠促销等数据&#xff0c;并进行统计分析。 2. 门店端&#xff1a;助力各门店及员工…

Windows平台下的oracle 11G-11.2.0.4补丁升级操作指南

序号 文件名称 文件说明 1 p6880880_112000_MSWIN-x86-64_OPatch 11.2.0.3.33 for DB 11.2.0.0.0 (Feb 2022) 用于升级 OPatch 2 DB_PSU_11.2.0.4.220118 (Jan 2022)_p33488457_112040_MSWIN-x86-64 主要补丁文件 注意&#xff1a;请用管理员权限运行文件内命令&#…

涂料行业ERP有哪些?涂料行业ERP怎么样

涂料这类产品的生产、包装、存储、运输等方面有特殊的管理要求&#xff0c;有些涂料企业在辅料、原料、半成品、成品、仓库、加工、设备等方面的管理存在不少问题。 如何清晰掌握库存数据&#xff0c;实时了解和掌握经营情况&#xff0c;减少库存过多带来的资金压力和材料浪费…

【代码】基于卷积神经网络(CNN)-支持向量机(SVM)的分类预测算法

程序名称&#xff1a;基于卷积神经网络&#xff08;CNN&#xff09;-支持向量机&#xff08;SVM&#xff09;的分类预测算法 实现平台&#xff1a;matlab 代码简介&#xff1a;CNN-SVM是一种常用的图像分类方法&#xff0c;结合了卷积神经网络&#xff08;CNN&#xff09;和支…

ubuntu配置免密登录vscode

1、配置免密登录 &#xff08;1&#xff09;在windows系统cmd下运行命令 ssh-keygen 一路回车&#xff0c;将会在C:\Users\用户名\.ssh目录下生成两个文件&#xff1a;id_rsa和id_rsa.pub。如下图所示。 &#xff08;2&#xff09;进入.ssh目录。如果想使用root用户&#xff0…

【刷题笔记】H指数||数组||二分查找的变体

H指数 1 题目描述 https://leetcode.cn/problems/h-index/ 给你一个整数数组 citations &#xff0c;其中 citations[i] 表示研究者的第 i 篇论文被引用的次数。计算并返回该研究者的 h 指数。 根据维基百科上 h 指数的定义&#xff1a;h 代表“高引用次数” &#xff0c;一…

9位院士Science发表长文:人工智能的进展、挑战与未来

源自&#xff1a;量子位 “人工智能技术与咨询”发布 2023年&#xff0c;海内外9位院士及12位专家在Science《科学》合作期刊Intelligent Computing发表长篇综述论文《智能计算的最新进展、挑战和未来》。文章全面阐述了智能计算的理论基础、智能与计算的技术融…

C#开发的OpenRA游戏之属性SelectionDecorations(12)

C#开发的OpenRA游戏之属性SelectionDecorations(12) 前面分析了显示选择框的指示器类SelectionBoxAnnotationRenderable,它的作用就是画一个四个角的方角。 这个类是在属性SelectionDecorations里调用的,如下: protected override IEnumerable<IRenderable> Rende…

滴滴打车app出现系统异常,已过12小时,部分功能仍未完全恢复

据多地用户反馈&#xff0c;滴滴出行APP无法使用。11月27日深夜&#xff0c;上海、北京、广州等多地滴滴用户反馈&#xff0c;滴滴出行APP无法使用&#xff0c;地图无法加载。 不少网约车司机反映&#xff0c;“滴滴出行”系统出现故障&#xff0c;导致无法接单、定位混乱等情况…

有哪些值得推荐的数据可视化工具?

1 数据可视化工具的种类和应用场景 数据可视化工具的多样性使其能够满足不同用户的需求。一般而言&#xff0c;这些工具可分为开源版和商业版两大类。开源版特点&#xff1a;自由开源&#xff1a; 开源版数据可视化工具通常以免费形式提供&#xff0c;允许用户自由使用和修改源…

Nacos整合实际应用案例

Nacos数据隔离模型 公司->命名空间->分组->服务 命名空间通常用于隔离不同微服务之间的配置 分组用于隔离相同微服务下不同环境的配置 版本对应关系 https://github.com/alibaba/spring-cloud-alibaba/wiki/%E7%89%88%E6%9C%AC%E8%AF%B4%E6%98%8E 应用案例 <par…

Apache Airflow (十四) :Airflow分布式集群搭建及测试

&#x1f3e1; 个人主页&#xff1a;IT贫道_大数据OLAP体系技术栈,Apache Doris,Clickhouse 技术-CSDN博客 &#x1f6a9; 私聊博主&#xff1a;加入大数据技术讨论群聊&#xff0c;获取更多大数据资料。 &#x1f514; 博主个人B栈地址&#xff1a;豹哥教你大数据的个人空间-豹…

jquery 地址四级联级显示 不默认选择

代码效果 <body class"bgca"><img src"./files/joinTooBg.png" style"width: 100%;object-fit: cover;" alt""><!--填写申请资料--><section><div class"zi-liao"><h3 class"zong-h…

Apache Flink(一):Apache Flink是什么?

🏡 个人主页:IT贫道_大数据OLAP体系技术栈,Apache Doris,Clickhouse 技术-CSDN博客 🚩 私聊博主:加入大数据技术讨论群聊,获取更多大数据资料。 🔔 博主个人B栈地址:豹哥教你大数据的个人空间-豹哥教你大数据个人主页-哔哩哔哩视频 目录

搜维尔科技:8K!光线追踪!超大视场角!Varjo震撼发布XR-4系列

VR/XR硬件厂商Varjo发布了新一代XR-4系列头显—XR-4、XR-4 Focal Edition和XR-4 Secure Edition&#xff0c;升级后的头显提供了与自然视觉几乎无异的虚拟和混合现实体验。 划重点-新一代XR-4系列头显小编总结如下&#xff1a; 8K分辨率&#xff0c;高达120超大视场角&#xf…

Jmeter-分布式压测(远程启动服务器,windows)

1 前提条件 JDK已部署&#xff0c;版本一致Jmeter已部署&#xff0c;版本一致多台服务器连接的同一网络(例如&#xff1a;同一wifi)防火墙处于关闭状态&#xff08;或者对应默认端口处于开放状态&#xff09;虚拟网络适配器都处于关闭状态查找到每一台服务器的IP 2 主服务器配…

从四个典型场景看如何将数据集成“用到实处”

一、数据集成概念 数据集成是指将来自不同数据源的数据整合到一个统一的数据存储中&#xff0c;并确保这些数据能够互相关联、交换和共享的过程。在数据集成的过程中&#xff0c;数据通常需要经过清洗、转换和统一格式化等步骤&#xff0c;以确保数据的一致性、完整性和可用性…

第71讲:MySQL锁机制详解:表级锁、元数据锁和意向锁的全面解析与实践指南

MySQL中的表级锁 文章目录 MySQL中的表级锁1.MySQL中表级锁的概念2.表锁的概念以及基本使用2.1.表锁的分类以及概念2.2.表锁的使用语法2.3.表共享读锁的基本使用2.4.表独占写锁的基本使用 3.元数据锁的概念以及基本使用3.1.元数据锁的概念3.2.常见的SQL操作所对应的元数据锁3.3…

Java小游戏 王者荣耀

GameFrame类 所需图片&#xff1a; package 王者荣耀;import java.awt.*; import java.awt.event.ActionEvent; import java.awt.event.ActionListener; import java.awt.event.KeyAdapter; import java.awt.event.KeyEvent; import java.io.File; import java.util.ArrayLis…