彩色機器視覺

彩色機視覺有兩個主要用途。首先是要驗證的正在生產(chǎn)的顏色產(chǎn)品，第二個是使用顏色屬性的對象識別。在后一種情況下，感應(yīng)的不是本身的顏色，而是生成識別的對象。

最近有相當多的文章和網(wǎng)絡(luò)研討會有覆蓋顏色機器視覺的基本知識。這些通常討論的方法非常適合用于顏色測量，以驗證正在生產(chǎn)的正確的顏色產(chǎn)品。這些方法也可用于單一顏色的物體識別；然而，他們通常是不切實際的五彩對象和那些地區(qū)被檢查可能包括復(fù)雜的邊界?；陬伾某Ｓ梅椒ㄗR別（CBR），包括那些使它容易識別的五彩對象或那些復(fù)雜的邊界，是這里的重點。

 

識別應(yīng)用的類型

有兩種基本類型的識別應(yīng)用：分類和異常檢測。對于分類，系統(tǒng)必須決定在一個已知的一組可能的參考類，例如一個紅蘋果，一個綠色的蘋果，一個腐爛的蘋果或沒有蘋果。一旦對每一個類進行培訓(xùn)，系統(tǒng)必須可靠地分配給適當?shù)膮⒖碱愔皼]有見過的測試項目。對于異常檢測系統(tǒng)是訓(xùn)練的例子只有一個參考類，它必須決定是否每個測試項目屬于該類。

為了簡單起見，這將側(cè)重于分類，但是，所涉及的方法通常覆蓋這兩種類型的識別。

 

傳統(tǒng)的單色識別方法

即使當感興趣的項目是單一的顏色，他們的圖像是很少真實的。紋理，地形，定位和照明梯度都有助于擴大的范圍內(nèi)的顏色，圖像傳感器的顏色。

為了應(yīng)付展寬，這是傳統(tǒng)的顏色從RGB變換坐標，原產(chǎn)于攝像機和圖像顯示器，到HSI（色調(diào)、飽和度、亮度）、Lab色彩空間（與對手的顏色亮度和尺寸A和B尺寸顏色對手空間）或其他坐標，能夠更加適合色人的知覺。改造通常使它更容易設(shè)置顏色邊界閾值，因為色調(diào)往往保持相對恒定的照明細節(jié)有所不同。

在教科書和系統(tǒng)供應(yīng)商的文獻中，廣泛討論的坐標變換和閾值的方法。它是直觀的吸引力和適當?shù)膮^(qū)分簡單的單一顏色的項目。然而，系統(tǒng)工程和維護成本可以很快變得勢不可擋，當人們試圖用它識別的五彩對象或形狀復(fù)雜或不可預(yù)知的方向。

另一種方法非常適合于高速排序的項目，在有限的可接受的顏色范圍是分配每一個可能的顏色到一個特定的類別的興趣。雖然這種方法可以是耗時的訓(xùn)練和最好的實現(xiàn)在專門的硬件，它可以是非?？焖俸陀行У臋z測在高吞吐量排序的缺陷。

本文將重點介紹的方法，專門設(shè)計的廣義基于顏色的識別。通過放棄單一顏色的項目和需要報告的實際顏色值的假設(shè)，這些系統(tǒng)獲得的能力，提供強大的和具有成本效益的識別。雖然不是眾所周知的，所涉及的方法有一個長期的業(yè)績在工業(yè)應(yīng)用中，他們表現(xiàn)出了識別的精度相媲美，但人體更快、更可靠的長期。

 

彩色的世界

傳統(tǒng)的識別方法是基于這樣的假設(shè)，感興趣的項目是在他們的圖像中識別的一組獨特的像素的顏色，通常是密切聚集在色調(diào)空間的顏色。如果顏色不是唯一的，使顏色分布的類要區(qū)分重疊或很難分離與定義良好的閾值，傳統(tǒng)的方法可以體驗到顯著的問題。

其他因素，諸如相機的Bayer模式的影響，對項目邊界或不確定性落在約邊界本身可以增加不同類別的顏色分布之間的重疊的可能性，無論是單一色或多色的像素的影響。

底線是，對于涉及簡單的界限，對比鮮明的色彩和精心設(shè)計的照明所有，但極少數(shù)基于顏 色的識別問題，對其中的傳統(tǒng)方法CBR很少依據(jù)的假設(shè)成立。

 

而不是依靠簡單的，單色模式，現(xiàn)代化的CBR系統(tǒng)從一開始就感興趣的項目可以通過幾乎無限的顏色組合為特征假設(shè)。他們還假定一些，如果不是全部，顏色可能出現(xiàn)在一個以上的類;只有顏色的比例診斷。

本文將重點介紹的方法，專門設(shè)計的廣義基于顏色的識別。通過放棄單一顏色的項目和需要報告的實際顏色值的假設(shè)，這些系統(tǒng)獲得的能力，提供強大的和具有成本效益的識別。雖然不是眾所周知的，所涉及的方法有一個長期的業(yè)績在工業(yè)應(yīng)用中，他們表現(xiàn)出了識別的精度相媲美，但人體更快、更可靠的長期。

