BR112015020944B1

BR112015020944B1 - método implementado por computador para determinar um tamanho de partícula, e, mídia legível por computador

Info

Publication number: BR112015020944B1
Application number: BR112015020944-0A
Authority: BR
Inventors: Neil M. Day; Jing Dong
Original assignee: Neil M. Day E Jing Dong
Priority date: 2013-02-28
Filing date: 2014-02-28
Publication date: 2020-12-08
Also published as: KR20150121208A; JP2016511834A; US9863861B2; BR112015020944A2; NZ712230A; AU2014224054B2; CA2903010A1; EP2962084A1; HK1218780A1; CN105247342A; WO2014134552A1; JP6465818B2; AU2014224054A1; US20140241590A1; KR102054250B1; CA2903010C; CN105247342B

Abstract

MÉTODOS IMPLEMENTADOS POR COMPUTADOR PARA DETERMINAR UM TAMANHO DE PARTÍCULA E PARA ALCANÇAR UM TAMANHO DE PARTÍCULA, E, MÍDIA LEGÍVEL POR COMPUTADOR Um método implementado por computador para determinar o tamanho de partícula e uma mídia legível por computador armazenando as instruções para executar um tal método são apresentados. O método envolve a obtenção de uma imagem de pelo menos uma partícula e uma marca de calibração, em que a partícula e a marca de calibração foram capturadas usando a mesma lente, corrigir a imagem para efeitos de distorção para gerar uma imagem corrigida, em que o mesmo fator de correção é aplicado tanto na partícula e na marca de calibração, e determinar um tamanho de partícula usando a imagem corrigida. O método pode ser útil para a obtenção do tamanho alvo dos grãos de café que irá produzir o sabor desejado. Grãos de café podem ser aspergidos em uma superfície com uma marca de calibração e submetido à formação de imagem com a marca de calibração de modo que o fator de correção para a marca de calibração possa ser usado para determinar a faixa de tamanho de partícula dos grãos de café.

Description

Fundamentos da Invenção

[001] O conceito inventivo aqui descrito refere-se a um método e a um aparelho para determinar a distribuição de tamanho de partículas.

[002] Vários métodos para medir a distribuição de tamanho de pequenas partículas existem. Estes métodos incluem usar peneiras, sedimentometria, difração a laser, dispersão de luz dinâmica e uso de um microscópio. O uso de peneiras envolve separar partículas e medir sua distribuição de tamanho com base em variados tamanhos de malha das peneiras. Sedimentometria, que é a medição que usa um medidor de sedimento, mede a taxa de queda de partículas através de uma mídia viscosa, taxa esta que é, então, correlacionada com o tamanho de partícula. Difração a laser e dispersão de luz dinâmica usam luz de laser direcionada nas partículas. Para difração a laser, distribuição do tamanho de partícula é determinada com base no padrão de difração da luz dispersa pelas partículas; para dispersão de luz dinâmica, a distribuição do tamanho de partícula é determinada com base nas mudanças na intensidade da luz dispersa por partículas em uma solução. Microscópios podem ser usados para medir diretamente tamanhos de partícula.

[003] Um problema com os métodos expostos é que eles são trabalhosos e demorados, exigem equipamento especializado e oneroso, tais como lasers ou um microscópio apropriado, ou ambos. Cada método também exige, tipicamente, pessoal treinado para usar o equipamento precisamente. Tais exigências limitam estes métodos a aplicações industrial e de laboratório. Um método para medir a distribuição de tamanho de pequenas partículas que pode ser mais prontamente usado em um ambiente casual (por exemplo, em uma residência comum) por indivíduos será desejável.

Sumário da Invenção

[004] Em um aspecto, o conceito inventivo refere-se a um método implementado por computador para determinar um tamanho de partícula. O método implica obter uma imagem de pelo menos uma partícula e uma marca de calibração, em que a partícula e a marca de calibração foram capturadas usando a mesma lente, corrigir a imagem quanto aos efeitos de distorção para gerar uma imagem corrigida, em que o mesmo fator de correção é aplicado tanto na partícula quanto na marca de calibração, e determinar um tamanho da partícula usando a imagem corrigida.

[005] Em um outro aspecto, o conceito inventivo refere-se a um método implementado por computador para alcançar um tamanho de partícula desejado para grãos de café. O método implica obter uma imagem de grãos de café dispersos em uma superfície que tem uma marca de calibração, em que a partícula e a marca de calibração foram capturadas usando a mesma lente, corrigir a imagem quanto aos efeitos de distorção para gerar uma imagem corrigida, em que o mesmo fator de correção é aplicado tanto nos grãos de café quanto na marca de calibração, e determinar uma faixa de tamanho de partícula para os grãos de café usando a imagem corrigida.

[006] Em um ainda outro aspecto, o conceito inventivo refere-se a uma mídia legível por computador que armazena instruções para determinar um tamanho de partícula, em que as instruções são para obter uma imagem de pelo menos uma partícula e uma marca de calibração, em que a partícula e a marca de calibração foram capturadas usando a mesma lente, corrigir a imagem quanto aos efeitos de distorção para gerar uma imagem corrigida, em que o mesmo fator de correção é aplicado tanto na partícula quanto na marca de calibração, e determinar um tamanho da partícula usando a imagem corrigida.

[007] Em um ainda outro aspecto, o conceito inventivo refere-se a uma mídia legível por computador que armazena instruções para determinar um tamanho de partícula pela obtenção de uma imagem de pelo menos uma partícula usando uma lente, obter uma medição da partícula na imagem, determinar um parâmetro de distorção da lente e um parâmetro de distorção da perspectiva que são associados com a lente, e modificar a medição da partícula pelo uso do parâmetro de distorção da lente e do parâmetro de distorção da perspectiva.

Breve Descrição dos Desenhos

[008] A figura 1 é uma modalidade de um aparelho para determinar tamanhos de partícula.

[009] A figura 2 é um exemplo de um padrão de calibração que pode ser usado com o método da divulgação.

[0010] A figura 3 ilustra dimensões de exemplo de um padrão de calibração em relacionamento com tamanho de partícula e dimensões de pixel.

[0011] A figura 4 ilustra um exemplo de uma imagem de partículas de amostra em um padrão de calibração.

[0012] A figura 5 é um fluxograma de uma modalidade de um método de determinação de tamanho de partícula aqui descrito.

[0013] A figura 6 é um fluxograma de um método para corrigir distorções de lente e de perspectiva em uma imagem.

Descrição Detalhada

[0014] Um método para determinar a distribuição de tamanho de pequenas partículas usando uma imagem de tais partículas é descrito. O método implica gerar ou de outra forma obter uma imagem (por exemplo, um mapa de bits) que inclui as pequenas partículas e um padrão de calibração, em que as dimensões do padrão de calibração são conhecidas. A imagem pode ser produzida, por exemplo, usando qualquer câmera convencional para tratar a imagem das pequenas partículas posicionadas em um padrão de calibração, ou ao redor dele. Quando o tamanho de partícula for pequeno (por exemplo, na ordem de 0,0000254 milímetro (10-6 polegada)), correções são feitas para considerar as distorções ocasionadas pela lente da câmera.

