计算机视觉与人类视觉系统解析

table {
border-collapse: collapse;
width: 100%;
margin-bottom: 1rem;
}
th, td {
border: 1px solid #ddd;
padding: 8px;
text-align: left;
}
th {
background-color: #f2f2f2;
}
tr:nth-child(even) {
background-color: #f9f9f9;
}
pre {
background-color: #f8f8f8;
padding: 15px;
border-radius: 4px;
overflow-x: auto;
}

1、比较并对比计算机视觉和机器视觉。

计算机视觉与机器视觉的对比

计算机视觉和机器视觉在很多方面相似，但也存在细微差别。

计算机视觉

最终目标是模仿人类视觉系统

发展历程丰富

在不同领域有广泛应用

机器视觉

将图像处理与工业自动化相结合

主要聚焦于工业质量控制方面的应用

可用于构建实际的机器视觉解决方案

2、人眼的视网膜上的图像是如何形成的？请举例说明。

视觉形成过程

来自物体的散射光进入眼睛，穿过角膜，角膜使光线弯曲并将其聚焦在晶状体上。

瞳孔

：控制进入眼睛的光量。

晶状体

：将光线聚焦到视网膜上，形成倒置的图像。

晶状体通过改变形状来调整对远处和近处物体的焦点，这个过程称为

调节

。

示例说明

例如，当我们看一本书时：

书本反射的光进入眼睛；

经过角膜和晶状体的折射；

在视网膜上形成书本的倒置图像。

3、人眼的虹膜和瞳孔有什么功能？

瞳孔与虹膜的功能

瞳孔是眼睛中央的黑色圆圈，其主要功能是调节进入眼睛的光量。光线充足时，瞳孔收缩，防止光线过强；光线不足时，瞳孔扩大，尽可能吸收更多光线。

虹膜是眼睛有颜色的部分，其功能是调节瞳孔大小，它的肌肉会根据处理图像所需的光量而收缩或扩张。

4、人类眼睛中光感受器的作用是什么？比较视杆细胞和视锥细胞的功能。

光感受器的作用

光感受器的作用是将角膜和晶状体聚焦的光线转化为化学和神经信号，并通过视神经传输到大脑的视觉中枢。

视杆细胞与视锥细胞功能对比

视杆细胞

工作环境

：在弱光下工作良好

视觉特性

：提供黑白视觉，能够检测运动

分布区域

：分布于整个视网膜

视锥细胞

主要功能

：负责色觉

工作环境

：在中等和强光下表现最佳

颜色敏感类型

：

有三种对颜色敏感的视锥细胞，大致对应红、绿、蓝探测器

不同颜色由这三种视锥细胞及其光色素的各种组合产生

分布区域

：集中在视网膜的一个小中央区域（即黄斑）

5、眼睛的前房和后房位于何处？它们的功能是什么？

前房是角膜和虹膜之间的空间，后房是虹膜和晶状体之间的空间。这两个腔室充满了透明的水样液体，即

房水

，房水类似于血浆，但蛋白质浓度低，由支持晶状体的睫状上皮分泌，主要功能是保持眼睛湿润和为眼睛提供营养。

6、人类视觉系统的两个主要功能部分是什么？请解释。

人类视觉系统的两个主要功能部分

人类视觉系统的两个主要功能部分是

眼睛

和

大脑

。

眼睛

眼睛相当于相机：

角膜

和

晶状体

类似于相机镜头；

视网膜

则像胶卷，负责聚焦光线。

大脑

大脑负责进行复杂的处理工作：

视觉皮层

将图像脉冲转化为我们看到的物体；

同时，大脑还会对眼睛发送的原始数据进行大量处理；

最终将其转化为统一的

三维视觉场景

。

7、什么是复眼？复眼有哪些优点？列举两种具有复眼的昆虫，并解释它们如何使用复眼？

复眼的结构与功能

复眼由许多单个透镜组成，存在于昆虫和节肢动物中。

复眼的优点

能进行快速的运动检测

具备图像识别能力

具有复眼的昆虫示例

蜻蜓

单只复眼可有多达10000个透镜

可利用众多透镜感知周围环境

苍蝇

复眼能让其快速检测运动和识别图像

这也是苍蝇难被拍打的原因之一

8、人类视觉系统和计算机视觉系统之间有哪些相似之处和不同之处？