這些系統(tǒng)使用強大的概念，從信息理論，涉及數(shù)百個參數(shù)，來描述每個參考類的顏色分布。的概念包括定義良好的分類和異常檢測的方法。通過比較一個未知對象的顏色分布統(tǒng)計與每個參考類的統(tǒng)計，系統(tǒng)可以找到最有可能已被相機捕獲的顏色模式的源。

在異常檢測的情況下，該理論提供了一個全面的衡量異常相關(guān)的程度，測試分布落參考分布的內(nèi)部或外部。

在商業(yè)軟件包中的實現(xiàn)需要大量的專業(yè)知識和投資的原始開發(fā)人員。然而，在精心設(shè)計的包中，所有的底層的復(fù)雜性是隱藏的。舉例來說，就像一個人會訓(xùn)練一個人的檢查員，意味著很少有特殊的用戶知識是必需的。它變得沒有更難訓(xùn)練，并承認，最復(fù)雜的顏色分布的項目比做相同的最簡單的單一顏色的項目。

 

現(xiàn)代的CBR特征

現(xiàn)代的CBR系統(tǒng)既可以用于PC和智能相機。雖然他們可能提供的能力，返回平均數(shù)值的像素或區(qū)域的顏色坐標，這種能力是很少有用的。相反，他們通過直觀的例子和鑒定培訓(xùn)往往密切匹配的人權(quán)監(jiān)察員區(qū)分。該組合可以導(dǎo)致在減少工程，設(shè)備和運營成本的優(yōu)勢，以及改進的性能。

工程成本降低主要來自系統(tǒng)簡化。所使用的方法的一般性質(zhì)，幾乎消除了對顏色空間轉(zhuǎn)換的需要，特殊的算法開發(fā)，顏色選擇和閾值設(shè)置。照明均勻性的要求往往大大減少，和閃閃發(fā)光的陰影可不是在某些應(yīng)用中阻礙援助。      

基于現(xiàn)代信息理論的CBR在家中一樣的基礎(chǔ)上對比大的顏色或顏色區(qū)分微妙接近人類感知的范圍分類。功能強大的“看起來最喜歡”的匹配可以大大減少或消除設(shè)備的需要，以準確地確定待識別的項目。

減少安裝和系統(tǒng)的培訓(xùn)時間可以顯著降低運營成本。即使是手動的，訓(xùn)練的顯示訓(xùn)練是快速的，自動化的培訓(xùn)或再培訓(xùn)一個單一的一類對象可能只需要一小部分的第二個；檢查速度更快。即使是含有30個或更多不同的樣本織物樣品卡等復(fù)雜的檢查，一次安裝可能需要小于離線助理一個小時的時間，檢查前的在線訓(xùn)練不到三分鐘的操作時間。實際檢查率可以高達幾卡每秒，通常由必要的時間移動到位置的樣本。

 

考慮CBR：

任何識別應(yīng)用中的顏色或項目的形式的差異，創(chuàng)造統(tǒng)計上顯著的顏色差異，在他們的圖像。

任何常規(guī)的分類、包裝或檢查任務(wù)，在一個最低限度的技術(shù)工人可以單獨使用顏色信息作出有效的決定。

當一個或多個圖像中的一個或多個位置的簡單類信息都是需要的，特別是當該項目可能會出現(xiàn)在一個以上的方向。

 

彩色圖像的要求

到這一點上的討論集中在可用的方法，以確定對象從他們的彩色圖像。然而，無論是一個關(guān)注的顏色驗證或基于顏色的識別，重要的是要注意，這兩個需要一致的穩(wěn)定的成像系統(tǒng)。更穩(wěn)定的形象，不經(jīng)常再培訓(xùn)是必要的。微妙的對象之間的差異加以區(qū)分，對圖像采集系統(tǒng)的穩(wěn)定性要求更嚴格。

新來的機器視覺將做得很好，以咨詢這樣的整合，至少對照明和成像的意見。通過聽取建議和投入必要的資源來創(chuàng)造和維持適當?shù)臋z驗環(huán)境，人們可以期待一個高水平的成功。

要求每一個潛在的供應(yīng)商，以展示他們的方法將滿足要求，使用一組有代表性的樣本或樣本圖像已被選擇。

如果可能的話，選擇這些樣本，以便他們可以作為系統(tǒng)驗收測試的基礎(chǔ)。對于簡單的應(yīng)用程序可能很少或不收取費用的示范，特別是如果他們可以在供應(yīng)商的網(wǎng)站。對于更復(fù)雜的應(yīng)用程序，或者如果演示必須在客戶的設(shè)施進行，一個溫和的費用可能會涉及。

基于顏色的識別很容易辨認出五彩的對象和那些復(fù)雜的邊界。對于那些以前沒有和它一起工作過的人來說，它是一個值得研究的選項。

 

 

技術(shù)提示

經(jīng)驗豐富的集成的彩色視覺系統(tǒng)是熟悉的需要穩(wěn)定，廣譜照明和處理的熒光粉和其他照明組件的降解的影響。

適當?shù)钠帘?，從環(huán)境照明變化的影響。

嚴格的環(huán)境控制，以盡量減少照明，相機和其他電子產(chǎn)品的溫度依賴性漂移。