[0015] Em uma modalidade do método que é descrito, o tamanho de partícula é determinado usando um padrão de calibração que inclui marcas de dimensões conhecidas. O padrão de calibração e as partículas passam por tratamento de imagem juntamente, com a consideração de que as mesmas distorções se aplicarão tanto ao padrão de calibração quanto às partículas. Usando as dimensões conhecidas do padrão de calibração, uma transformação é gerada para remover os efeitos de distorção e converter a imagem em uma imagem corrigida que é livre de efeitos de distorção. A transformação é, então, aplicada para determinar a distribuição do tamanho de partícula a partir da imagem corrigida.

[0016] Vantajosamente, qualquer câmera (ou outro dispositivo capaz de produzir um mapa de bits) pode ser usada para gravar o mapa de bits, e equipamento de tratamento de imagem ou de gravação especializado não é exigido. Além do mais, em virtude de o padrão de calibração e as partículas serem gravados juntamente em uma única imagem, a câmera, a lente e outros parâmetros de imagem não precisam ser conhecidos para corrigir distorções e extrair precisos tamanhos de partícula. A captura das partículas e do padrão de calibração em conjunto em uma imagem elimina a necessidade de gravar imagens de calibração adicionais separadas para obter um conjunto de parâmetros para corrigir distorções antes da gravação da imagem de medição. No método que é descrito, a informação necessária para determinar precisamente os tamanhos das partículas é embutida em uma única imagem.

[0017] A figura 1 ilustra uma modalidade de um aparelho 100 que pode ser usado para implementar a técnica de determinação de tamanho de partícula aqui descrita. Da forma mostrada, o aparelho 100 inclui uma câmera 110 que fica posicionada para capturar uma imagem de partículas 112 que ficam em um padrão de calibração 120. Da forma mostrada, a câmera 110 armazena a imagem capturada em uma memória 150 e comunica com um processador 140, tanto por conexão direta quanto por meio de uma rede. Em uma modalidade, a câmera 110 pode ser parte de um dispositivo móvel, tais como um telefone inteligente, tablet ou um laptop. Pretende-se que uma "câmera", da forma aqui usada, signifique qualquer dispositivo de tratamento de imagem capaz de gerar uma imagem eletrônica (por exemplo, um mapa de bits) de objetos físicos usando uma ou mais lentes.

[0018] Uma plataforma [não mostrada] pode ser usada para segurar a câmera 110, embora a plataforma não seja exigida e a câmera 110 possa ser segurada por uma pessoa. A distância da câmera 110 a partir do padrão de calibração 120 não precisa ser conhecida ou especificamente definida, e deve estar em uma faixa que permite que o padrão de calibração 120 e as partículas sejam distinguidos com apropriada cobertura de pixel das marcas de calibração e das partículas. A distância pode ser, por exemplo, cerca de 25,4 centímetros (10 polegadas) durante o uso de um iPhone® fabricado por Apple Inc.

[0019] A figura 2 representa um exemplo de modalidade do padrão de calibração 120. O padrão de calibração 120 inclui um plano de fundo 121 e marcas de calibração 122. No exemplo do padrão de calibração 120 mostrado na figura 2, as marcas de calibração 122 são os contornos de quadrados que têm dimensões consistentes x e y, que são desenhadas com linhas de uma espessura substancialmente constante e repetidas em um intervalo consistente w em linhas e colunas. As dimensões das marcas de calibração 122 são conhecidas (por exemplo, pela medição do padrão físico). As marcas de calibração 122 podem ser de quaisquer dimensões que proveem informação suficiente para produzir uma imagem corrigida que permite precisa medição na faixa de tamanho de partícula desejada.

[0020] O padrão de calibração 120 é mais útil se a cor principal ou o sombreado do plano de fundo 121 tiverem um alto contraste com a cor das partículas a serem medidas e a cor das marcas de calibração 122. Também é útil ter a cor das marcas de calibração 122 diferente da cor das partículas cujo tamanho deve ser determinado. Por exemplo, se as partículas forem marrons ou pretas, o plano de fundo 121 pode ser branco e os padrões de calibração 122 podem ter um matiz azul. No geral, qualquer material pode ser usado para o padrão de calibração 120, e pode ser útil se a superfície do padrão de calibração 120 for impermeável ao material das partículas, de forma que as partículas não danifiquem o padrão de calibração 120. Em um exemplo, o padrão de calibração 120 é um padrão impresso em uma folha de papel e as partículas são espalhadas no mesmo. Uma imagem digital do padrão de calibração 120 pode ser obtida pelo usuário e impressa em casa.

[0021] O menor tamanho de partícula que pode ser determinado usando a técnica aqui descrita depende de inúmeros fatores, um dos quais é a razão entre a menor cobertura de pixel mensurável do objeto e a cobertura de pixel da marca de calibração. Também deve haver suficiente resolução de câmera para capturar uma ou mais marcas de calibração e suficientes partículas da amostra para reunir estatísticas. A câmera que é parte de um iPhone® que está atualmente disponível no mercado permitirá a determinação do tamanho de partícula tão pequeno quanto 0,0000254 milímetro (1 x 10-6 polegada). Em uma modalidade, as dimensões das marcas de calibração 122 dependem da resolução digital da câmera e do tamanho da menor partícula a ser medida. Da forma mostrada, por exemplo, na figura 3, para uma câmera que tem uma resolução de 3.264 x 2.448 pixels, um quadrado 310 de 2 pixels por 2 pixels é necessário para medir uma partícula com um diâmetro de 0,000635 milímetro (25 x 10-6 polegada), e um padrão de calibração 322 que tem 400 pixels por lado (isto é, circunda uma área de 160.000 pixels) é usado. No aparelho mostrado na figura 1, um padrão de calibração 120 como este incluirá padrões de calibração 222 que têm 6,45 centímetros quadrados (1 polegada quadrada).

[0022] Padrões diferentes dos quadrados repetitivos mostrados na figura 2 podem ser usados para os padrões de calibração 122. Entretanto, usar um padrão regular que é matematicamente fácil de modelar, por exemplo, que inclui linhas ortogonais, para os padrões de calibração 122 pode simplificar o processamento da imagem gravada. Adicionalmente, da forma mostrada na figura 2, a marca de calibrações 122 usa o máximo usa da cor que tem um alto contraste em relação à cor das partículas cujo tamanho está sendo determinado. Um padrão, tal como um padrão "tabuleiro", por exemplo, pode não funcionar tão eficientemente em virtude de metade das caixas serem escuras e, quando as partículas forem escuras, muitas das partículas ficarem nas áreas escuras em que não há muito contraste entre as partículas e a superfície na qual elas estão.

[0023] A figura 4 mostra um exemplo de partículas 112 no padrão de calibração 120. Para tomar a medição, uma amostra das partículas a serem medidas é aleatoriamente colocada (por exemplo, espalhada) no padrão de calibração 120. Pode ser desejável fazer as marcas de calibração 122 em uma cor complementar em relação às partículas 112 cujos tamanhos estão sendo determinados. Por exemplo, se partículas 112 forem azuis, as marcas de calibração 122 podem ser vermelhas.

[0024] O método de determinação da distribuição do tamanho de partícula a partir da imagem é descrito em relação às figuras 5 e 6.