相似之处与不同之处：人类视觉与计算机视觉

相似之处

两者都将光转换为有用信号以构建物理世界的准确模型。

都通过与已知参考集或数据库中的存储图像进行比较来理解图像信号。

不同之处

1. 视野范围

人类视觉

：视野约为220度，所见集中在前方。

计算机视觉

：可覆盖360度，技术在视野各部分更均匀。

2. 传感器特性

人类视觉

：眼睛有杆状和锥状光感受器，可自动对焦和识别颜色。

计算机视觉

：传感器目前无此类专业化功能。

3. 信号传输方式

人类视觉

：通过神经冲动，涉及钠钾离子的电化学链式反应。

计算机视觉

：通过电脉冲，传输速度更快。

4. 图像解释位置

人类视觉

：初步解释在视网膜上进行。

计算机视觉

：相机负责捕捉图像，由计算机或软件解释。

5. 眼脑关系

人类视觉

：大脑与视觉深度关联，存在“盲视”现象。

计算机视觉

：暂无类似现象，但深度学习技术可能实现类似的自学习和技术复用。

6. 处理能力

计算机视觉

：处理图像速度快，但在处理复杂性和视觉感知上不如人类大脑。

人类视觉

：大脑存储视觉信息的记忆量大，有独特关联策略，但个体间感知的图像内容可能有差异。

9、追溯计算机视觉的发展历程

计算机视觉的发展历程

计算机视觉的发展历程可追溯到早期：

公元前700年

：埃及发明了光学透镜系统。

公元前五世纪

：出现了针孔相机。

19世纪的发展

1800年左右

：

托马斯·韦奇伍德尝试用涂有硝酸银的纸捕捉图像。

路易·达盖尔等人发现镀银铜板经碘蒸气处理可复制场景图像。

19世纪中叶

：

亨利·塔尔博特展示了用浸有氯化银的纸捕捉图像，成为摄影行业的基础。

同时人们开始研究电子捕捉图像的方法。

20世纪初的突破

艾伦·阿奇博尔德·坎贝尔 – 斯温顿

：用阴极射线管扫描投影在硒涂层金属板上的图像。

菲洛·法恩斯沃思

：展示了视频摄像管的工作版本。

计算机视觉概念的诞生

1960年

：“计算机视觉”一词首次出现，最初旨在模仿人类视觉系统，为机器人提供智能行为。

20世纪70年代

：研究为如今许多计算机视觉算法奠定了基础，主要是图像处理算法。

詹姆斯·吉布森

：基于光流计算的数学模型开发了用于统计模式识别的二维成像。

1978年

：麻省理工学院人工智能实验室的大卫·马尔倡导自下而上的场景理解方法。

20世纪80年代的进展

光学字符识别（OCR）

：概念被提出。

80年代末

：发明了智能相机。

当前趋势

目前大量研究和商业产品聚焦于3D成像，可从2D数据中提取3D信息。

还能提取时间信息以理解动态场景变化和跟踪物体运动。

10、考虑一个机器视觉的工业应用。为该应用需求准备一份详细的说明。

要确定机器视觉工业应用的需求，需考虑以下问题：

部件是离散物体还是连续的（如纸张或布料）

部件能否在图像捕捉时短暂静止，还是会持续移动

物体形状是规则还是不规则

需要进行何种类型的检查

需要提取部件的哪些特征

哪种图像处理方法最适合该应用

是单色还是彩色图像处理

部件是分开的还是会重叠

时间要求是什么

其他性能要求有哪些

确定需求后，要选择满足应用需求的机器视觉配置。可使用现成组件构建解决方案，也可从供应商处购买有限定制的现成解决方案或集成的端到端解决方案。

选择供应商时，要确保其能提供适当的技术支持且在市场上有可持续的存在。

系统准备好后，需进行测试，设计验收测试以证明系统满足需求，测试样本要能代表实际生产的产品，对所有可能的缺陷进行可行性测试。

应用上线时，要确保能立即调试系统，出现问题时能迅速找到解决方案，可提供远程访问进行调试。

11、设想并解释计算机视觉在老年人医疗保健方面的一个应用。

计算机视觉在老年人医疗保健中的应用

计算机视觉在老年人医疗保健方面可用于

跌倒检测

。利用摄像头采集老年人活动的图像或视频，通过图像分析技术，如

目标检测

和

动作识别

，判断老年人是否发生跌倒。

当检测到跌倒时，系统能及时发出警报，通知护理人员或家属。这是因为老年人身体机能下降，跌倒后可能引发严重后果，

