基於陰影重建形狀的視覺技術:一種重要的圖像形狀提取技術及其應用

2020-12-26 電子產品世界

自動化視覺檢測已經廣泛應用於現今的生產環境的各個領域，從半導體、電子、食品和飲料、醫藥包裝、汽車製造以及其它不同行業。而視覺檢測的應用可分類為測量、有/無檢測、機器人導航、瑕疵檢測、一維或二維碼識別，以及光學文字識別(OCR)閱讀等等。常規的2D算法通常擅長處理某些特徵清晰且定義明確的應用，因此檢測更加可靠。 換句話說，目標特徵必須穩定並且清晰一致地呈現，檢測和識別才會比較可靠。

本文引用地址：http://www.eepw.com.cn/article/202006/414353.htm

不過就如人生一樣，視覺檢測時常面臨挑戰和困境，譬如一些表面帶有天然的紋理或高度反光的物體；再譬如，一些部件經過打磨或衝壓等製造過程，產生了彎曲或帶紋理的表面；還有一些物件帶有浮雕圖案或凹凸不平特徵，例如是衝壓或雕刻標記，這些都會為檢測帶來困難。傳統的二維算法和預處理工具往往不能可靠的解決這些問題。基於陰影重建形狀(Shape from Shading)技術則是一種經過驗證的更可靠方法，能夠應付這些複雜的檢測任務。

本文中一下兩個應用案例，顯示陰影重建形狀(SFS)技術如何提高目標物體的反差並儘可能地抑制背景噪聲，使得更容易地檢測出缺陷並成功讀取字符。

上圖：原圖像；下圖：陰影重建形狀技術處理後的圖像

利用Teledyne DALSA Sherlock軟體的陰影重建形狀技術處理後的圖像

陰影重建形狀技術的廣泛應用

下面兩個例子顯示SFS陰影重建形狀技術的應用如何解決一些傳統二維算法和預處理器難於處理的情況。在第一個案例中，製造商試圖檢測瓷磚表面的裂縫或劃痕。可是由於瓷磚表面帶有複雜的紋理背景，使得一般的照明技術和常規的二維預處理器和算法很難及時檢測到異常，因為這些缺陷在標準成像中根本無法察覺。利用SFS技術，凹陷、裂縫和刮痕都能夠被輕易從背景中分離，分辨及被檢測出來。

在上面的示例中，可以看到字體和圖案是以凸壓方式印在名片上。 如第一張圖片所示，在文首的圖片中，在名片上的壓印字體其實是很難用肉眼來閱讀的。雖然低角度暗場光源會有幫助，但還是不夠強大和穩定。利用SFS配合多角度多重光源，可實現具有更高反差和更出色的合成圖像。圖像經處理後，名片上的所有字體均清晰顯示 （如上面第二張圖片所示），以便於標準光學文字辨識算法查驗。

什麼是SFS陰影重建視覺技術？

陰影重建形狀(Shape from Shading，簡稱SFS)是一種將物件形狀和它的二維表面紋理分離的技術。通常，一般來說，它是用於突顯圖像的三維表面紋理信息，即所謂的形狀圖像，並除去高反光部分的眩光，即所謂的紋理圖像。這一技術的工作原理是利用分段環燈或獨立的條形燈並將多個圖像組合為一個圖像而起作用。拍攝過程會從一系列圖像中提取數據以揭示以前隱藏的表面特徵或缺陷。

相機會按照環燈的逆時針轉動方向，拍攝出四個不同照明角度的圖像。接著利用陰影重建形狀(SFS)技術把四個圖像合成，以顯示三維表面結構。上面的四幀圖片顯示出一個帶紋理的瓶蓋在不同照明角度下拍攝出來的影像，以及經SFS算法處理後的合成圖像。

下圖顯示SFS技術的合成和處理過程。

利用多角度多重光源(使用者可編程)擷取的四個影像

形狀圖像

工作原理如下：算法會搜尋從每一照明方向建構出來的陰影以及突顯出來的邊緣。每一幀圖像的陰影和邊緣會組合成一個圖像，以展示各部份的高度差異。這特別有助於偵測刮痕、凹陷、遺失的部件等等。


Teledyne DALSA Sherlock軟體裡的SFS算法可計算具有3D效果的合成圖像，以增強對比度，同時抑制背景噪聲

紋理圖像

該算法還將尋找沒有直接照明的圖像區域。 然後，它將看起來相同的圖像的所有區域（即它們沒有眩光）組合到一個沒有眩光的圖像中。 這對於檢查高反射率零件或通過塑料或透明材料覆蓋物或包裹物檢查零件很有用。

磁磚彩色圖像      磁磚單色圖像

如何處理運動中目標物的檢測

假如部件在檢測過程中處於運動狀態，SFS的嵌入式活動矯正機制可以處理同一部件在每一圖像擷取時位於不同位置的情況。再通過額外的一副圖像，即所謂的搜尋圖像。通過比較第一副圖像和搜尋圖像，算法會找出部件在圖像擷取時的活動模式，從而識別並對齊正確的像素。