[0025] A figura 5 ilustra uma modalidade de um método para determinar o tamanho de partícula. Depois que as partículas a serem medidas forem distribuídas no padrão de calibração 120, a câmera 110 é usada para capturar uma imagem digital (por exemplo, gravar um mapa de bits) das partículas no padrão de calibração 120 (etapa S510). A geração de imagem pode incluir a preparação da imagem para facilitar o reconhecimento de objeto, por exemplo, pela aplicação de técnicas de processamento de imagem (incluindo, mas sem limitações, redução de ruído e/ou limitação e/ou filtragem) para melhorar a clareza/definição da imagem. Quaisquer técnicas de redução de ruído adequadas podem ser usadas.

[0026] Qualquer tecnologia para capturar ou gerar imagens bidimensionais ou tridimensionais pode ser usada na etapa S510, incluindo técnicas que utilizam fotografia, ultrassom, raios x ou radar. O conceito inventivo não é limitado a nenhuma maneira em particular de capturar o mapa de bits.

[0027] Na etapa S520, a imagem do padrão de calibração 120 é corrigida para remover distorções. Um dos problemas de usar o tratamento de imagem para determinar o tamanho de partícula é que várias distorções na imagem gravada levarão a imprecisões na determinação do tamanho. Estas distorções são particularmente deletérias quando se tenta fazer medições precisas de pequenas partículas nas faixas de tamanho de, por exemplo, 0,0000254 milímetro (10-6 polegada). Tais distorções podem ser o resultado de imperfeições na geometria ou alinhamento da lente, que podem fazer com que, por exemplo, linhas retas sejam capturadas na imagem como linhas não retas. Distorção também pode ser o resultado da distorção da perspectiva, que ocorre quando o eixo geométrico óptico da câmera não for perpendicular ao centro do objeto que está passando por tratamento de imagem, fazendo com que linhas paralelas apareçam não paralelas na imagem. Como tamanhos de partícula são determinados usando as dimensões das marcas de calibração 122, distorção na imagem das marcas de calibração 122 provavelmente resultará em erro na determinação do tamanho. Portanto, distorções nas marcas de calibração 122 são corrigidas antes de a determinação de tamanho de partícula ser feita. No fim da etapa S520, é produzida uma "imagem corrigida" que inclui as marcas de calibração livres de distorção 122 e a imagem das partículas original (não corrigida).

[0028] Em uma abordagem para remover distorções na etapa S520, marcas de calibração 122 são extraídas da imagem. Uma técnica de filtragem de domínio pode ser usada para esta extração. Por exemplo, quando as marcas de calibração 122 forem azuis, uma técnica que usa uma faixa de croma para extrair padrões na faixa de matiz azul pode ser usada (o plano de fundo 121 do padrão de calibração 120 é uma cor diferente das marcas 122). O resultado é um arranjo de objeto de marca de calibração que é construído pela extração de contornos das partes azuis da imagem. O arranjo de objeto de marca de calibração é usado para gerar uma escala uniforme que é usada para mapeamento da imagem, como em ortofotografias. Esta geração de uma escala uniforme é uma ortotransformação, que pode ser reusada com o mesmo padrão de calibração 120 repetidamente uma vez que ela é gerada.

[0029] Na etapa S530, tamanhos de partícula são determinados usando a imagem corrigida do padrão de calibração 120. Este processo implica extrair as partículas a partir da imagem corrigida usando filtragem de domínio. Por exemplo, filtragem de domínio pode ser alcançada usando uma faixa de croma para extrair as partículas que são conhecidas como na faixa de for marrom/preta. Um arranjo do objeto da partícula é gerado pela extração de contornos das partículas a partir da imagem processada. Cada elemento do arranjo do objeto da partícula pode, então, ser medido para determinar dimensões de partículas, por exemplo, a extensão (diâmetro), a área e a circularidade de cada partícula. A partir destas medições, uma distribuição de tamanho das partículas medidas é obtida. Na medição dos tamanhos de partícula, o padrão de calibração age como uma referência dimensional.

[0030] Da forma supramencionada, as dimensões das marcas de calibração 122 no mundo físico (em oposição à imagem) são conhecidas. Opcionalmente, a precisão da correção de distorção da marca de calibração usada em S520 pode passar por verificação cruzada pela medição das marcas de calibração na imagem corrigida e cálculo da discrepância a partir dos conhecidos tamanhos das marcas de calibração 122 no padrão de calibração 120.

[0031] Na etapa S540, as medições do arranjo do objeto da partícula são caracterizadas. Um histograma de distribuição de tamanho, um histograma de distribuição de área, um histograma de distribuição de volume, desvios mínimo, máximo e padrão e análise de pico de distribuição podem ser usados para determinar um conjunto de parâmetros que caracterizam o tamanho e a forma das partículas. Pretende-se que um "conjunto" de parâmetros, da forma aqui usada, signifique pelo menos um parâmetro.

[0032] Em alguns casos, a determinação de tamanho de partícula pode ser feita com o objetivo de processamento (por exemplo, moenda) das partículas para alcançar um tamanho desejado. Nestes casos, pode haver um perfil de partículas alvos que está disponível, e o perfil pode ser definido nos termos do conjunto de parâmetros que é usado na etapa S540. Com base em uma comparação dos parâmetros medidos (resultado da etapa S540) com o perfil das partículas alvos, pode-se determinar quais ações precisam ser tomadas para aproximar os dois perfis. Esta determinação pode ser feita automaticamente por um processador ou por uma pessoa. Quando a determinação for feita automaticamente, o processador pode indicar para um operador (por exemplo, visualmente e/ou por som) que moenda adicional aproximará a medição do perfil alvo.

[0033] Uma possível aplicação do método de determinação de tamanho de partícula supradescrito é na preparação de café, particularmente, na moenda de sementes de café. Sabe-se que o sabor de uma bebida de café é afetado por diversos parâmetros, um dos quais é a fineza ou a grossura dos grãos de café. Um usuário que deseja fazer café de um certo sabor pode obter o perfil de grãos de café alvos que ele sabe que produzirão o sabor que ele deseja quando usados com uma definição específica no seu preparador de café. Tal usuário pode espalhar alguns grãos de café no padrão de calibração 120 e usar o método exposto para obter o conjunto de parâmetros que caracterizam seus grãos, então, comparar os parâmetros com o perfil alvo. Por exemplo, se o conjunto de parâmetros indicar que a distribuição de medição para seus grãos é centralizada em 0,889 milímetro (0,035 polegada) e o perfil alvo for para 1,2065 milímetro (0,0475 polegada), o usuário saberá que ele moeu as sementes muito finos que ele precisa reiniciar com uma preparação mais grossa.

[0034] Agora, detalhes adicionais serão providos sobre a etapa de correção de distorção S520 da figura 5 e, particularmente, sobre a geração de uma matriz de transformação para converter a imagem original distorcida em uma imagem corrigida livre de distorção. A posição real dos padrões de calibração é conhecida a partir do padrão de calibração físico do mundo real. Então, uma comparação das duas (isto é, a posição real e a posição na imagem) pode ser usada para determinar uma matriz de transformação (ou qualquer outro escalar) que reconverte o padrão de calibração com imagem tratada para o padrão de calibração real. Esta matriz de transformação para o padrão de calibração mostra como converter a imagem em medições do mundo real, e vice-versa. A matriz de transformação pode ser extrapolada através do conjunto de pixels e aplicada tanto na íntegra da imagem quanto em uma parte selecionada da imagem na qual, novamente usando uma extração da faixa de croma, somente as partículas são mostradas (obtidas na etapa S530). Depois da aplicação da matriz de transformação na imagem, uma imagem parcialmente corrigida que é menos distorcida (e, talvez, substancialmente livre de perspectiva ou distorções geométricas) é obtida. Esta abordagem gera um fator de correção para cada marca de calibração 122 para corrigir a distorção.