及时发现跌倒并给予救助至关重要

。

同时，计算机视觉技术还能对老年人的

日常活动

进行监测，分析其

运动能力

和

行为模式

的变化，为

健康评估

提供数据支持。

12、比较并对比双线性插值和双三次插值。分别给出这两种技术的一个使用示例。

比较与对比

双线性插值

使用给定像素对角方向上的4个最近邻像素值来计算该像素的颜色强度值。

双三次插值

使用16个最近邻像素。

计算复杂度与速度

双线性插值

计算相对简单，速度较快。

双三次插值

计算更复杂，花费时间更多。

图像质量

双三次插值

生成的图像比双线性插值更平滑，插值失真更小。

使用示例

双线性插值

可用于无法实现完美像素匹配的图像变换场景，以减少图像调整为非整数缩放因子时产生的部分视觉失真。

双三次插值

在对速度要求不高的情况下使用，例如需要高质量、平滑图像的场景。

13、比较并对比矢量图像和光栅图像。给出适合存储为矢量图像和/或光栅图像的示例。

图像类型概述

光栅图像

由像素表示，由数码相机、扫描仪等电子设备生成。

可提供丰富细节，且能编辑单个像素。

类似于用画笔调和不同颜色进行绘画。

存储格式包括

.BMP
、

.JPG
等。

放大光栅图像且不改变像素数量时，图像会变得模糊。

适合存储的图像类型包括：

数字化照片

扫描的艺术品

详细图形等

矢量图像

通过描述其内容（如构成图像的几何形状的位置和大小）来定义。

由图形软件生成。

放大时质量不变，因为底层方程不变。

分辨率取决于矢量形状或对象，而非像素数量。

类似于用相同方程画更大半径的圆。

存储格式包括

.AI
、

.CDR
等。

适合存储的图像类型包括：

简单的几何图形

公司标志等

14、什么是图像分辨率？什么是每英寸像素数（PPI）？

图像分辨率是指再现物体或场景细节的能力，相机拍摄图像的分辨率由相机传感器阵列中的像素数量决定。

对于面阵扫描相机，图像分辨率标记为 $ N imes M $ 矩阵；

对于线阵扫描相机，分辨率标记为 $ M imes 1 $。

PPI（Pixels Per Inch）即每英寸像素数，用于表示显示或打印图像的分辨率细节。

15、图像的亮度和对比度有什么区别？

亮度与对比度的概念

亮度

是一种视觉感知，指图像的整体明亮或黑暗程度。当亮度高时，最白的像素饱和；亮度低时，最黑的像素饱和。例如在单色图像中，当图像中许多像素值为0，图像会显得暗；当许多像素值为1，图像会显得亮。

对比度

是图像中物体或区域之间亮度的差异，它能分离图像的亮区和暗区。增加对比度会使亮区和暗区的分离更明显，让阴影更暗，高光更亮。

16、当（a）L = 32 和（b）L = 256 时，存储 L 个灰度级所需的位数分别是多少？

根据公式 $ L = 2^B $（其中 $ B $ 是表示亮度级别 $ L $ 的二进制位数）：

（a）当 $ L = 32 $ 时，$ 32 = 2^5 $，所以需要 5 位；

（b）当 $ L = 256 $ 时，$ 256 = 2^8 $，所以需要 8 位。

17、一个数字图像表示为 (N X M)，L 表示离散灰度级。计算在以下条件下存储该图像所需的位数：a. M = N = 32 且 L = 16；b. N = 1600，M = 2100 且 L = 256。

a. 首先，根据 $ L = 2^B $ 求 $ B $，已知 $ L = 16 $，则 $ 16 = 2^B $，可得 $ B = 4 $。图像像素数为 $ N imes M = 32 imes 32 = 1024 $，所需位数为像素数乘以每个像素所需位数，即 $ 1024 imes 4 = 4096 $ 位。

b. 已知 $ L = 256 $，则 $ 256 = 2^B $，可得 $ B = 8 $。图像像素数为 $ N imes M = 1600 imes 2100 = 3360000 $，所需位数为 $ 3360000 imes 8 = 26880000 $ 位。

