Kompakt-Bildverarbeitungssystem Micro-Imagechecker A100 / A200
|
| Produktfamilien-Verschlagwortung |
|---|
 Bildverarbeitung Bildverarbeitungssysteme, universell einsetzbar Mehrkamerasysteme Mehrkamera Bildverarbeitungssysteme mit proprietärer Hardware |
| Funktionsprinzip |
| Der erste Schritt ist die Bildaufnahme des beleuchteten Objekts durch die Kamera. Dieses Bild wird anschließend durch einen Framegrabber erfasst und in digitalisierter Form dem Prozessor zur Auswertung übergeben. Im nächsten Schritt wird durch Vorverarbeitungsalgorithmen die Unterscheidbarkeit von zu erkennenden Merkmalen und dem Hintergrund verbessert. Zu den hier angewendeten Maßnahmen zählen u.a. Filteralgorithmen, eine automatische Helligkeitsanpassung und die Shadingkorrektur. Durch Erosions- und Dilatationsfunktionen werden z.B. kleine Bildstörungen unterdrückt bzw. überbrückt. Bei der Helligkeitsanpassung wird die Grundhelligkeit des Bildes aufgrund variierender Lichtverhältnisse durch wechselnde Sonneneinstrahlung oder variierende Oberflächenbeschaffenheit korrigiert. Durch die Shadingkorrektur werden Helligkeitsverläufe im Bild durch eine ungleichmäßige Beleuchtung korrigiert, so dass der Bildhintergrund mit einer konstanten Helligkeit erscheint. Auf diesem für die weitere Auswertung vorbereiteten Bild gilt es nun, das relevante Objekt zu isolieren und zu erkennen. Die häufigste Methode hierzu ist die Binarisierung des Bildes. Hierzu wird das Grauwertbild mittels einer Grauwertschwelle in Objektflächen und Hintergrundflächen segmentiert. Diese Grauwertschwelle wird durch das Bildverarbeitungssystem an der Stelle der größten Änderung des Grauwerteverlaufes festgelegt. Im Folgenden kann z.B. mit Schwerpunktsberechnungen der einzelnen Flächen auf dem Binärbild das relevante Objekt lokalisiert werden. Für die separierten Objekte werden dann Merkmale wie z.B. die Pixelanzahl von Flächen, Schwerpunkte oder das Verhältnis der Achsen berechnet. Darüber hinaus können Abstände gemessen, Konturabweichungen gegenüber einem Toleranzband geprüft oder die Ausprägung einer Farbe kontrolliert werden. Durch den Vergleich der herausgearbeiteten Kriterien mit Grenzwerten kann die Klassifizierung der Objekte und dadurch die Ausgabe eines Prüfentscheides umgesetzt werden. Bei anderen Aufgaben wiederum ist es zweckmäßig, die Objekte durch "Template Matching" direkt und ohne eine Segmentierung zu suchen. Hierzu wird eine abgespeicherte Vorlage solange nach einem vordefinierten Algorithmus in unterschiedlichen Dreh- und Axiallagen mit dem jeweiligen Bildausschnitt verglichen, bis eine bestmögliche Übereinstimmung lokalisiert wurde oder sicher die Aussage getroffen werden kann, dass sich das gesuchte Objekt nicht in dem Bild befindet. Zur Klarschriftlesung werden bei gepunktetem Schriftbild im ersten Schritt die Punkte durch einen Dilatationsfilter so vergrößert daß sie zusammenwachsen und anschließend mit einer Erosionsfilterfunktion wieder auf die ursprüngliche Linienstärke reduziert. Dadurch werden die Punkte zu einer durchgängigen Linie verbunden. Anschließend werden die Zeichen wie oben beschrieben binarisiert und mit den abgespeicherten Modellen verglichen. Durch die neuronale Klassifikation ist das System sehr tolerant gegenüber Schwankungen des Erscheinungsbildes und bietet dadurch eine hohe Lesesicherheit. |