[0035] A figura 6 representa uma outra abordagem 600 para correção de distorção. Diferente da primeira abordagem que usa a matriz de transformação empiricamente gerada, esta segunda abordagem implica corrigir a imagem em relação à distorção da lente e à distorção da perspectiva. Usando o arranjo de objeto de marca de calibração supradescrito e regiões da imagem referenciadas pelo arranjo de objeto de marca de calibração nas etapas S610 e S620, coeficientes de distorção são obtidos. Por exemplo, um método descrito no método de calibração de Z. Zhang descrito em "A flexible new technique for camera calibration", IEEE Transaction on Pattern Analysis and Machine Intelligence, 22(11): 1330-1334, 2000, que é aqui incorporado pela referência, pode ser usado. O método descrito em Zhang usa um padrão de tabuleiro para obter parâmetros de calibração que podem ser usados em fotografias subsequentes. Para o conceito inventivo aqui descrito, entretanto, o padrão de calibração 120 extraído da imagem da forma supradescrita é usado. O resultado da calibração obtido incluirá os parâmetros de distorção da lente como k1 e k2.

[0036] A técnica proposta por Zhang usa a câmera para observar um padrão plano mostrado em poucas (pelo menos duas) orientações diferentes. O padrão pode ser impresso em uma impressora a laser e anexado em uma superfície plana "razoável"(por exemplo, uma capa de livro dura). Tanto a câmera quanto o padrão plano podem ser movidos, e não é necessário que os detalhes do movimento sejam conhecidos. A abordagem proposta fica entre a calibração fotogramétrica e a autocalibração em virtude de informação métrica 2D ser usada em vez de 3D ou uma puramente implícita. Tanto simulação por computador quanto dados reais foram usados para testar a técnica proposta. A técnica aqui descrita avança a visão de computador 3D de ambientes de laboratório para o mundo real.

[0037] Restrições nos parâmetros intrínsecos da câmera são providas pela observação de um único plano. Um ponto 2D é denotado por m = [u, v]T. Um ponto 3D é denotado por M = [X, Y, Z]T. O símbolo ~ denota o vetor aumentado pela adição de 1 como o último elemento: m = [u, v, 1]T e M = [X, Y, Z, 1]T. Uma câmera é modelada pelo pinhole usual: o relacionamento entre um ponto 3D M e sua projeção de imagem m é dado por:

em que s é um fator de escala arbitrário; (R, t), chamados de parâmetros extrínsecos, compreendem a rotação e a translação que relacionam o sistema de coordenadas do mundo com o sistema de coordenadas da câmera; e A, chamada de matriz intrínseca da câmera, é dada por:

com (UO, UO) as coordenadas do ponto principal, α e β os fatores de escala nos eixos geométricos u e u da imagem, e Y o parâmetro que descreve a obliquidade dos dois eixos geométricos da imagem. A abreviatura A-T é usada para representar (A-l)T ou (AT)-l.

[oo38] O plano do modelo pode ser considerado como estando em Z = o do sistema de coordenadas do mundo. A i-ésima coluna da matriz de rotação R será denotada como ri. A partir da Equação (1), tem-se:

[0039] O símbolo M ainda é usado para denotar um ponto no plano do modelo, mas M = [X, Y]T, já que Z é igual a 0. Por sua vez, M~ = [X, Y, 1]T. Portanto, um ponto do modelo M e sua imagem m é relacionado por uma homografia H:

Como fica claro, a matriz 3 x 3 H é definida até um fator de escala.

[0040] ser estimada. Denotando a homografia por H = [h1 Equação (2), tem-se

em que X é um escalar arbitrário. Usando o conhecimento de que r1 e r2 são ortonormais, as seguintes restrições são obtidas:

Estas são as duas restrições básicas nos parâmetros intrínsecos, dada uma homografia. Em virtude de uma homografia ter 8 graus de liberdade e haver 6 parâmetros extrínsecos (3 para rotação e 3 para translação), 2 restrições são obtidas nos parâmetros intrínsecos. O parâmetro A-TA-1 realmente descreve a imagem do cônico absoluto. Uma interpretação geométrica será agora provida.

[0041] O plano do modelo, sob a convenção aqui usada, é descrito no sistema de coordenadas da câmera pela seguinte equação:

em que w = 0 para pontos no infinito e w = 1 em outras circunstâncias. Este plano faz interseção com o plano no infinito em uma [rll rr21 linha, e pode-se ver facilmente que i o J e L o J são dois pontos em particular nesta linha. Qualquer ponto na mesma é uma combinação linear destes dois pontos, isto é,

[0042] Computando a interseção da linha exposta com o cônico absoluto, e sabendo que, por definição, o ponto x z (o ponto circular) satisfaz x zT x z = 0, isto é, (ar1 + br2)T (an + bn) = 0, ou a2 + b2 = 0.

[0043] A solução é b = ± ai, em que i2 = -1. Isto é, os dois pontos de interseção são

[0044] Suas projeções no plano da imagem é, então, dado, até um fator de escala, por * = A(r1± ir2) = h1 ± ih2.

[0045] O ponto ríl< é, na imagem do cônico absoluto, descrito por A-T A-1. Isto proporciona

exigindo que partes tanto real quanto imaginária sejam zero rendimentos (3) e (4).

[0046] Os detalhes sobre como resolver efetivamente problema da calibração da câmera serão agora providos. Uma solução analítica será apresentada, seguida por uma técnica de otimização não linear com base no critério da máxima probabilidade. Finalmente, soluções tanto analítica quanto não linear serão providas, levando distorção da lente em consideração.

[0047] Considere a seguinte Equação (5):

Notando que B é simétrico e definido por um vetor 6D b = [B11, B12, B22, B13, B23, B33]T. Equação (6)

[0048] Considere o i-ésimo vetor de coluna de H como hi = [hi1, hi2, hi3]T. Então, tem-se

[0049] Portanto, as duas restrições fundamentais (3) e (4), a partir de uma dada homografia, podem ser rescritas como 2 equações homogêneas em b, da forma mostrada a seguir na Equação (8):

[0050] Se n imagens do plano do modelo forem observadas, pelo empilhamento de n tais equações como (8), o resultado pode ser expressado como: Vb = 0, ‘ Equação (9) em que V é uma matriz 2n x 6. Se n > 3, no geral, uma solução exclusiva b definida até um fator de escala é obtida. Se n = 2, a restrição de ausência de obliquidade Y = 0, isto é, [0, 1, 0, 0, 0, 0] b = 0, pode ser imposta e adicionada como uma equação adicional na Equação (9). (Se n = 1, dois parâmetros intrínsecos da câmera, por exemplo, α e β, podem ser resolvidos considerando que UO e UO são conhecidos (por exemplo, no centro da imagem) e y = 0. A solução para a Equação (9) é bem conhecida como o autovetor de VTV associado com o menor autovalor (equivalentemente, o vetor singular correto de V associado com o menor valor singular).