18、编写将彩色图像转换为灰度图像的伪代码。（提示：通过取红色、绿色和蓝色值的平均值来获得灰度值。）

以下是将彩色图像转换为灰度图像的伪代码：

输入彩色图像，图像尺寸为 M x N，每个像素有红（R）、绿（G）、蓝（B）三个通道值。

对于图像中的每个像素 (i, j)，其中 i 从 0 到 M – 1，j 从 0 到 N – 1：

– 计算灰度值

Gray = (R[i][j] + G[i][j] + B[i][j]) / 3

– 将该像素的红、绿、蓝通道值都设置为

Gray

输出转换后的灰度图像。

19、解释一种用于提高图像质量以便人类观看的图像处理技术。

预处理

预处理是用于提高图像质量以便人类观看的图像处理技术。原始图像数据可能存在以下问题：

噪声

边缘点不佳

焦点模糊

光照不正确

预处理可以改善图像质量并强调应用所需的特征。例如在轮廓检查中，可用于锐化图像中物体的边缘和边界等特征。预处理虽不改变图像的固有内容，但能突出特定特征以便于检测，提高特征提取的质量，进而提升图像分析结果的质量。

关键的预处理操作包括：

滤波

缩放/子采样

直方图生成

20、什么是物体遮挡？为什么识别被遮挡的物体很困难？

物体遮挡

物体遮挡指图像中的物体未完全可见的情况，可能由光照产生的阴影或一个物体隐藏另一个物体导致，图像中只能看到部分物体。

识别被遮挡物体困难的原因包括：

只能获取部分物体信息

难以全面了解物体特征

难以与标准图像模板匹配

难以从背景或其他物体中区分出来

21、根据架构布局解释CCD和CMOS图像传感器，并说明它们的优缺点。

传感器架构与比较

架构布局

CCD传感器

：在CCD传感器中，利用控制电路逐行传输电荷，并像移位寄存器一样读取，通过模数转换器（ADC）将输出转换为数字信号。

CMOS传感器

：在CMOS传感器中，每个像素处使用集成电路将电能转换为电压，再通过电线传输。

优点对比

CCD传感器

：

能够产生高质量图像。

CMOS传感器

：

功耗低。

成本相对较低。

制造采用常规集成电路制造工艺。

每个像素可单独读取，更具灵活性。

缺点对比

CCD传感器

：

功耗大。

价格昂贵。

CMOS传感器

：

图像质量较差。

因每个像素处有集成电路，光灵敏度较低。

22、解释面扫描相机和线扫描相机工作方式的差异。

相机类型对比

面扫描相机

拥有大量像素矩阵

一次曝光即可捕捉完整的二维图像

适用于物体固定或静止（哪怕只是瞬间）的应用场景

若需获取连续图像：

使用软件捕捉重叠图像

裁剪成单张图像

按正确顺序拼接

线扫描相机

使用单行像素逐行构建图像

可在物体经过相机时逐行构建完整图像

也可让物体固定，相机在物体上方移动

关键要求：相机运动与图像采集时间的协调

23、讨论面扫描相机和线扫描相机应用的两个例子，并解释选择相机的理由。

相机类型及应用

面扫描相机

应用

用于获取物体或场景特定区域的图像。例如使用带变焦镜头的100万像素面扫描相机，捕捉出现在其视野内物体的图像。

理由

适合物体固定或静止（哪怕只是瞬间）的应用场景。它有大的像素矩阵，能在一次曝光中捕捉给定场景的二维图像，且相机分辨率固定，易于安装和对齐以捕捉所需物体的图像。

线扫描相机

应用

检测生产线上布料或钢链等连续材料的缺陷；检查旋转圆柱体的表面。

理由

适用于高速处理或快速移动的传送带应用。它使用单行像素逐行构建图像，垂直分辨率不受限，能在二维和三维相机中实现更高分辨率，可捕捉传送带上滚筒之间物体的图像，且根据应用情况，通常只需要简单照明。

