Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Industrielle Bildverarbeitung - Kurzeinführung

801 views

Published on

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Industrielle Bildverarbeitung - Kurzeinführung

  1. 1. Industrielle Bildverarbeitung Optische Verfahren und Systeme in der Industrie: Ein Kurzüberblick Referent: Lorenz Sauer Industrielle Elektronik HTLW16
  2. 2. Anwendungsgebiete• Überwachung von Prozessen• Qualitätssicherung (QA….Quality Assurance) – QA: Ist der Überwachungsparameter noch adequat?• Oberflächenkontrolle• Positions- und Lagebestimmung• Objektidentifikation, Klarschrift• Sensorik für Roboter Lorenz S. 2
  3. 3. Beispiel• Wickelmaschine (Quelle: HK Meßsysteme Gmbh) – Position und Änderung (Δx) bilden Steuergrössen für Vorschub Lorenz S. 3
  4. 4. KomponentenElektronische Bilder:Wandlung vonPositionellenStrahlungsintensitäten inelektrische Signale λ: Die Anwendung bestimmt den genutzten Wellenlängenbereich Lorenz S. 4
  5. 5. Fallbeispiele• Sicherheitstechnik: – Überprüfung des Fingerabdruckes – Überprüfung der Netzhaut – Gesicht und Ausdruck – Art der Bewegung• Medizintechnik: – Röntgen-Aufnahmen, Computertomographie, Kernspin-Resonanz-Verfahren – Erhaltung räumlicher Informationen• Satelliten und Luftaufnahmen: – Perspektivische, Witterungsbedingte Korrekturen – Stereophotogrammetry Lorenz S. 5
  6. 6. Algorithmen• Fundamentale Verfahren – Schwellwert – Gradient (Nabla Operator) – Kantendedektion – Differenzbild Analyse Lorenz S. 6
  7. 7. Schwellwert Bildung• Punktorientiert• Analyse des Histogrammes – n Schwellwerte Sn festlegen – Jedem Punkt wird ein passendes Schwellwertgebiet zugeordnet• Nachträgliche Zuordnung von Pixeln zu Objekten• Vorteil: schnelles, einfaches Verfahren• Nachteil: Vernachlässigung räumlicher Zusammen- hänge → Nachbearbeitung!• Varianten: – lokale Schwellwertverfahren: lokale Histogramm / Schwellwertbildung Lorenz S. 7
  8. 8. Gradient• Kanten stellen eine Änderung der Intensität dar• Die mathematisch Funktion dazu gleicht einer ansteigenden Rampe.• Sprungfunktion:  x • Bildfunktion: f ( x, y)  z f f ... partielle diff . Operator f ( x, y )  dx  dy x y ...Nabla Operator  f  2    f   f  2  y  f ( x, y )           f x, y   arctan    x  y f      x  Lorenz Sauer 8
  9. 9. Kanten-Dedektion• Prinzip: Extraktion und Zusammenfassung von Kanten: Kontur → Erhält räumliche Zusammenhänge• Punktorientierte Verfahren: Anwendung von Laplace- oder Sobel- und nachfolgendem Schwellwert-operator• Linienorientierte Verfahren: Verfolgung der Konturlinie ausgehend von einem geeigneten Startpunkt. Probleme: T- oder L-Kreuzungen• Problem: Überbrückung kleiner Löcher in der Kontur• Lösungsmöglichkeit: Konturpunkt- verkettung Lorenz S. 9
  10. 10. Differenzbild Analyse• Prinzip: Suchbild (z.b. Prüfendes Objekt) mit einem Referenz(objekt)bild vergleichen → Abweichungen im Differenzbild schliessen auf Fehler• Vorteil: einfach und extrem schnell• Nachteil: konstante Beleuchtungsverhältnisse und eine exakt reproduzierbare Bildposition• Implementierung: Pixel/Region durch XOR Operation XR Truth Table mit Referenzpixel/region verknüpfen A B Out 0 0 0 XOR 0 1 1 1 0 1 1 1 0 Lorenz S. 10
  11. 11. Tests / Umsetzung• Mathematica worksheets• Bildverarbeitungsalgorithmen – MatLab via speziellen „Toolboxes“• Entwerfen von High Level Code:C++,... – Konvertieren in ASM für DSP‘s• Direkter Assembly-code Lorenz S. 11
  12. 12. • Danke für das Interesse! Lorenz S. 12

×