[0051] Uma vez que b for estimado, valores na matriz intrínseca da câmera A podem ser calculados. Uma vez que A é conhecido, os parâmetros extrínsecos para cada imagem podem ser computados. Usando a Equação (2), por exemplo, os seguintes podem ser obtidos:

com X = 1/||A-1h1|| = I/IIA’^II. Devido à presença de ruído nos dados, a assim computada matriz R = [r1, r2, r3] não satisfaz as propriedades de uma matriz de rotação.

[0052] Suponha que há n imagens de um plano do modelo e m pontos no plano do modelo. Suponha, também, que os pontos de imagem são corrompidos por ruído independentemente e identicamente distribuído. A máxima estimativa de probabilidade pode ser obtida pela minimização da seguinte representação funcional:

em que (A, Ri, ti, Mj) é a projeção do ponto Mj na imagem i, de acordo com a Equação (2). Uma rotação R é parametrizada por um vetor de 3 parâmetros, denotado por r, que é paralelo ao eixo geométrico da rotação e cuja magnitude é igual ao ângulo de rotação. R e r são relacionados pela fórmula de Rodrigues. A minimização do Valor (10) é um problema de minimização não linear, que pode ser resolvido com o Algoritmo Alevenberg- Marquardt. Ele usa uma suposição inicial de A, {Ri, ti|i = 1 ...n} que pode ser obtida usando a técnica supradescrita.

[0053] As soluções expostas não consideram a distorção da lente de uma câmera. Entretanto, uma câmera de mesa usualmente exibe significativa distorção da lente, especialmente, distorção radial. Agora, primeiro, dois termos de distorção radial serão discutidos. É provável que a função de distorção seja dominada pelos componentes radiais e, especialmente, pelo primeiro termo.

[0054] Considere (u, u) como as coordenadas de imagem de pixel ideais (livres de distorção), e as correspondentes coordenadas de imagem observadas reais. Os pontos ideais são a projeção dos pontos do modelo de acordo com o modelo de pinhole. Similarmente, (x, y) e são as coordenadas de imagem normalizadas ideais (livres de distorção) e reais (distorcidas).

em que k1 e k2 são os coeficientes da distorção radial. O centro da distorção radial é o mesmo do ponto principal. A partir de

[0055] Estimativa da Distorção Radial por Alternação. Como espera- se que a distorção radial seja pequena, espera-se estimar os outros cinco parâmetros intrínsecos usando a técnica supradescrita razoavelmente bem simplesmente ignorando a distorção. Uma estratégia é, então, estimar k1 e k2 depois de ter estimado os outros parâmetros, o que dará as coordenadas de pixel ideais (u, u). Então, a partir das Equações (11) e (12), temos duas equações para cada ponto em cada imagem:

[0056] Dados m pontos em n imagens, pode-se empilhar todas as equações em conjunto para obter, no total, 2 milhões de equações, ou na forma de matriz como Dk = d, em que k = [k1, k2]T. A solução dos mínimos quadrados lineares é dada por

[0057] Uma vez que k1 e k2 são estimados, pode-se refinar a estimativa dos outros parâmetros pela resolução da Equação (10) com m(A, Ri, ti, Mj) substituído pelas Equações (11) e (12). Pode-se alternar estes dois procedimentos até a convergência.

[0058] A convergência da técnica de alternação exposta pode ser lenta. Uma extensão natural da Equação (10) é estimar o conjunto completo de parâmetros pela minimização da seguinte representação funcional:

em que (A, k1, k2, Ri, ti, Mj) é a projeção do ponto Mj na imagem i de acordo com a Equação (2), seguida pela distorção de acordo com as Equações (11) e (12). Este é um problema de minimização não linear, que é resolvido com o Algoritmo de Levenberg-Marquardt. Uma rotação é novamente parametrizada por um vetor de 3 parâmetros r, da forma descrita anteriormente. Uma suposição inicial de A e {Ri, ti | i = 1 ...n} pode ser obtida usando a técnica supradescrita. Uma suposição inicial de k1 e k2 pode ser obtida com as soluções de distorção radial supradescritas ou, simplesmente, pela definição destas em 0.

[0059] Na etapa S630, os parâmetros de distorção da lente k1 e k2 são, então, usados na imagem original 605 para obter uma imagem 615 que é corrigida quanto à distorção da lente. Alternativamente, em vez de usar a imagem, um arranjo do objeto da partícula que descreve as geometrias da partícula pode ser corrigido. Os parâmetros de distorção da lente k1 e k2 são usados para corrigir a imagem quanto à distorção da lente usando as seguintes equações (15) e (16).

[0060] Considere que (xcorrect, ycorrect) representa os locais corretos na imagem se não houvesse distorção devido à lente. Então:

principais (isto é, os pontos de interseção do eixo geométrico óptico da câmera e do plano da imagem).

[0061] A distorção da lente pode, então, ser corrigida pelo arqueamento do mapa de bits gravado com uma distorção reversa. Para cada pixel na imagem corrigida, seu local correspondente é mapeado na imagem distorcida usando as equações (15) e (16) expostas. A seção a seguir intitulada de Transformações de Imagem Geométrica descreve como as coordenadas bidimensionais da imagem e as coordenadas tridimensionais do mundo são relacionadas por parâmetros intrínsecos da câmera (por exemplo, lente focal, pontos principais, coeficientes de distorção) e parâmetros extrínsecos (matriz de rotação e translação). Para cada uma das coordenadas de pixel integrais no destino (mapa de bits corrigido), deve-se retroceder até a origem (mapa de bits gravado) e encontrar as correspondentes coordenadas flutuantes, usando os pixels integrais circundantes para interpolar as coordenadas flutuantes. Interpolação bilinear pode ser usada neste processo.

[0062] Em Resumo, o procedimento de correção de distorção de lente aqui proposto, parte do qual incorpora a técnica de Zhang, é como segue: 1) Imprimir um padrão e anexá-lo em uma superfície plana; 2) Tomar poucas imagens do plano do sob diferentes orientações movendo tanto o plano quanto a câmera; 3) Detectar o pontos de recurso nas imagens; 4) Estimar os cinco parâmetros intrínsecos e todos os parâmetros extrínsecos usando a solução em forma fechada provida anteriormente; 5) Estimar os coeficientes da distorção radial pela resolução da Equação dos quadrados mínimos lineares (13); 6) Refinar todos os parâmetros pela minimização do Valor (14); neste ponto, k1 e k2 têm valores atribuídos; 7) Usar as Equações (15) e (16) a seguir e a largura e a altura da imagem distorcida da lente, para encontrar a altura e a largura da imagem que é livre de distorção da lente. Usar um escalar para manter as duas imagens na mesma largura, e escalar a altura desta maneira; e 8) Para cada pixel na imagem que é livre de distorção da lente, encontrar seu correspondente local usando as Equações (15) e (16) na imagem que tem distorção da lente, e aplicar a interpolação de Shepard nos vizinhos nas proximidades da imagem distorcida para adquirir a informação de cor para a imagem corrigida.