24、使用智能相机有哪些好处？请举例说明。

智能相机概述

智能相机专为特定目的设计，可用于检测运动、读取零件编号或车牌等特定应用，在以下现实场景中广泛使用：

视频监控

工业应用

机器人技术

游戏

它使用嵌入式系统进行图像处理，能在高温、多尘、环境光等工业条件下可靠工作。智能相机将图像采集和图像处理相结合，易于部署在机器视觉系统中。

此外，它具有以下优势：

操作简单

正被设计用于许多标准应用

因此越来越受欢迎

25、在机器视觉应用中选择镜头时应考虑哪些因素？推导视场（FOV）、工作距离（WD）和焦距之间的关系。

选择镜头时应考虑的因素包括：

相机传感器的分辨率

物体与相机之间的距离

物体的大小

图像捕捉可用的光量

推导焦距公式：

已知放大倍数

β=FOV传感器长度β=FOV传感器长度

焦距

f=D2+1βf=D2+1β

其中，$ D $ 为从传感器到测量区域的距离（即工作距离 $ ext{WD} $）。

26、适当的照明是高质量图像捕捉的关键方面。请证明这一说法。

不同的光源和照明技术可根据被检查物体/部件与相机的位置进行选择。照明选择会因图像大小、图像是静态还是动态以及物体表面类型（如光滑或哑光）而有所不同。

例如：

斜射或暗场照明

：最适合查看零件/物体的表面缺陷

明亮光线

：可用于检测缺失、损坏或形状、颜色不正确的物体

暗照明

：适用于检查透明包装

背光

：用于尺寸测量

此外，光源存在以下问题：

光输出随时间恶化

产生热量影响检查一致性

电源变化影响光一致性

这些都表明适当的照明对于高质量图像捕捉至关重要。

27、选择光源和照明技术时应考虑哪些因素？

选择光源和照明技术的考虑因素

在选择光源和照明技术时，应综合考虑以下因素：

被成像物体的特性

：

大小

形状

颜色

纹理

光源的稳定性与维护

：

光源输出会随时间变差，需定期更换。

光源使用过程中会产生热量，可能影响检测的一致性。

光源的电源变化会影响光输出的一致性。

照明技术与应用场景的匹配

：

斜射或暗场照明

：适合检测零件表面缺陷。

明亮光线

：适合检测物体在形状或颜色方面的缺失、损坏或错误。

暗照明

：适合检查透明包装。

背光照明

：适用于进行尺寸测量。

28、什么是滤波器？它们如何用于改善图像？

滤波器

滤波器是用于修改或增强图像的技术，它会重新评估图像中每个像素的值。对于特定像素，新值基于该像素局部邻域和以该像素为中心的窗口内的像素值。

应用场景

减少图像噪声

平滑图像

增强图像中物体的边缘

类型与特点

类型	特点
线性滤波器	– 能减少噪声 – 会平滑边缘 – 计算速度较快
非线性滤波器	– 可在不模糊边缘的情况下减少噪声 – 还能同时检测所有方向的边缘

29、什么是滤色片？如果在白光上使用以下滤色片，会透过什么颜色的光？a. 红色滤色片 b. 蓝色滤色片 c. 红色和绿色滤色片

滤色片由有色玻璃制成，能在不同程度上吸收特定波长范围的光，并使其他范围的光大部分通过。使用白光时，

a. 红色滤色片透过红色光；

b. 蓝色滤色片透过蓝色光；

c. 红色和绿色滤色片透过黄色光（因为红色和绿色混合在RGB模型中形成黄色）。

30、绘制可编程逻辑控制器（PLC）的框图并解释其工作原理。结合一个示例应用说明PLC的用途。


## PLC结构与工作原理

PLC的框图包含以下组成部分：

- 输入
- 输出
- 编程设备
- 电源
- CPU
- RS232端口
- 程序存储器
- 数据存储器

### 工作原理

PLC的工作原理如下：

1. 控制自动化的程序在标准计算机上单独编写。
2. 程序编写完成后，下载并存储在PLC的存储器中。
3. 输入和输出模块将PLC与外部机器连接。
4. PLC从输入设备（如传感器、开关、仪表）接收信息。
5. 接收到的数据在CPU中进行处理。
6. 根据编程结果，PLC触发输出（如执行器、灯、阀门等）以执行相应的操作。

