圖像的分割

圖像分割是將圖像分成若干部分，每一部分對應于某一物體表面，在進行分割時，每一部分的灰度或紋理符合某一種均勻測度度量。某本質是將像素進行分類。分類的依據是像素的灰度值、顏色、頻譜特性、空間特性或紋理特性等。當前，工業(yè)自動化、智能化進入飛速發(fā)展階段，生產過程當中的自動化程度也變得越來越高，各類產品及元器件的大批量生產，面對著高重復性和高精度的檢驗、生產監(jiān)視和零件識別工序，傳統(tǒng)人工檢測已無法達到要求。圖像分割是圖像處理技術的基本方法之一，應用于諸如染色體分類、景物理解系統(tǒng)、機器視覺等方面。

圖像分割主要有兩種方法：一是鑒于度量空間的灰度閾值分割法。它是根據圖像灰度直方圖來決定圖像空間域像素聚類。但它只利用了圖像灰度特征，并沒有利用圖像中的其它有用信息，使得分割結果對噪聲十分敏感；二是空間域區(qū)域增長分割方法。它是對在某種意義上（如灰度級、組織、梯度等）具有相似性質的像素連通集構成分割區(qū)域，該方法有很好的分割效果，但缺點是運算復雜，處理速度慢。其它的方法如邊緣蹤法，主要著眼于保持邊緣性質，跟蹤邊緣并形成閉合輪廓，將目標分割出來；錐體圖像數據結構法和標記松弛迭代法同樣是利用像素空間分布關系，將邊鄰的像素作合理的歸并。機器視覺系統(tǒng)的輸入裝置可以是攝像機、轉鼓等，它們都把三維的影像作為輸入源，即輸入計算機的就是三維管觀世界的二維投影。而基于知識的分割方法則是利用景物的先驗信息和統(tǒng)計特性，首先對圖像進行初始分割，抽取區(qū)域特征，然后利用領域知識推導區(qū)域的解釋，后根據解釋對區(qū)域進行合并。

機器視覺月餅自動包裝線

隨著大眾對食品安全的要求越來越高，高標準促使食品生產過程快速邁進了生產自動化、產品信息化、食品包裝標準化時代。雖然食品的制作過程已經實現了高度的自動化，但是食品生產的后包裝環(huán)節(jié)因為來料不易標準化，產品規(guī)格的多樣性阻礙了全流程自動化的實現。也決定了機器視覺將由過去單純的采集、分析、傳遞數據，判斷動作，逐漸朝著開放性的方向發(fā)展，這一趨勢也預示著機器視覺將與自動化更進一步的融合。

全國首條機器人月餅包裝線的投產，了國內食品行業(yè)包裝環(huán)節(jié)的自動化進程，使包裝流水線作業(yè)不再是難事。那么我們一起來了解一下這個作為羊的“機器人月餅包裝線”究竟是如何實現的。

機器視覺領域的應用還有其他更多，正是因為綜用了機器視覺、電子軟件、虛擬儀器等技術，讓領邦儀器在創(chuàng)新研發(fā)上呈現出多樣化的特點，檢測領域除尺寸外觀外，還涉及力學、電學、溫度、聲學振動、密封性等眾多方面。  

目前，檢測設備供應商，正將機器視覺技術廣泛應用于制造業(yè)各類產品的生產檢測上，尤其在尺寸測量及外觀缺陷檢測上，這一技術已經占據了主流，并仍在不斷向縱深方向發(fā)展。