[0063] Na etapa S640, correção da distorção da perspectiva pode ser alcançada usando os quatro pontos de canto de uma marca de calibração retangular para resolver a homologia H usando o seguinte processo:

[0064] Suponha que se tem um ponto nas coordenadas do mundo L •"*J e se escreve o mesmo em coordenadas homogêneas como fc“l.

[0065] Similarmente, o correspondente ponto nas coordenadas de imagem é

e se escreve o mesmo em coordenadas homogêneas como

[0066] O relacionamento entre estes dois pode ser expressado na seguinte equação:

[0067] Expandindo ambos os lados da equação usando a multiplicação de matriz, se obtém:

[0068] Plugando a terceira equação nas duas primeiras, se obtém duas equações a partir deste par de pontos:

[0069] Já que há oito desconhecidos em H, são necessários 14 pares de pontos para resolver H. Se escrevem as oito equações em forma de matriz:

[0070] Assim, para cada imagem que sofre da distorção projetiva, se escolhem quatro pontos nesta imagem e, dadas as coordenadas do mundo destes quatro pontos, torna-se possível resolver H.

[0071] O "k" na equação exposta é um escalar para a representação homogênea das coordenadas bidimensionais, diferente dos coeficientes de lente kl, k2. Quatro pontos (por exemplo, quatro cantos em que a forma é retangular) de múltiplas marcas de calibração 122 podem ser usados para considerar a não uniformidade das distorções. Da forma mostrada na figura 6, o ponto de partida para correção de perspectiva nesta abordagem não é a imagem original, mas a imagem corrigida, em que efeitos de distorção da lente foram removidos. A homografia H é determinada usando quatro pontos a partir de um conjunto de marcas de calibração identificadas na imagem corrigida quanto à distorção da lente e, então, é aplicada na imagem corrigida para determinar um mapa de bits 625 (o mapa de bits corrigido, ou de tamanho verdadeiro,) que foi corrigido tanto em relação à lente quanto em relação à distorção da perspectiva.

[0072] Uma distorção da perspectiva usualmente ocorre quando o eixo geométrico óptico da câmera não for perpendicular ao centro do objeto. Usando a imagem das partículas capturada em um plano de fundo padronizado em grade, múltiplos (por exemplo, cinco) pares de linhas ortogonais na cena podem ser usados para encontrar a homografia para corrigir a distorção da perspectiva. Esta correção frequentemente tornará linhas paralelas no mundo físico também paralelas na imagem, linhas ortogonais no mundo físico também ortogonais na imagem, fará quadrados no mundo físico terem razão de aspecto unitária na imagem e/ou círculos no mundo físico circulares na imagem.

[0073] Para resumir o processo de correção da distorção da perspectiva detalhado anteriormente, o processo implica as seguintes etapas: 1) Obter um padrão de calibração que contém linhas ortogonais de dimensões conhecidas, dispersar partículas no padrão de calibração e capturar a imagem usando a mesma lente; 2) Escolher múltiplos (por exemplo, cinco) pares de linhas ortogonais na imagem; 3) Resolver a homografia H entre a imagem com projeção distorcida e a imagem que é livre de distorção de projeção; 4) Usar H e a largura e a altura da imagem com projeção distorcida para encontrar a altura e a largura da imagem que é livre de distorção de projeção. Usar um escalar para manter as duas imagens na mesma largura, e escalar a altura desta maneira; e 5) Para cada pixel na imagem que é livre de distorção de projeção, encontrar seu correspondente local na imagem com projeção distorcida para obter a informação de cor para a imagem correta.

[0074] A correção da distorção da lente e a correção de distorção de projeção podem ser testadas separadamente e em cascata, de forma que a interpolação de Shepard possa ser feita apenas uma vez.

[0075] O método ilustrado nas figuras 5 e 6 pode ser implementado em um dispositivo de processamento. Da forma discutida em relação à figura 1, uma vez que a câmera 110 capturar a imagem, o processamento de dados da imagem pode ocorrer usando um processador diretamente conectado na câmera 110 ou os dados de imagem podem ser transmitidos para um processador separado. Transformações da Imagem Geométrica

[0076] Esta seção, agora, tratará sobre algumas funções de transformação de imagem conhecidas que podem ser usadas para corrigir e manipular a imagem da partícula. Mais especificamente, as funções nesta seção realizam várias transformações geométricas de imagens 2D. Elas não mudam o conteúdo da imagem, mas deformam a grade de pixel e mapeiam esta grade deformada até a imagem de destino. De fato, para evitar artefatos de amostragem, o mapeamento é feito na ordem reversa, do destino até a origem. Isto é, para cada pixel (x, y) da imagem de destino, as funções computam coordenadas do correspondente pixel "doador" na imagem de origem e copiam o valor de pixel:

[0077] No caso de o mapeamento direto ser especificado como (gx, gy): src ^ dst, as funções descritas a seguir, primeiro, computam o correspondente mapeamento inverso (fx, fy): dst ^ src e, então, usam a fórmula exposta.

[0078] As reais implementações das transformações geométricas, a partir do mais genérico Remapeamento e até o mais simples e o mais rápido Redimensionamento, precisam resolver dois problemas principais com a fórmula exposta. • Extrapolação de pixels não existentes. Similarmente às funções de filtragem, para alguns (x, y), cada um de fx(x, y) ou fy(x, y), ou ambos, podem cair fora da imagem. Neste caso, um método de extrapolação precisa ser usado. OpenCVprovê a mesma seleção dos métodos de extrapolação que nas funções de filtragem. Além do mais, ele provê o método Border_Transparent. Isto significa que os correspondentes pixels na imagem de destino não serão modificados de nenhuma maneira. • Interpolação dos valores de pixel. Usualmente, fx(x, y) e fy(x, y) são números com ponto flutuante. Isto significa que (fx, fy) pode ser tanto uma transformação de afinidade ou perspectiva quanto correção de distorção radial da lente, e congêneres. Então, um valor de pixel em coordenadas fracionárias precisa ser recuperado. No caso mais simples, as coordenadas podem ser arredondadas para as coordenadas integrais mais próximas e o pixel correspondente pode ser usado. Isto é chamado de uma interpolação de vizinho mais próximo. Entretanto, um melhor resultado pode ser alcançado pelo uso de métodos de interpolação mais sofisticados, em que uma função polinomial é adequada em alguns vizinhos do pixel computado (fx(x, y), fy(x, y)) e, então, o valor do polinômio em (fx(x, y), fy(x, y)) é tomado como o valor de pixel interpolado. Em OpenCV, pode-se escolher entre diversos métodos de interpolação, alguns dos quais serão descritos a seguir. Get Rotation Matrix 2D

[0079] Esta função calcula uma matriz de afinidade de rotação 2D. Alguns parâmetros usados para este processo são como segue: center - Centro da rotação na imagem de origem. angle - Ângulo de rotação em graus. Valores positivos significam rotação no sentido anti-horário (a origem da coordenada é considerada como o canto no topo à esquerda), scale - Fator de escala isotrópico. map_matrix - A transformação de afinidade transmitida, matriz de ponto flutuante 2 x 3.

