2020年9月21日 机器视觉与计算机视觉技术

机器视觉中的彩色成像以及要考虑的因素

特定机器视觉彩色摄像机是否适合您的应用取决于多种因素。在为您的应用开发最合适的彩色机器视觉系统时,需要考虑所有这些因素。下面是开发彩色机器视觉系统时需要考虑的一些相机问题:

颜色准确性/差异化

应该考虑的第一个考虑因素是您的应用所需的颜色准确度和差异化程度。在某些应用中,机器视觉相机能够区分检测到的颜色与目标值的距离是至关重要的。在这一领域需要高精度的机器视觉用户需要比能够接受较低精度和差异化水平的用户更先进的相机。

如前所述,插值和低灵敏度是阻碍更高水平的色彩准确度和差异化的两大障碍。插值可能导致颜色检测的细微差别,因为它需要周围像素的平均值来确定每个像素的颜色值。因此,当您的机器视觉系统尝试区分细微的颜色差异时,您可能不知道颜色的阴影是否实际上不同,或者它们是否只是拜耳插值的变化。

色彩串扰

高度的色彩串扰会影响机器视觉相机可以产生的色彩准确度。高水平的串扰是由拜耳滤色器或二向色棱镜涂层所定义的红色,蓝色和绿色通道的光谱响应之间相当大的重叠的结果。当通道之间存在大量重叠时,会为某些颜色系列产生大量不确定性,特别是那些黄色或蓝绿色系列。

当您的机器视觉系统需要区分这些颜色的不同色调时,这可能会非常成问题。因此,在开发彩色机器视觉系统时,重要的是要考虑哪些颜色系列对于您的分析至关重要,以及机器视觉系统中可接受的颜色串扰水平。

光照水平和灵敏度

根据您的应用,您的机器视觉系统将需要特定级别的光敏感度。拜耳,三线和棱镜相机都以不同的方式传输光线,因此光线灵敏度不同。

例如,拜耳滤光片不仅由比光学棱镜中使用的高级玻璃提供更低透光率的材料制成,而且镶嵌方法也使得每个像素仅对三分之一的波长敏感。落在它上面。根据给定像素的确切颜色,这可能导致超过一半的光照射到滤光器上,从未到达传感器。

根据系统运行的亮度级别以及可容忍的增益/噪声级别,您可以根据应用选择最合适的相机。

白平衡和噪音

每种使用颜色的机器视觉应用都需要白平衡。如果没有根据系统使用的照明光谱调整明确的基线,则无法准确捕获真实的颜色值。取决于所选择的机器视觉相机的类型,可以使用不同的白平衡方法。

例如,拜耳和三线相机只能通过向三个颜色通道中的两个添加增益(放大)来进行白平衡,以便匹配具有最高响应的通道。但是,增加增益不仅会使信号倍增,还会使图像中的噪声倍增。然后,由于整体低光条件所需的任何额外增益将被添加到该基线。如果需要超低噪声,则可能需要通过增加可用光量或切换到不同的相机类型来解决此因素。

相比之下,棱镜相机可以对每个传感器进行独立控制,包括快门速度和增益。这样就可以选择使用快门速度进行白平衡 – 通过延长两个通道的曝光时间来降低响应,或者缩短两个通道的响应时间最长的曝光时间。如果使用更长时间的曝光,噪声可能会略微增加,但增加的幅度远小于增益时的增加。对于某些应用,噪声的降低可能是使用棱镜相机技术的几个理由之一。

颜色伪像

颜色伪像是图像缺陷 – 通常是错误着色的像素或图案 – 由图像的颜色信息的导出方式引起。使用估计或插值来计算颜色的相机最有可能表现出颜色伪影。

然而,即使是产生独立的R,G和B值(非插值)的三线性相机,也会由于梯形失真效应,不平整表面或轻微的时序变化引起的空间偏移而产生颜色伪影。由于棱镜相机具有三个独立的传感器并使用单个光学平面来捕获图像,因此使用棱镜相机产生颜色伪影的风险非常低。最常见的颜色工件类型是:

颜色混叠

颜色混叠是指当具有特定颜色的对象的线条或边缘(例如,深蓝色对角线)显示不同的颜色时的情况,例如当在像素级别检查图像时沿其边缘的红色或黄色像素。

这个问题在拜耳相机中最常见,因为用于为每个像素分配RGB值的插值技术使用周围像素的混合,这些像素可能具有与线或边缘本身完全不同的颜色。

莫尔图案

除了在捕获单个边缘或线时引起问题时,当图像包含精细重复图案时,大规模混叠可导致莫尔图案的出现。虽然任何需要捕获更高空间频率的相机都会出现这种效果,但拜耳相机 – 再次因为插值技术 – 更容易出现这种情况。

对分辨率的影响

与单色系统相比,在确定彩色机器视觉系统所需的分辨率水平时需要特别小心。这是因为拜耳插值等色彩技术大大降低了相机的有效分辨率。虽然拜耳相机可能有500万像素(5百万像素),但插值过程会“平均”许多小细节,使有效分辨率达到整个像素数的三分之一左右。

根据应用程序必须能够检测/分析的最小特征大小以及必须涵盖的视野大小,有两种可能的操作过程:

1、您可以选择分辨率远高于类似单色系统的拜耳相机。当然,这通常带有更高的价格标签,更昂贵的光学器件以及主机上更高的处理负荷。

2、您可以选择具有与在单色系统上使用的基本分辨率大致相同的棱镜相机。一个320万像素的棱镜相机实际上是一个3×320万像素的摄像头,带有三个独立的图像传感器,总计9.6百万像素。因此,它可以产生24位,320万像素的输出,而不会像拜耳相机那样损失分辨率。如上所述,棱镜相机比拜耳相机贵。但与使用900万像素拜耳相机的所有相关成本相比,整体比较变得更加接近。

以上信息仅适用于区域扫描分辨率。在线扫描系统的情况下,三线性和棱镜相机都不依赖于插值,因此这两种技术的有效分辨率都没有显着降低。但是,线扫描相机章节中讨论的一些问题可能会影响三线性相机区分小细节以及棱镜相机的单个光学平面的能力。

色彩空间和色彩空间转换

在开发机器视觉系统时,您需要确定哪种颜色空间最适合您的特定应用。确切的颜色空间取决于应用程序的用途以及如何分析颜色信息。

例如,简单地在屏幕上显示对象的应用程序自然会使用标准RGB颜色空间,因为这是所有监视器构造其像素颜色的方式。但是,如果您正在处理印刷材料,像Adobe RGB这样的色彩空间可能是更好的选择,因为它提供了更广泛的颜色选择,适合数字印刷。

其他颜色空间如HSI(色调,饱和度,强度)和CIE XYZ或CIE L * a * b *颜色空间使用数学坐标来描述颜色,以便某些应用程序更容易计算颜色匹配和颜色差异在程度和方向上。  

在大多数应用程序中,您将使用主机上的算法和处理资源将来自摄像机的RGB数据转换为最适合您应用的色彩空间。但是,在某些情况下,您可能希望相机在主机处理资源专注于其他任务时执行此转换。对于这些情况,值得选择具有内置色彩空间转换功能的相机。

色彩增强和色彩优化

在某些情况下,您可能会发现有意改变颜色的准确性很有价值。如果是这样,在开发机器视觉系统时,值得考虑色彩增强和优化功能。

例如,如果要检测图像中的特定偏差或将两个对象彼此区分开来,有时可以帮助增强图像中的特定颜色。例如,当图像中的红色增强时,可以更容易地区分血细胞和组织。

使用主机上的算法捕获图像后,可以增强图像中的颜色。然而,后处理增强可能受到原始图像的饱和度或对比度的限制。有些相机配备了色彩优化功能,允许用户增强特定的主色或互补色,其真实价值高达200%(2倍)。系统构建者应该考虑这样的功能是否可以为其应用程序增加价值,或者有助于将其与竞争系统区分开来。

