Felvétel készítése Képfeldolgozás (ábragyűjtemény) IV. Dr. Kohut József 1. felbontás (resolution) 2. látómező (field of view, FOV) 3. tárgy-távolság (working distance) 4. érzékelő (sensor) 5. tárgy/mező mélysége (depth of field) 6. kép (image) 7. pixel 8. pixel felbontás Felvétel készítése Felvétel készítése felbontás (resolution): a képben előforduló, felismerendő legkisebb távolság w pixel felbontás: a vizsgálandó kép kialakításához szükséges pixelek száma látómező szélessége: w fov
pixel-felbontás = Felvétel készítése Legalább 2 pixel szükséges a legvékonyabb vonal kirajzolásához! lencse fókusztávolsága = (érzékelő szélessége) x (tárgy távolsága) = (látómező szélessége) w fov Felvétel készítése d Ha a szükségesnél kisebb a fókusztávolság: a kép torzul! f s Felvétel készítése A kép minőségét jellemzi - kontrasztosság (a minimális és a maximális fényesség különbsége) befolyásolja: megvilágítás Felvétel készítése Perspektivikus hiba ideális felvételezés torzító felvételezés - mélységélesség (éles képet adó tárgyrészletek távolságainak különbsége) befolyásolja: a lencse (blende) nyílása
Felvétel készítése Felvétel készítése ideális rács perspektivikus torzítás nemlineáris torzítás Síkbeli kalibrálás kiinduló adatai: - dx, dy távolságok - összetartozó pontok Kalibrálás algoritmusai: - perspektivikus (1. ROI) - nemlineáris (2. ROI, csak a pontok 3. környezetében ad pontos értéket) a kalibrálás jóságának mértékei: - találati arány (quality score) 0 1000 - hiba-térkép (error map) pixelenként a helyzeti-hiba becsült nagysága
kép korrekciója a kalibrálás alapján: - pixelenként újra-számolt koordináták (időigényes) - a korrekciók tárolása pixelenként look-up-table (nagy memóriát igényel) a korrigált kép skálázása: eredeti kép korrigált képek a távolságok a területek megtartásával koordináta-rendszer meghatározása - origó kijelölése - tengely elfordulási szöge koordináta-rendszer meghatározása - a tengelyek irányítottsága
új koordinátarendszer kijelölése a koordinátarendszert újra kell definiálni, ha a tárgy elmozdul eredeti elmozdult tárgy újradefiniált kép téves mérés koordinátar. a pixel tényleges (Real-World) koordinátái: a (3,8) koordinátájú pixel ideális esetben egy négyzet, valójában egy általános négyszög particle (részecske, folt) mérhető jellemzői - befoglaló téglalap szélessége, magassága
kerület: - pixel-darabszám - közelítés egyenes szakaszokkal - közelítés hatványfüggvénnyel terület üregekkel-üregek nélkül üregek darabszáma üregek területe elfordulási szög (matem. pozitív irányban) 1. minimális tehetetl. nyomaték tengelye 2. szög 3. x tengely Feret-féle -kezdőpont (felső vagy baloldali) (1) - végpont (alsó vagy jobboldali) (2) -átmérő (5) - irányszög (3) Kerület (4)
kép területe kalibráló háló eredeti korrigált felvétel ekvivalens téglalap (azonos terület és kerület) méretei, helyzete, területe ekvivalens ellipszis (azonos terület és kerület) méretei, helyzete, területe befoglaló konvex alakzat, héj (convex hull) méretei, helyzete, területe tömegközéppont koordinátái a folt tehetetlenségi nyomatékai (moment of inertia) a súlyponton keresztül, x, ill. y tengely körül
első pixel (balról jobbra, felülről lefelé) leghosszabb vízszintes/függőleges metszet hossza átlagos vízszintes/függőleges metszethosszúság vízszintes/függőleges metszetek darabszáma a pixelek x (y) koordinátáinak összege (sum) hidraulikus sugár Waddel-korong átmérője Gépi látás Területei: (edge detection) Alakzat felismerése (pattern recognition) (geometrical matching) Méretek meghatározása (dimensional measurements) Szín felismerése
Gépi látás Összehasonlítás hibátlan tárgy képével (golden template comparison) Karakter felismerés (character recognition) Műszer kijelzésének (mutató, LCD) leolvasása (instrument reader) Vonalkód (1, 2 dimenziós) olvasása (barcode reader) Az él-detektálás célja: - mérés (gauging) - jelenlét érzékelése tárgy helyzetének ill. elfordulásának felismerése élkeresés 1. 1-dimenziós kereső vonalak (search line) 2. felismert élek