### 示例应用

PLC在质量控制中的应用示例：

- 当部件从图像处理部分出来时，传感器感知并通知PLC。
- PLC根据图像处理结果激活输出开关，将良品与次品分离。

其他应用包括：

- 监测并记录温度。
- 自动启动或停止过程。
- 若机器发生故障，PLC将发出警报。

31、列出选择机器视觉软件时需要考虑的因素。

选择机器视觉软件时需要考虑的因素

集成与兼容性

：机器视觉软件需与其他组件集成，其集成能力至关重要，硬件组件也是如此；

易用性和运营成本

：要考虑软件开发成本、软件购买价格，开发应用程序通常需编写特定程序或模块，对这些编程模块的定期更新和维护会增加应用程序的运营时间和成本；

供应商支持和稳定性

：要谨慎选择软件供应商，供应商需提供及时恰当的技术支持以避免高昂的停机时间，同时要考察供应商的信誉和市场份额。

32、使用机器视觉进行质量控制的主要好处有哪些？请结合示例详细讨论。

使用机器视觉进行质量控制的主要好处

使用机器视觉进行质量控制的主要好处如下：

1. 准确性

与人工操作员相比，机器视觉系统在质量检测方面能提供更高的精度和准确性。即使人类借助放大镜或显微镜，机器仍能“看到”并以更高的公差测量零件。例如，在精密机械零件的尺寸测量中，机器视觉系统能精确检测到微米级的偏差，而人工测量容易出现误差。

2. 速度

与人工操作员相比，机器能以更高的速度检查零件，且高速检查能提高效率和生产力。比如在电子产品的生产线上，机器视觉系统每秒能检查多个产品，而人工检查速度较慢。

3. 可重复性

机器视觉系统可以全年无休地以完全相同的方式重复进行质量检查，不会疲劳。相反，即使零件完全相同，人工检查员在不同时间可能得出不同的测量结果。例如在汽车零部件的批量生产中，机器视觉系统每次检查的标准和结果都一致。

4. 100%检查

机器视觉系统可以设计为对制造的所有零件或产品进行100%检查，而人工可能只能使用统计方法随机抽样检查。例如在食品包装生产线上，机器视觉系统能对每一个包装进行外观和标签检查。

5. 成本

由于机器视觉系统比人工速度快，这种自动化检查可以降低成本。该过程的准确性有助于减少向客户发送有缺陷的零件，进而降低外部故障成本，如更换、销售损失和保修费用。例如在服装生产中，机器视觉系统能及时发现布料上的瑕疵，避免有问题的产品进入市场，减少售后成本。

此外，机器视觉系统的非接触式检测方法在难以进行接触式测量的情况下特别有用，还可应用于对人工检测有危险的环境。例如在高温、辐射等环境下对工业产品进行检测。

33、请讨论一个在你看来必须使用彩色成像的机器视觉应用示例。

在某些与健康相关的应用，如机器人控制的手术中，可能需要3D彩色图像。

因为3D彩色图像相比2D图像，能包含物体更高水平的地形、色彩和纹理信息：

地形信息

色彩信息

纹理信息

对于手术等对物体细节要求高的健康相关应用，这种高详细程度的图像信息是必要的，所以彩色成像在这类应用中是必须的。

34、考虑一个3D成像有益的应用场景。解释该应用，说明使用2D成像的局限性和3D成像的优势。

以质量控制中的零件检测应用为例，2D成像的局限性在于只能处理x和y两个维度的信息，缺乏深度信息，难以检测具有高度差异的零件和缺陷，在对比度低或缺失时，难以读取文本和代码，也难以发现微小划痕、发丝裂缝、加工不平以及物体表面下的缺陷。

3D成像的优势在于能提供长度、宽度和深度信息，即x、y、z三个维度，可用于测量、检查和定位。能获取物体平整度、表面角度和体积等形状特征信息，在对比度低时也能检测零件和缺陷、读取文本和代码，还能显著改进表面检查方法，发现人眼不可见的微小划痕、发丝裂缝、加工不平，甚至检测到物体表面下的灰尘或气泡等缺陷。