Banner
Related Posts

用于食品标签的光学字符识别(OCR)视觉系统

2019年4月24日

2019年4月24日

在食品制造工厂,系统需要从传送器中剔除带有错误打印数据代码的包装食品。虽然以前的系统运行还算正常,但它已经陈旧,原始软件开发的升级换代也无法得到支持。

深度学习+机器视觉=下一代检测

2019年9月18日

2019年9月18日

将机器视觉和深度学习结合起来,将为企业在运营和投资回报(ROI)方面提供强大的手段。因此,抓住传统机器视觉和深度学习之间的差异,并理解这些技术如何相互补充——而不是竞争或替代——对于实现投资最大化至关重要。

深度学习在产品缺陷检测中面临的考验

2019年12月13日

2019年12月13日

人工智能(AI)的发展促使数很多公司投资于深度学习软件,对于视觉行业来说是个好兆头,因为需要在技术上实现飞跃。但是,对于采购或投资相关产品的的用户而言,重要的是要了解如何正确地评估深度学习软件可用性 ,以及它们如何工作的。

新的视觉系统可以在传感器内计算,无需将信息转换成数字格式

2020年3月5日

2020年3月5日

研究人员开发了一种图像传感器阵列,它作为自己的人工神经网络,可以同时捕获和识别光学图像,无需将信息转换成数字格式即可快速处理信息。

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

红外、中国和3D堆叠:CMOS的发展趋势

2019年3月29日

2019年3月29日

3月13日在伦敦举行的Image Sensors欧洲会议的开幕式上,Analog Value的首席技术官兼创始人Vladimir Koifman在会议上上介绍了红外传感技术的进步、堆叠式传感器以及中国市场的价格趋势。

机器视觉检测系统完整解决方案以及开发流程

2019年4月25日

2019年4月25日

机器视觉一词可以想象是具有一组眼睛的计算机进行检测或检验行为。为了开发机器视觉应用的完整解决方案,视觉工程师执行一系列通常分为五个类别的任务:计划,设计,构建,集成和验证。

基于相机和激光传感器的车顶视觉检测系统

2019年4月24日

2019年4月24日

像多单元高速列车这样的现代轨道车辆需要定期进行检查维护,以确保最车辆的安全稳定运行,增加使用寿命并最大限度地减少列车的磨损

基于机器视觉的监测系统​

2019年11月3日

2019年11月3日

本研究基于机器视觉技术,结合Python语言,openCV库等,编写出了一套高精度,高稳定性的位移监测算法,以Nvidia Jetson开发板为载体,结合单片机,红外传感器等,设计制造了一套具有形变监测与预警功能的系统。

韩国开发用于检测机械故障的机器视觉技术

2019年7月4日

2019年7月4日

韩国机械与材料研究所(KIMM)周二宣布,它已开发出一种新的机器视觉技术,可自动检测各种机器的故障。

用于柔性显示器的缺陷检测系统

2019年5月10日

2019年5月10日

韩国国家计量院开发了一种用于自由曲面显示器(包括柔性显示器)的缺陷检测技术,该技术将帮助显示器制造商用在制造过程中通过拍摄的一张图像来检测缺陷。

深度学习在机器视觉系统中的应用详解

2019年4月24日

2019年4月24日

随着机器视觉技术的不断发展,系统在不需要计算机编程的情况下也可以具有分析和分类对象的能力。而人工智能(AI)和深度学习是推动机器视觉发展的重要技术手段。

机器视觉应用的柔性开发

2019年9月12日

2019年9月12日

本文使用IBV软件MERLIC的例子,概述了图像处理的当前要求,并展示了如何在不编程的情况下创建应用程序。

贴纸相机解决物联网成像问题

2019年4月17日

2019年4月17日

Greg Blackman报道了CSEM的Witness IOT相机,这是一款可以作为贴纸部署的超低功耗成像仪。 Andrea Dunbar博士于3月在伦敦举行的Image Sensors Europe会议上展示了这项技术

机器视觉从发展到成熟,最新技术又有些什么?

2018年8月9日

2018年8月9日

这是机器视觉行业的一个演变时期。嵌入式视觉与深度学习和人工智能相结合, 将在生命科学、自驾游、安全和农业等传统制造业以外的市场继续蓬勃发展。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注