预处理功能介绍

基本预处理

图像处理的基础是拍摄图像*拍摄清晰的图像(对比度清晰的对焦)。
而预处理功能的运用,可以对图像进行更佳加工,使其适用于检测内容。在设定瑕疵检测/尺寸测量等正式处理之前,实施拍摄及预处理更佳化,可以提高稳定检测的成功率。

下面将从原理开始,对更佳预处理功能的选择和设定方法进行说明。

基本预处理功能的种类与原理

以下将以预处理功能中最常用的4种为例从原理开始进行说明。如下所示,对全部像素进行以各像素为中心3×3的预处理计算,对图像进行加工。

原图像例

膨胀滤波器

将3×3中心像素浓度,替换为包含中心在内的9个像素中最大浓度(最明亮值)的处理。有去除黑色干扰成分的效果。

膨胀滤波器

收缩滤波器

将3×3中心像素浓度,替换为包含中心在内的9个像素中最小浓度(最暗值)的处理。具有强调黑色像素、稳定检测出黑点等瑕疵的效果。

收缩滤波器

平均滤波器

将3×3中心像素浓度,替换为包含中心在内的9个像素中平均浓度的处理。具有模糊图像以减少干扰成分的影响,使搜索稳定的效果。

平均滤波器

中值滤波器

将3×3中心像素浓度,替换为包含中心在内的9个像素中第五位浓度的处理。与平均滤波器相比,具有不模糊图像而去除干扰成分的效果。

要点

为了在视觉系统中正确再现人眼观察到的图像,拍摄清晰图像很重要,但根据不同检测目的,有时不需再现人眼观察到的图像,还可能通过强调特点(膨胀/收缩等)、通过模糊处理减少干扰成分(平均化/中值等)而得出更佳检测结果。
请牢记要对全部像素进行上述预处理,以便更好地了解预处理。

边缘抽取和边缘增强预处理功能的种类与原理

原图像对比度较低或要强调线信息时,可以使用边缘抽取或边缘增强等预处理功能。边缘相关滤波器的种类较多,选择时需要具备相关原理知识。下面就利用率较高的“Sobel”、“Prewitt”、“边缘抽取X方向”、“边缘抽取Y方向”,对原理进行说明。此外,还将就“边缘增强”与边缘抽取类滤波器的差别作说明。

Sobel和Prewitt

利用Sobel/Prewitt在X和Y方向上分别进行边缘抽取,并对两者结果进行合成的边缘抽取处理。将3×3中心像素的9像素分别与如下系数相乘,并替换为合计出的浓度值。Sobel中央部的像素与“2”相乘,与Prewitt相比,具有强调低对比度边缘的效果,与此同时,还会抽取干扰。

边缘抽取类 总结

  微分 横向 纵向 斜向 其他
Prewitt 1次微分
Sobel 1次微分
Roberts 1次微分
Laplacian 2次微分 不依赖于方向

◎○△符号表示强度,为最强。
强度较强时,也可能抽取干扰变化。

【参考】方向指定边缘抽取滤波器

边缘抽取X方向/Y方向滤波器可以用于纵向瑕疵限定/横向瑕疵限定检测等,原理为Sobel滤波器的方向限定处理。

边缘增强滤波器与边缘抽取滤波器的区别

边缘增强,是一种可以使模糊图像变清晰的处理。
其与边缘抽取滤波器的区别,就是将9像素的合计结果计为1(而非0),由此增强中心像素的浓度。
边缘抽取中,若9像素为同一数据,将合计计为0(浓度0),而边缘增强中,被增强的中心像素浓度会被残留下来。

要点

边缘抽取滤波器,通常是指将3×3的中心像素浓度,根据其上下(X方向)及左右(Y方向)进行运算,实施替换的处理。必须根据需要增强的方向及干扰的有无选择种类。
此外还须注意,由于边缘增强滤波器对于相对均一的部分也会增强中心像素,干扰成分将增多。

滤波器技术运用案例

基恩士的CV-3000/5000及XG系列,可以对单个检测范围,多重设定多个预处理功能。
只要知道各滤波器的原理,就能通过个别组合,实现更佳的图像加工。下面介绍相关事例。

