如何选择机器视觉软件？

1．定位器

对象或特征的精确定位是一个检测系统或由视觉引导的运动系统的重要功能。传统的物体定位采用的是灰度值相关来识别物体。尽管这种技术得到了广泛的应用，但是，它在图象质量变差的情况下，就缺乏稳定性。图象质量变差可能是由于凌乱、亮度不同和遮盖等因素的影响。相反，几何对象定位法是一种最新的方法，它使用对象的轮廓来识别对象及其特征。

2．光学装置与照明

众所周知，适当的光学装置和照明对视觉应用的成功至关重要。有时，尽管选择了最合适的光学装置和照明，但是，如果被监测的对象或特征稍微变动一下，就要求相应改变灯光和照明亮度。例如，晶片的抛光表面的不同，在OCR应用中激光蚀刻的标志的质量的不同。一个稳定性好的定位工具能轻松地处理由于光聚集和亮度不同的改变使得图象质量变差这样的情况。使用适当的软件能让你消除必要的调光操作，无论其图象质量如何改变。

3.完整的工具集对绑在一起的多个工具

机器视觉软件主要以两种典型的形式出售：一种是完整的视觉工具集，另一种是用于特定任务的工具的应用，如BGA检测。最终用户的应用将决定是使用一套完整的视觉工具集还是使用众多的特定的工具。视觉工具是一般的应用或算法，它能对图像或图像某个部分完成预定的任务。例如，一个斑点检测工具可以找出一组暗的或亮的像素，并测量出这个斑点的各种尺寸。选择一款视觉系统的重点在于拥有一套完整的视觉工具集。虽然你在作项目之初不需要所有的工具，但是，几年之后你的要求就会改变，对新的应用就可能需要另外的工具。

4.编程和操作方便

简洁、直观的图形界面是容易使用和设置的关键。当今机器视觉产品之间的主要区别在于它们的图形接口。接口应该从“设置”和“操作”这两方面来评价。对一个工程师来讲，它应该非常复杂，而对于一个操作者来说应非常简单。

5.亚像素精度

视觉系统的分辨率是系统能分辨的最小特征。例如，“1的视觉范围(FOV)使用一个640x480像素的计算机图像将得到1/640的分辨率或0.00156”。实际上，机器视觉算法具有亚像素的能力。也就是说，这些算法能够测量或得出比一个像素更小的单位。

6.将来的升级

机器视觉系统可应用在各种场合，他们的应用范围可从时髦的摄像机到监视系统。当选择一个系统时应考虑系统将来的升级。通用视觉软件能为最终用户配置合适的照明、光学系统和视觉工具。维视图像自主研发的机器视觉图像处理软件应用广泛，其MVIPS机器视觉图像处理软件提供了图像测量、字符识别、彩色分析、缺陷检测和目标定位等多个库函数，用户可利用其快速开发图像处理，搭建自己的机器视觉应用系统。


基于通用目的的视觉软件系统更好升级。最终用户应该根据附加的摄像机、照明的变化、视觉工具的变化等来考虑将来对系统的需求。

7.图像预处理

检测特征点和缺陷是非常的重要，不管亮度和对象表面或材料不同。图像预处理算法能把图像的特征点放大，以使视觉工具能更好的检测它们。同样，特征点也能被缩小，以至视觉工具可忽略它们。

8.视觉引导的运动

如果你的应用需要一个视觉系统来引导机器人，那么必须知道视觉系统与运动系统是如何集成的。对于校准和操作，没集成的运动系统与视觉系统是初步的系统，机械人或机构和视觉系统是分开校准的。在操作中，一台独立的视觉系统可根据视觉坐标系统中的已知位置计算出零件位置的偏移量，然后发指令给机器人的手臂在离初始化编程的拾取位置的偏移量处拾取零件。

9.系统集成

如果你对机器视觉技术不是很精通，那么针对你的项目就需要一个系统集成商，理想的视觉产品能被系统集成商广泛接受。

10.工厂层连接