[0080] A função calcula a seguinte matriz:

[0081] A transformação mapeia o centro da rotação para si mesmo. Se este não for o alvo, o deslocamento deve ser ajustado. Get Affine Transform

[0082] Esta função calcula a transformação de afinidade a partir de 3 pontos correspondentes. Alguns parâmetros usados para este processo são como segue: src - Coordenadas de vértices de triângulo na imagem de origem. dst - Coordenadas dos correspondentes vértices de triângulo na imagem de destino. mapMatrix - Apontador para a matriz 2 x 3 de destino

[0083] A função calcula a matriz 2 X 3 de uma transformação de afinidade, de forma que:

em que dst(i) = (xi', yi'), src(i) = (xi, yi), i = 0, 1, 2 Get Perspective Transform

[0084] Esta função calcula uma transformação de perspectiva a partir de quatro pares dos correspondentes pontos. Alguns parâmetros usados para este processo são como segue: src - Coordenadas de vértices do quadrângulo na imagem de origem. dst - Coordenadas dos correspondentes vértices do quadrângulo na imagem de destino. mapMatrix - Apontador para a matriz 3 x 3 de destino [A/b] A função calcula uma matriz de transformações de perspectiva, de forma que:

em que dst(i) = (xi', yi'), src(i) = (xi, yi), i = 0, 1, 2, 3 Get Quadrângulo SubPix

[0085] Este processo recupera um retângulo de pixel a partir de uma imagem com precisão de subpixel. Alguns parâmetros usados para este processo são como segue: src - imagem de origem, dst - quadrângulo extraído mapMatrix - a matriz de transformação 2 x 3 [A/b]

[0086] Esta função extrai pixels de src em precisão de subpixel e os armazena em dst como segue:

[0087] Os valores dos pixels em coordenadas não integrais são recuperados usando interpolação bilinear. Quando a função precisar de pixels fora da imagem, ela usa o modo de borda de replicação para reconstruir os valores. Cada canal de imagens de múltiplos canais é processado independentemente. GetRectSubPix

[0088] Esta função recupera o retângulo de pixel a partir de uma imagem com precisão de subpixel. src - Imagem de origem. Dst - Retângulo extraído Center - coordenadas de ponto flutuante do centro do retângulo extraído na imagem de origem. O centro deve ser no interior da imagem.

[0089] Esta função extrai pixels de src: dst(x, y) = src(x + center . x - (dst . cols - 1) • 0,5,y + center . y - (dst . rows - 1) • 0,5) em que os valores dos pixels nas coordenadas não integrais são recuperados usando interpolação bilinear. Cada canal de imagens de múltiplos canais é processado independentemente. Embora o centro do retângulo deva ficar no interior na imagem, partes do retângulo podem ficar no exterior. Neste caso, o modo de borda de replicação é usado para adquirir valores de pixel além dos limites da imagem. Log Polar Esta função remapeia uma imagem para um espaço log-polar, • src - Imagem de origem • dst - Imagem de destino • center - O centro de transformação; em que a precisão da saída é máxima • M - Parâmetro da escala de magnitude • flags - Uma combinação dos métodos de interpolação e dos seguintes indicadores opcionais: • CV_WARP_FILL_OUTLIERS preenche todos os pixels da imagem de destino. Se algum dos mesmos corresponder a pontos discrepantes na imagem de origem, eles são definidos em zero • CV_WARP_INVERSE_MAP Veja, a seguir Esta função transforma a imagem de origem usando a seguinte transformação: • Transformação direta (CV_WARP_INVERSE_MAPnão é definido): dst(Φ, p) = src(x, y) • Transformação inversa (CV_WARP_INVERSE_MAP é definido): dst(x, y) = src(Φ, p) em que

[0090] A função emula a visão "foveal" humana e pode ser usada para correspondência de gabarito de rápida escala e rotação invariante, para rastreamento de objeto e congêneres. A função não pode operar no local. Remap

[0091] Esta função aplica uma transformação geométrica genérica na imagem. src - Imagem de origem. dst - Imagem de destino. mapx - o mapa das coordenadas x. mapy - o mapa das coordenadas y. flags - Método de interpolação (veja resize()). O método INTER_AREAnão é suportado por esta função. fillval - um valor usado para preencher pontos discrepantes Esta função transforma a imagem de origem usando o mapa especificado: dst(x, y) = src(mapx(x, y), mapy(x, y)) em que valores de pixels com coordenadas não integrais são computados usando um dos métodos de interpolação disponíveis. mapx e mapy podem ser codificados como mapas de ponto flutuante separados em map1 e map2, respectivamente, ou mapas de ponto flutuante entrelaçados de (x, y) em map1 ou mapas de ponto fixo criados pelo uso da função ConvertMaps. O motivo pelo qual pode-se desejar converter representações de ponto flutuante para ponto fixo de um mapa é que elas podem produzir operações de remapeamento muito mais rápidas (~2x). No caso convertido, map1 contém pares (cvFloor(x), cvFloor(y)) e map2 contém índices em uma tabela de coeficientes de interpolação. Esta função não pode operar no local. Resize

[0092] Esta função redimensiona uma imagem, src - imagem de entrada. dst - imagem de saída; ela tem o tamanho dsize (quando ele for não zero) ou o tamanho computado a partir de src.size(), fx e fy; o tipo de dst é o mesmo de src. interpolation - método de interpolação: • INTER_NN - uma interpolação do vizinho mais próximo • INTER_LINEAR - uma interpolação bilinear (usada por padrão) • INTER_AREA - reamostragem usando relação de área do pixel. Ele pode ser um método preferido para decimação de imagem, já que ele proporciona resultados livres de moiré. Mas quando a imagem for aproximada, ela é similar ao método INTER_NN. • INTER_CUBIC - uma interpolação bicúbica em relação à vizinhança do pixel 4 x 4 • INTER_LANCZOS4 - uma interpolação de Lanczos em relação à vizinhança de pixel 8 x 8

[0093] Para encolher uma imagem, no geral, ela parecerá melhor com interpolação INTER-AREA, enquanto que, para ampliar uma imagem, no geral, ela parecerá melhor com INTER_CUBIC (lenta) ou INTER_LINEAR (mais rápida, mas ainda parece OK). WarpAffine

[0094] Esta função aplica uma transformação de afinidade em uma imagem. src - imagem de origem. dst - imagem de destino. mapMatrix - matriz de transformação 2 x 3. flags - uma combinação de métodos de interpolação e dos indicadores opcionais: - CV_WARP_FILL_OUTLIERS - preenche todos os pixels da imagem de destino; se alguns destes corresponderem a pontos discrepantes na imagem de origem, eles são definidos em fillval - CV_WARP_INVERSE_MAP indica que a matriz é inversamente transformada a partir da imagem de destino até a origem e, assim, pode ser usada diretamente para interpolação de pixel. Caso contrário, a função encontra a transformação inversa a partir de mapMatrix. Fillval - um valor usado para preencher pontos discrepantes A função warpAffine transforma a imagem de origem usando a matriz especificada: dst(x, y) = src(M11x + M12y + M13, M21x + M22y + M23) quando o indicador WARP_INVERSE_MAP for definido. Caso contrário, a transformação é invertida primeiro com InvertAffineTransform e, então, colocada na fórmula exposta em vez de M. A função não pode operar no lugar.