經SFS處理的圖像

SFS陰影重建技術的優勢

這種先進的視覺解決方案具有許多獨特的優勢。 通過先進軟體算法配合多角度照明，它有助於消除表面背景效果（例如噪音或色彩），並產生聚焦於具有強烈對比度的特徵的輸出圖像，以方便檢查。 它特別適合檢查多種材料（例如金屬，塑料，橡膠和陶瓷）的反射表面和粗糙表面是否有瑕疵（例如凹痕，凹槽，裂縫和劃痕），並清晰顯示難以理解的字符。

相關焦點

  • 圖像識別技術在骨質疏鬆診斷中的應用
    圖像識別技術是指通過計算機技術對圖像進行處理與分析，識別並選取特定區域與目標的技術，其步驟一般包括圖像獲取、重點區域識別、區域分割、提取描述性特徵、特徵庫填充及基於算法模型的分類[3]。其中最關鍵的步驟為區域分割，要求分割後的圖像相對於原始圖像信息差異最小，從而提高識別的準確性[4]。
  • 一文探討可解釋深度學習技術在醫療圖像診斷中的應用
    然後，結合三篇文章具體分析了可解釋深度學習模型在醫療圖像分析中的應用。作為一種領先的人工智慧方法，深度學習應用於各種醫學診斷任務都是非常有效的，在某些方面甚至超過了人類專家。其中，一些計算機視覺方面的最新技術已經應用於醫學成像任務中，如阿爾茨海默病的分類、肺癌檢測、視網膜疾病檢測等。
  • 【計算攝影】淺析圖像風格遷移背後的核心技術
    作者&編輯 | 言有三今天要介紹的一個問題是計算機視覺領域中的一個老問題了，即圖像風格化領域中的圖像風格遷移及其背後的核心技術。
  • 三種用Python從圖像數據中提取特徵的技術
    全文共4073字，預計學習時長8分鐘你之前是否使用過圖像數據？也許你想建立自己的物體檢測模型，或者僅僅是想統計走進某棟建築物的人數，使用計算機視覺技術處理圖像擁有無窮無盡的可能性。但數據科學家最近有這樣一種研究趨勢，他們堅信，在處理非結構化數據（尤其是圖像數據）時，深度學習模型是不斷向前發展的。
  • 3D人臉技術漫遊指南
    其中一種深度相機為基於結構光的 RGB-D 相機，以人臉為例，掃描儀會對目標人臉發射光圖案（如光柵格），根據其形變計算曲面形狀，從而計算人臉的深度信息。二維紋理的坐標信息也可以存儲在點信息中，有利於重建更精確的三維模型。 深度圖像也稱之為 2.5D 或者 Range 圖像。三維人臉的 z 軸數值被投影至二維平面，效果類似一個平滑的三維曲面。由於這是一種二維表示方式，所以很多現存的二維圖像的處理方法可以直接應用。
  • 【技術綜述】人臉風格化核心技術與數據集總結
    人臉圖像是計算機視覺領域中研究歷史最久，也是應用最廣泛的圖像。近幾年隨著研究方法的進步以及相關數據集的收集，人臉風格化成為了一個非常熱門的研究領域和應用方向，本文我們來介紹其中的核心技術和相關資源。下面我們來分析這三類風格的核心技術點。從上圖肖像風格我們其實可以看出，肖像風格的重點在於線條輪廓的完整性，均勻性，而人臉的形狀和五官位置其實不需要作出調整，那麼一種最成熟的技術就是邊緣檢測。
  • 一鍵「脫」衣應用DeepNude迅速下線,來看看它涉及的圖像修復技術
    大數據文摘出品來源：Github發布者：yuanxiaosc上周，又一AI偏門應用DeepNude爆出，一鍵直接「脫掉」女性的衣服，火爆全球。應用也很容易上手，只需要給它一張照片，即可藉助神經網絡技術，自動「脫掉」衣服。原理雖然理解門檻高，但是應用起來卻毫不費力，因為對於使用者來說，無需任何技術知識，一鍵即可獲取。
  • AI圖像識別:人類看的是形狀,算法看的是紋理
    神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。 編者按：圖片中的動物輪廓是貓，但是貓披著大象皮膚紋理，將圖片交給人識別，人會說是貓，如果給計算機視覺算法處理，它會說是大象。德國研究人員認為：人看的是形狀，計算機看的是紋理。這一發現相當有趣，但它證明計算機算法離人類視覺還有很遠距離。
  • 技術前沿:CCD、COMS圖像傳感器——機器視覺之眼
    索尼的STARVIS:基於BSI的應用於監控攝像機的技術，在可見光和近紅外光區域實現高畫質。索尼的Pregius：將BSI技術和全局快門結合一起。三星的ISOCELL:基於BSI，通過在圖像傳感器裡的像素之間形成一道絕物理性絕緣體，來有效的防止進入像素的光信號外漏。OV的PureCel：基於BSI和先進的4-單元像素內合併模式。OV的OmniBSI：基於BSI，像素緊湊，減少像素的串擾問題。
  • 新型 3D 視覺技術——應對機器視覺的挑戰
