Методы творческого освещения позволяют создавать вычислительные изображения

Источник изображения: Smart Vision Lights

Концепция компьютерной визуализации может быть новой для многих, но ценность этой уже довольно зрелой технологии имеет далеко идущие последствия. Приложения, включающие ввод нескольких изображений и изображений с несколькими источниками света с вычисленными выходными изображениями на основе алгоритмов, вышли далеко за пределы первоначальной области исследований и разработок. Эта технология нашла свое применение в промышленном автоматизированном контроле, где творческое использование компонентов освещения стало передовой технологией, обеспечивающей ценные возможности визуализации.

В широком смысле термин «вычислительная визуализация» может применяться к различным методам, в которых используются алгоритмы для создания одного изображения на основе более чем одного оптического сбора данных. Исследования в области компьютерной визуализации включают в себя безлинзовые, однопиксельные и даже плоские камеры. Реализации компьютерного изображения с помощью машинного зрения стали гораздо более зрелыми, а компоненты и программное обеспечение для конкретных областей применения проще в использовании, чем когда-либо. В двух распространенных случаях использования устройства освещения и элементы управления способствуют ключевым возможностям визуализации. К этим вариантам использования относятся фотометрическое стереоизображение (или изображение формы из затенения), используемое для выделения геометрических особенностей, а также цветное изображение с высоким разрешением.

Фотометрическое стереоизображение тесно связано с трехмерным изображением. Фотометрическое стереоизображение, хотя и не является прямым физическим трехмерным представлением сцены, представляет геометрическую форму элементов изображения, и создание изображений гораздо проще реализовать. Обычно используется одна камера, а несколько источников освещения для нескольких изображений объединяются в программном обеспечении, которое легко доступно и поддерживается многими компонентами машинного зрения и программными библиотеками.

По сути, фотометрическое стерео в вычислительной визуализации для машинного зрения использует многоугольное освещение для выделения объектов, высота которых отличается от высоты окружающих поверхностей. При получении одного изображения детали кажутся яркими по отношению к близлежащей поверхности. Этот метод освещения широко используется в машинном зрении для эффективного обнаружения особенностей и дефектов поверхности. Однако когда получается серия изображений с освещением, исходящим под разными углами (рис. 1), полученные изображения можно объединить с помощью алгоритма «форма из затенения» для получения некалиброванного трехмерного изображения относительной высоты объектов.

Рисунок 1: Фотометрическое стерео в вычислительной визуализации для машинного зрения использует многоугольное освещение для выделения объектов, высота которых отличается от высоты окружающих поверхностей. | Источник изображения: Smart Vision Lights

В отличие от более сложных систем трехмерной визуализации, результирующее фотометрическое стереоизображение часто представляет собой изображение кривизны, а не чистое изображение высоты или глубины. Данные изображения создают представление в оттенках серого геометрии поверхности дискретных элементов с локализованными изменениями высоты. Те, которые находятся дальше по высоте или глубине от окружающих поверхностей, будут иметь более высокое значение пикселя в оттенках серого. Помимо обработки изображений кривизны, библиотеки расширенного машинного зрения могут обрабатывать направленные изображения с помощью других алгоритмов (рис. 2). Фильтры включают в себя текстуру, среднее значение, локальную форму, локальный контраст, гауссовский фильтр и альбедо. Каждый фильтр подчеркивает различные свойства поверхности, и пользователи могут выбрать тот, который лучше всего подходит для их конкретного применения.

Фигура 2: Результат фотометрического стереоизображения варьируется в зависимости от выбора алгоритма обработки. Те же входные данные о направлении отображаются с использованием алгоритмов средней кривизны Matrox Design Assistant (вверху слева), локального контраста (вверху справа), текстуры (внизу слева) и гауссовой кривизны (внизу справа). Дополнительные алгоритмы включают альбедо и локальную форму. Правильный выбор зависит от отображаемого объекта и типа обнаруживаемого объекта. | Источник изображения: Smart Vision Lights

Широкое использование фотометрических стереоизображений заключается в выделении элементов изображения, где объекту или сцене не хватает оттенков серого, но отдельные элементы имеют геометрические различия относительно поверхности. Одним из примеров является изображение шин для идентификации на основе графики и символов боковин. Благодаря информации, предоставляемой представлением нескольких изображений, изображение в оттенках серого может быть обработано с использованием типичных инструментов машинного зрения для выполнения задач проверки, таких как обнаружение дефектов, OCR/OCV и измерение. Поверхности с тиснением или тиснением кодов или символов также являются хорошими кандидатами для фотометрического стереоизображения. Аналогичным образом, многие продукты и компоненты с малоконтрастными характеристиками, но с геометрической структурой могут извлечь выгоду из этого метода визуализации (рис. 3).