常识|机器视觉算法如何选择相机分辨率

原创 OpenCV学堂 2024-11-21 23:07

【50份好礼】首发直播：解密Keysight最新模拟信号源 如何应对供应风险和挑战，在行业竞争中赢得先机？

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

前置黑话

黑白 VS 彩色

默认普通得工业相机都是黑白，一般情况下不会用彩色得，除非有以下需求：1. 需要根据颜色做判定、需要根据彩色做区分与判定 2. 图像算法需要彩色图像作为输入

卷帘与全局曝光

1.卷帘适合拍满速运行或者静止状态下工作场景使用得相机 2.全局适合拍高速运动，全局曝光时间短，所以适合快速移动得物体

CCD与CMOS

1.CCD传感器通常具有非常高的质量和光敏感性，能够以较低的噪音提供清晰的图像。

2.CMOS传感器制造和使用大多数微处理器使用的传统制造技术便宜。

面阵与线扫

1. 线扫描相机（Line Scan Camera）通过一条线性传感器，沿着待检测物体的运动方向进行连续扫描。它在不间断地采集图像的同时，实现了高速捕捉和高分辨率。

2. 面阵相机（Area Scan Camera）则是由固定排布的像素阵列组成，每个像素单元都能够同时捕捉图像。

知道了上面的黑话以后，选择工业相机就剩下分辨率这个东西，这个其实跟你的检测精度跟待测对象的大小有关系。

一个丝行业术语，一个丝为0.01mm

实际案例

客户需求：以500万相机为例，假如拍摄视野长边为20mm，问能否达到1个丝的精度？

分析过程：也就是说每个像素点必须要小于0.01mm，如果大于肯定无法满足要求！正常的500W的工业面阵相机分辨率大概为2400x2080左右，计算如下：20mm/2400 = 0.008 mm 计算结果证明每个像素点小于0.01了，理论上精度可以满足，但是实际算法根本没办法搞成一个像素的精度，算法的检测精度极限在3~5个像素，所以还得在这个分辨率的基础上最少要乘以4倍，500Wx4=2000W。

结论：所以这种场下 500W的相机无法满足 1个丝的精度要求！

OpenCV4系统化学习

深度学习系统化学习

推荐阅读

OpenCV4.8+YOLOv8对象检测C++推理演示

ZXING+OpenCV打造开源条码检测应用

攻略 | 学习深度学习只需要三个月的好方法

三行代码实现 TensorRT8.6 C++ 深度学习模型部署

实战 | YOLOv8+OpenCV 实现DM码定位检测与解析

对象检测边界框损失 – 从IOU到ProbIOU

初学者必看 | 学习深度学习的五个误区

登录阅读全文



免责声明：该内容由专栏作者授权发布或作者转载，目的在于传递更多信息，并不代表本网赞同其观点，本站亦不保证或承诺内容真实性等。若内容或图片侵犯您的权益，请及时联系本站删除。侵权投诉联系： nick.zong@aspencore.com！

OpenCV学堂专注计算机视觉开发技术分享,技术框架使用,包括OpenCV,Tensorflow,Pytorch教程与案例,相关算法详解,最新CV方向论文,硬核代码干货与代码案例详解!作者在CV工程化方面深度耕耘15年,感谢您的关注!

进入专栏

文章：1707篇粉丝：26人

 私信

常识|机器视觉算法如何选择相机分辨率

最近文章

热门文章

推荐

最新资讯