    不同類型的 3D 技術適合不同行業的不同任務和應用。無論是立體視覺、雷射三角測量、結構光、飛行時間 (ToF) 還是其他技術，3D 成像技術正在不斷發展並擴展到更多的市場，幫助最終用戶和原始設備製造商解決新的具有挑戰性的成像問題。
  • 哈工大冷勁松團隊:國際上首次實現基於形狀記憶聚合物智能複合材料...
    北極星太陽能光伏網訊:哈工大冷勁松教授課題組研製的「基於形狀記憶聚合物智能複合材料結構的可展開柔性太陽能電池系統」，2019年12月27日搭載中國空間技術研究院研製的實踐二十號衛星在海南文昌隨長徵五號火箭成功飛天。
  • 基於計算機視覺的 PAN 卡欺詐檢測
    使用來自相機和視頻的數字圖像以及深度學習模型，機器可以準確地識別和分類物體——然後對它們「看到」的東西做出反應。計算機視覺任務包括獲取、處理、分析和理解數字圖像的方法圖像處理中的計算機視覺主要專注於處理原始輸入圖像以增強它們使其做好完成其他任務的準備。計算機視覺專注於從輸入圖像或視頻中提取信息，以正確理解它們，從而像人腦一樣預測視覺輸入。
  • 【技術】花生蛋白提取技術及其在食品中的應用
    下面介紹一下提取花生蛋白的幾種方法：壓榨法、浸出法、水酶法、反膠束萃取技術、鹼溶酸沉法。1）壓榨法壓榨法是通過榨出花生中部分的油脂，達到同時製取花生餅粕的效果，可分為熱榨法和冷榨法。熱榨法雖可去除高達80%~90%的油脂，但由於製備過程中採用高溫處理，所得花生粕中大部分蛋白質已變性，水溶性蛋白質含量降低，功能性質也明顯下降。
  • 基於深度學習的商品檢索技術在服裝搭配中的應用
    摘要商品檢索是一門綜合了物體檢測、圖像分類以及特徵學習的技術。近期，很多研究者成功地將深度學習方法應用到這個領域。本文對這些方法進行了總結，然後概括地提出了商品特徵學習框架以及垂類數據挖掘方式，最後介紹了商品檢索技術在服裝搭配中的應用。
  • 雙目立體視覺技術
    另外，這種立體感覺的產生與生活經驗、物體表面的陰影等也有關。但是，良好的立體視覺只有在雙眼觀察時才有可能。立體視覺是人眼對看到的景象具有的深度感知能力，而這些感知能力又源自人眼可以提取出景象中的深度要素。除了雙目視覺可產生立體感外，單眼看空間景物時，也能辨別物體的前後深度，具有一定的立體感。對於三維顯示技術，更為全面地了解眼睛的立體視覺因素具有重要的意義。
  • 人臉識別技術基礎知識
    人臉識別系統可使用的特徵通常分為視覺特徵、像素統計特徵、人臉圖像變換係數特徵、人臉圖像代數特徵等。人臉特徵提取就是針對人臉的某些特徵進行的。人臉特徵提取，也稱人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法歸納起來分為兩大類：一種是基於知識的表徵方法；另外一種是基於代數特徵或統計學習的表徵方法。 人臉規整(預處理)。
  • ...大庫時代,落地千萬級刷臉系統的技術剖析與建庫經驗|AI 安防峰會
    在算法層，圍繞3D視覺技術的深度感知算法族、三維重建算法族和人臉識別算法族至關重要。在業務中臺層，如何通過數據接入、數據管理、大庫管理和人臉比對算法等各技術模塊的不斷優化，從而提升應用效率至關重要。再者，的盧深視建立三維數據標準及評價打分體系，這是後續確保三維應用效果的基礎，的盧深視結合實際工程應用經驗，提出了數據質量要求及評價標準。
  • 人臉識別中的人臉表情識別技術
    隨著人臉識別技術的發展，如今在識別中應用到對人臉的表情進行識別，可以應用在人機互動、安全、機器人製造、醫療、通信和汽車領域等。那麼，暢視智能來告訴人臉識別技術的人臉表情識別要如何進行？圖像獲取：通過人臉識別攝像頭等圖像捕捉工具獲取靜態人臉圖像或動態圖像序列。
  • Hublot 宇舶表推出基於視覺識別技術的電子保修系統,兼具防偽功能
    法國奢侈品集團 LVMH （路威銘軒）旗下瑞士奢華腕錶品牌 Hublot宇舶表近日推出基於視覺識別技術的電子保修系統 Hublot e-warranty。這一系統是 Hublot和技術公司 KerQuest耗時3年研發的新技術。
  • 淺談計算機視覺中的圖像標註
    什麼是計算機視覺?計算機視覺被認為是機器學習和人工智慧發展的重要領域之一。簡而言之，計算機視覺是人工智慧研究領域，致力於賦予計算機看世界和視覺解釋世界的能力。更進一步的說，計算機視覺是一門研究如何使機器「看」的科學，就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺的應用非常廣泛，從自動駕駛汽車和無人機到醫療診斷技術和面部識別軟體，計算機視覺的應用是巨大的和革命性的。