【例1 轮廓平滑化】膨胀n次+收缩n次

通过相同次数的膨胀→收缩动作,在维持原来形状的基础上,只去除黑色的毛边形状。

【例2 强调微小瑕疵/污点】Sobel+二值化+膨胀

Sobel+二值化+膨胀(强调瑕疵)
利用Sobel及二值化只抽取瑕疵和污点,利用膨胀进行放大。

【例3 干扰平滑化】平均化+中值(检测值的稳定化)

消除粗糙表面影响的干扰成分,需要使用“平均化+中值”滤波器。
该技术可进一步有效稳定边缘检测中的测量。

不稳定边缘检测下的重复精度〈典型〉

无滤波器 6.27像素
平均化+中值 0.3像素稳定化

预处理功能前篇 总结

关于预处理,请牢记以下基本点。

  • 首先是拍摄清晰的原图像(=对比度清晰的对焦)。
    在此基础上,若有需要增强的部分,使用图像加工=预处理功能。
  • 常规预处理,是指使用适用各类系数的周边浓度值,将3×3的中心像素替换为需要增强的结果。
  • 只要掌握各项功能的原理,分用途使用有效的预处理功能,或组合使用各功能,就能够稳定检测。

下一个主题是加工出可得到更佳处理结果的图像/预处理功能介绍(后篇)。

除了基本预处理功能,本次还将介绍差分滤波器及实时差分滤波器等新型高级预处理功能的效果。

预处理功能的选择与设定

差分(图像运算)滤波器的效果

印刷的图案将被消除,只有污点会作为不良部分被抽取。
可用于旋转的工件。

差分滤波器,是指比较主控注册的良品图像与当前图像,将存在差异的部分抽取出来的预处理功能。
考虑到良品的个体差,可以任意调整判断不良的差异程度。

差分滤波器功能介绍

计算注册图像与当前图像浓度值的差分绝对值,输出差分图像的滤波器功能。

过去,视觉系统中的差分滤波器运用工具以瑕疵、污点检测为中心,基恩士的CV/XG系列,在瑕疵检测的基础上,还可以用于形状变化辨别等,这是正规化相关的相关值难以实现的功能。

实时差分滤波器功能介绍

实时差分滤波器是对原始图像采取膨胀收缩滤波器处理,采集处理后图像与原始图像本身的差分,实现单纯抽取小黑点等缺陷点的目的。
使用该滤波器功能,无须根据形状复杂的目标物轮廓设定范围,也不用对目标物的位置偏移进行补正,只需通过非常简单的设定,就能实现检测。

实时差分滤波器的原理

通过膨胀1中的原始图像,消除黑点。收缩2中图像,恢复到原始图像大小。
通过3中图像和1中图像的减法运算,仅留黑点。该处理会对每次拍摄的图像实施,因此即使改变输入原始图像的形状,也能获取稳定的差分。

对比度转换滤波器功能介绍

该功能可提升浓淡差较小目标物的对比度,实现更加稳定的外观检测,CV-3000系列以后的产品均配备了对比度转换滤波器功能。该预处理功能,只将跨度/偏移功能作为独立的预处理,可以分别对各窗口进行调节。就其效果而言,可以增强原始图像特定灰度级的浓淡差。

多重滤波器效果介绍

CV/XG系列中配备了各类预处理功能,将多项功能组合用于单一范围,可以为外观检测创建更佳的图像。在下面的示例中,在实时差分滤波器的基础上,组合了收缩、平均、对比度转换功能,实现了在近乎纯白背景上,只留有黑点的图像效果。

[该示例中各项滤波器的作用]

实时差分 用于只留下工件上黑点的滤波器功能。
收缩 用于将残留黑点放大一圈的滤波器功能。
平均化 用于将周围干扰平滑化的滤波器功能。
对比度转换 用于增大周围与黑点对比度的滤波器功能。

预处理功能后篇 总结

关于图像运算类、亮度补偿类的预处理功能,请牢记以下几点。

  • 图像运算类滤波器,即抽取当前图像与比较图像的差,可有效用于污点/瑕疵检测等。
  • 对比度转换滤波器,是一项能够调整每个窗口的浓淡数据倾斜,实现对比度调整的功能。
  • 配合预处理功能介绍(前篇&后篇)的内容,能够加工出满足检测目的的更佳图像。

下一个主题作为实践篇,将就可在现场使用的外观检测设定方法进行说明。
在此前硬件篇、软件篇的知识基础上,对可在现场使用的知识及技术进行说明。

意见及咨询请点击此处

4007-367-367

返回顶部