Az él modellje: 1. él profilja 2. él hossza 3. él nagysága (kontrasztja) 4. él helyzete Az él nagysága (edge strength) függ: - a megvilágítástól - a kép átlagos fényességétől (erősen csillogó tárgy csökkenti a többi tárgy kontrasztját) Az él polaritása (pozitív irány: balról jobbra, felülről lefelé) Az él-detektálás egyszerű módszere 2. küszöbszint 3. hiszterézis 4. pozitív él helye 5. negatív él helye
Fejlett (advanced) él-keresés az intenzitás 1. deriváltját közelíti A derivált számítása 3, 4.. elemű kernel alapján folyik A kép zajosságának elkerülésére a derivált számítása a ROI vonallal (1) párhuzamos sávban (2) folyik A pixelen belüli (sub-pixel) élmeghatározás: parabolikus interpolációval kb. 1/25 pixel pontosság érhető el él keresése eredeti kalibrált/korrigált képben
élkeresés 2-dimenziós alakzatban 1 keresési terület 2 kereső vonalak (rake, gereblye) 3 keresés iránya 4 él pontjai spoke, küllő koncentrikus gereblye keresés iránya lehet az órajárás irányában, vagy ellenkezőleg egyenes él meghatározása min. 3 db él alapján: rake használata első él keresése
a legjobb él keresése: a fényesség deriváltjának maximális értéke Alakzat-felismerés Alakzat-felismerés (pattern recognition) célja: - helyzet megállapítása (alignment) pl. tájékoztató pont (fiducial) keresése nyomtatott áramköri lapon - méret-ellenőrzés - jelenlét ellenőrzése Alakzat-felismerés minta (referencia) alakzat felismerése: - jelenlét - helyzet - elfordulási szög - többszörös előfordulás Alakzat-felismerés Referencia alakzat (template) képe: -jóminőségű - túlvilágított - alulvilágított - homályos (blur) - zajos (noise)
Alakzat-felismerés alakzat felismerési algoritmusok: - kereszt-korreláció (azonos méretek, max. 5 10 elfordulás) template: w(x,y) mérete: L x K kép: f(x,y) mérete: M x N Alakzat-felismerés korreláció-számítás a síkban az intenzitások különbségének eltüntetése: normalizálás Alakzat-felismerés - lépték-független felismerés scale-invariant matching megismételt korreláció-számítás különböző méretarányok és elfordulási szögek esetében nagy időigény - kétdimenziós FFT alkalmazása (csak azonos lépték esetén használható) Alakzat-felismerés - piramis-szerű felismerési módszer: csökkentett felbontású kép és minta (minden 2. sor és oszlop kihagyása) gyors hasonlóság-keresés (1/4 db pixel) a hasonló területeken teljes felbontású kép részletes vizsgálata
Alakzat-felismerés felismerés a kép lényege alapján (image understanding) a redundancia csökkentése egyenlőtlen (intelligens) mintavételezés Geometriai (körvonal) illesztés: - alkatrész-válogatás : - helyzet meghatározása Az illesztés akadálya: eltérő méretek, szög-elfordulás
Az illesztés akadálya: eltérő, egyenetlen megvilágítás Az illesztés akadálya: ellentétes kontrasztok Az illesztés akadálya: tárgyak átfedése, kép hiánya (occlusion) Az illesztés akadálya: eltérő háttér
Az illesztés geometriai elemei: ív (1) körvonal (2) téglalap (3) egyenes vonal (4) szöglet (5) Az illesztés fázisai: - tanulás -- a vonal(ak) kiemelése a képből -- a vonal(ak) lényegének kiemelése -- a vonalak síkbeli kapcsolata - illesztés -- a vonalak jellemzőinek egyeztetése -- a mintával való egyezés vizsgálata -- az illesztés finomítása a vonal(ak) kiemelése a képből - a mag-pont (seed-point) kijelölése más vonalnak nem része, jól felismerhető - a vonal követése - a vonal véglegesítése (összekapcsolás, zárás, törlés) a vonal(ak) lényegének kiemelése: - geometriai alaptípusa (egyenes, ív ) - az elvi típus és a tényleges vonal egyezésének mértéke - a minta leírásának teljessége (egyértelműség)
A kép torzulásainak figyelembevétele Az illesztés jóságának mértéke: találat-arány (score) 0 (nincs egyezés) 1000 (teljes egyezés) Az egyezés két irányban mérhető. target hiányos: template - target score < 1000 target többletes: target - template score < 1000