第6章 系统校准与图像矫正

在根据系统需求选择合适的镜头、相机、光源、图像处理设备以及其他传感器和执行机构后，就可以着手连接安装机器视觉系统。构建的系统采集到的图像质量应确保机器视觉算法快速、准确地提取所需要的信息，以便作出相关决定。机器视觉系统需要的信息包含在采集到的数字图像中，这些信息以像素的形式存在。然而要实现准确测量和控制，机器视觉系统必须使用真实世界的坐标系和测量单位。这意味着，要事先得到像素与真实世界坐标系的映射关系，才能在后续过程中使用其进行计算。例如，在某个测量两点之间距离的机器视觉系统中，已事先知道图像中每个像素代表真实世界坐标系中的2cm，那么若图像中两个点之间有10个像素，则理想情况下可得知两点之间的距离为20cm。

然而真实世界总没有想象中那样理想，设备的局限性和系统连接过程中的各种问题会使机器视觉系统采集到的图像产生各种畸变（distortion），常见的几种情况如下：

由于各种原因未能使相机垂直于被测目标安装，从而为系统引入透视畸变（perspective distortion）。

由于相机所使用的镜头特性并不都与其光心处的特性一致，系统中存在径向畸变（radial lens distortion）。包括第2章已提到的桶形畸变（barrel distortion）、枕形畸变（pincushion distortion）和须形畸变（mustache distortion）等。

由于相机中的图像传感器未能与镜头的光面平行安装，导致系统中存在切向畸变（tangential distortion）。

若机器视觉系统所检测的目标表面为非线性平面（存在起伏），则系统中就会存在非线性畸变（nonlinear distortion）。

若光源不能提供均匀的光照，相机镜头存在渐晕（vignetting），相机传感器有杂质，或者被测目标表面非均匀，则采集到的图像灰度通常不能均匀分布。

机器视觉系统的准确性受到以上问题的极大影响，因此，不仅在计算像素到真实世界坐标系的转换关系时要重点考虑准确性的问题，还要考虑如何对图像进行矫正。

系统空间校准过程是综合考虑机器视觉成像系统的多种畸变因素，找出图像中像素点与真实世界坐标系映射关系的过程或方法。机器视觉系统的校准多基于对各种畸变或相机进行建模来完成，因此不同校准方法的效果因使用场合而异。可以使用误差映射表（error map）和误差统计（error statistics）对选用的校准方法进行定量评价。

一旦完成所搭建系统的校准，得到图像像素与真实世界坐标的映射关系，就可以基于图像中不变的目标特征，重新指定参考坐标系，并将新坐标和系统校准信息附加到内存图像上，参与各种分析处理算法的计算。具体来说，可以使用这些信息直接计算得到图像中的目标在真实世界坐标系中的位置、距离、面积、角度等信息。当然，也可以对各种畸变进行校正，获取修正后的图像。