自動化視覺檢測已經廣泛應用于現今的生產環境的各個領域,從半導體、電子、食品和飲料、醫藥包裝、汽車制造以及其它不同行業。而視覺檢測的應用可分類為測量、有/無檢測、機器人導航、瑕疵檢測、一維或二維碼識別,以及光學文字識別(OCR)閱讀等等。常規的2D算法通常擅長處理某些特征清晰且定義明確的應用,因此檢測更加可靠。換句話說,目標特征必須穩定并且清晰一致地呈現,檢測和識別才會比較可靠。
不過就如人生一樣,視覺檢測時常面臨挑戰和困境,譬如一些表面帶有天然的紋理或高度反光的物體;再譬如,一些部件經過打磨或沖壓等制造過程,產生了彎曲或帶紋理的表面;還有一些物件帶有浮雕圖案或凹凸不平特征,例如是沖壓或雕刻標記,這些都會為檢測帶來困難。傳統的二維算法和預處理工具往往不能可靠的解決這些問題。基于陰影重建形狀(Shape from Shading) 技術則是一種經過驗證的更可靠方法,能夠應付這些復雜的檢測任務。
本文中一下兩個應用案例,顯示陰影重建形狀(SFS)技術如何提高目標物體的反差并盡可能地抑制背景噪聲,使得更容易地檢測出缺陷并成功讀取字符。
上圖:原圖像;中圖:陰影重建形狀技術處理后的圖像
下圖:利用Teledyne DALSA Sherlock軟件的陰影重建形狀技術處理后的圖像
陰影重建形狀技術的廣泛應用
下面兩個例子顯示SFS陰影重建形狀技術的應用如何解決一些傳統二維算法和預處理器難于處理的情況。在第一個案例中,制造商試圖檢測瓷磚表面的裂縫或劃痕。可是由于瓷磚表面帶有復雜的紋理背景,使得一般的照明技術和常規的二維預處理器和算法很難及時檢測到異常,因為這些缺陷在標準成像中根本無法察覺。利用SFS技術,凹陷、裂縫和刮痕都能夠被輕易從背景中分離,分辨及被檢測出來。
在上面的示例中,可以看到字體和圖案是以凸壓方式印在名片上。如第一張圖片所示,在文首的圖片中,在名片上的壓印字體其實是很難用肉眼來閱讀的。雖然低角度暗場光源會有幫助,但還是不夠強大和穩定。利用SFS配合多角度多重光源,可實現具有更高反差和更出色的合成圖像。圖像經處理后,名片上的所有字體均清晰顯示 (如上面第二張圖片所示),以便于標準光學文字辨識算法查驗。
什么是SFS陰影重建視覺技術?
陰影重建形狀(Shape from Shading,簡稱SFS)是一種將物件形狀和它的二維表面紋理分離的技術。通常,一般來說,它是用于突顯圖像的三維表面紋理信息,即所謂的形狀圖像,并除去高反光部分的眩光,即所謂的紋理圖像。這一技術的工作原理是利用分段環燈或獨立的條形燈并將多個圖像組合為一個圖像而起作用。拍攝過程會從一系列圖像中提取數據以揭示以前隱藏的表面特征或缺陷。
相機會按照環燈的逆時針轉動方向,拍攝出四個不同照明角度的圖像。接著利用陰影重建形狀(SFS)技術把四個圖像合成,以顯示三維表面結構。上面的四幀圖片顯示出一個帶紋理的瓶蓋在不同照明角度下拍攝出來的影像,以及經SFS算法處理后的合成圖像。
下圖顯示SFS技術的合成和處理過程。
利用多角度多重光源(使用者可編程)擷取的四個影像
Teledyne DALSA Sherlock軟件里的SFS算法可計算具有3D效果的合成圖像,以增強對比度,同時抑制背景噪聲。
形狀圖像
工作原理如下:算法會搜尋從每一照明方向建構出來的陰影以及突顯出來的邊緣。每一幀圖像的陰影和邊緣會組合成一個圖像,以展示各部份的高度差異。這特別有助于偵測刮痕、凹陷、遺失的部件等等。
紋理圖像
該算法還將尋找沒有直接照明的圖像區域。然后,它將看起來相同的圖像的所有區域(即它們沒有眩光)組合到一個沒有眩光的圖像中。這對于檢查高反射率零件或通過塑料或透明材料覆蓋物或包裹物檢查零件很有用。
如何處理運動中目標物的檢測
假如部件在檢測過程中處于運動狀態,SFS的嵌入式活動矯正機制可以處理同一部件在每一圖像擷取時位于不同位置的情況。再通過額外的一副圖像,即所謂的搜尋圖像。通過比較第一副圖像和搜尋圖像,算法會找出部件在圖像擷取時的活動模式,從而識別并對齊正確的像素。
磁磚彩色圖 磁磚單色圖像
經SFS處理的圖像
SFS陰影重建技術的優勢
這種先進的視覺解決方案具有許多獨特的優勢。通過先進軟件算法配合多角度照明,它有助于消除表面背景效果(例如噪音或色彩),并產生聚焦于具有強烈對比度的特征的輸出圖像,以方便檢查。它特別適合檢查多種材料(例如金屬,塑料,橡膠和陶瓷)的反射表面和粗糙表面是否有瑕疵(例如凹痕,凹槽,裂縫和劃痕),并清晰顯示難以理解的字符。
編輯:lyn
-
視覺檢測
+關注
關注
2文章
377瀏覽量
19229 -
SFS
+關注
關注
0文章
9瀏覽量
8670 -
視覺技術
+關注
關注
0文章
87瀏覽量
13510
原文標題:基于陰影重建形狀的視覺技術:一種重要的圖像形狀提取技術及其應用
文章出處:【微信號:lingzhiVision888,微信公眾號:凌智機器視覺】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論