[0095] A função é similar a GetQuadrangleSubPix, mas elas não são exatamente as mesmas. WarpAffine exige que imagem de entrada e de saída tenham o mesmo tipo de dados, tenham maior sobreprocessamento (então, ela não é muito adequada para pequenas imagens) e pode deixar parte da imagem de destino inalterada. Embora GetQuadrangleSubPix possa extrair quadrângulos de imagens de 8 bits no armazenamento temporário de ponto flutuante, tem menor sobreprocessamento e sempre muda todo o conteúdo da imagem de destino. A função não pode operar no local. WarpPerspective

[0096] Esta função aplica uma transformação de perspectiva em uma imagem. Parâmetros usados para esta função incluem os seguintes: Src - Imagem de origem Dst - Imagem de destino mapMatrix - matriz de transformação 3 x 3 flags - Uma combinação de métodos de interpolação e os seguintes indicadores opcionais: • CV_WARP_FILL_OUTLIERS - preenche todos os pixels da imagem de destino; se algum dos mesmos corresponder aos pontos discrepantes na imagem de origem, eles são definidos em fillval • CV_WARP_INVERSE_MAP - indica que a matriz é inversamente transformada a partir da imagem de destino para a origem e, assim, pode ser usada diretamente para interpolação de pixel. Caso contrário, a função encontra a transformação inversa a partir de mapMatrix filval - Um valor usado para preencher pontos discrepantes

[0097] Esta função transforma a imagem de origem usando a matriz Especificada:

[0098] Note que a função não pode operar no local.

[0099] método ou uma técnica, entende-se que a divulgação também pode cobrir um artigo de fabricação que inclui uma mídia legível por computador não temporária na qual instruções legíveis por computador para realizar modalidades do método são armazenadas. A mídia legível por computador pode incluir, por exemplo, mídia legível por computador semicondutora, magnética, óptico-magnética, óptica, ou outras formas de mídia legível por computador para armazenar código legível por computador. Adicionalmente, a divulgação também pode cobrir aparelhos para praticar modalidades do conceito inventivo aqui descrito. Tal aparelho pode incluir circuitos, dedicados e/ou programáveis, para realizar operações que se referem às modalidades.

[00100] Exemplos de tal aparelho incluem um computador de uso geral e/ou um dispositivo de computação dedicado quando apropriadamente programado, e pode incluir uma combinação de um computador/dispositivo de computação e circuitos de hardwarededicados/programáveis (tais como circuitos elétricos, mecânicos e/ou ópticos) adaptados para as várias operações que se referem às modalidades.

Claims

1. Método implementado por computador para determinar um tamanho de partícula, caracterizadopelo fato de que compreende: prover um aparelho (100) incluindo um plano de fundo (121) e uma lente que é fixa a uma distância predeterminada acima do plano de fundo; obter uma imagem de uma marca de calibração (122) fisicamente posicionada sobre o plano de fundo usando as lentes; colocar uma pluralidade de partículas sobre o plano de fundo; obter uma imagem das partículas sobre o plano de fundo, em que as partículas (112) e as marcas de calibração (122) são capturadas usando as lentes; corrigir a imagem para efeitos de distorção para gerar uma imagem corrigida, em que o mesmo fator de correção é aplicado tanto na partícula (112) quanto na marca de calibração (122), caracterizar o tamanho e forma das partículas com um conjunto de parâmetros usando a imagem corrigida, em que o conjunto de parâmetros compreende um ou mais de distribuição de tamanho, distribuição de área, e distribuição de volume; comparar o conjunto de parâmetros com um perfil de partícula alvo; e determinar um tipo de ação de moagem que traz o conjunto de parâmetros mais próximo do perfil de partícula alvo.

2. Método de acordo com a reivindicação 1, caracterizadopelo fato de que a marca de calibração compreende linhas retas que se estendem em direções perpendiculares.

3. Método de acordo com a reivindicação 1, caracterizadopelo fato de que a imagem inclui uma pluralidade de partículas posicionadas aleatoriamente com referência à marca de calibração.

4. Método de acordo com a reivindicação 1, caracterizado pelo fato de que é imagem é um mapa de bits.

5. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a determinação do tamanho compreende separar uma primeira porção da imagem que inclui a partícula de uma segunda porção da imagem que inclui a marca de calibração na imagem.

6. Método de acordo com a reivindicação 5, caracterizado pelo fato de que a separação compreende a extração usando faixa de croma.

7. Método de acordo com a reivindicação 1, caracterizado pelo fato de que corrigir a imagem para efeitos de distorção compreende: comparar a uma dimensão real conhecida da marca de calibração com a dimensão da marca de calibração obtida da imagem; gerar um fator de correção baseado na comparação; obter uma medida da partícula na imagem; e modificar a medida da partícula pelo uso do fator de correção.

8. Método de acordo com a reivindicação 1, caracterizado pelo fato de que corrigir a imagem para efeitos de distorção compreende corrigir pelo menos uma da distorção de lentes e da distorção de perspectiva.

9. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a pluralidade de partículas é de grãos de café.

10. Método de acordo com a reivindicação 9, caracterizado pelo fato de que a imagem é mapa de bits.

11. Método de acordo com a reivindicação 9, caracterizado pelo fato de que a determinação do tamanho de partícula compreende: separar a imagem em uma primeira porção que inclui os grãos de café e uma segunda porção que inclui a marca de calibração; computar o fator de correção para marca de calibração pela comparação de medidas físicas da marca de calibração com a marca de calibração na segunda porção da imagem; e aplicar o fator de correção para a marca de calibração para a primeira porção da imagem para obter um tamanho de partícula correto para grãos de café.

12. Método de acordo com a reivindicação 9, caracterizado pelo fato de que a determinação do tamanho de partícula compreende: corrigir a imagem para distorção de lentes; e corrigir a imagem para distorção em perspectiva.

13. Mídia legível por computador não transitória, caracterizada pelo fato de armazenar instruções para determinar um tamanho de partícula, que quando executadas em um processador, fazem com que o computador realize um método como definido na reivindicação 1 compreendendo as etapas de: obter uma imagem de uma pluralidade de partículas e uma marca de calibração com um aparelho compreendendo um plano de fundo e lente que é fixa a uma distância predeterminada acima do plano de fundo, em que a partícula são posicionadas acima do plano de fundo; corrigir a imagem para efeitos de distorção para gerar uma imagem correta, em que o mesmo fator de correção seja aplicado tanto na partícula quanto na marca de calibração, caracterizar o tamanho e forma das partículas com um conjunto de parâmetros usando a imagem corrigida, em que o conjunto de parâmetros compreende um ou mais de distribuição de tamanho, distribuição de área, e distribuição de volume; comparar o conjunto de parâmetros com um perfil de partícula alvo; e determinar um tipo de ação de moagem que traz o conjunto de parâmetros mais próximo do perfil de partícula alvo.

14. Mídia legível por computador de acordo com a reivindicação 13, caracterizada pelo fato de que a imagem é um mapa de bits.

15. Mídia legível por computador de acordo com a reivindicação 13, caracterizadapelo fato de que a determinação do tamanho de partícula compreende: separar a imagem em uma primeira porção que inclui os grãos de café e em uma segunda porção que inclui a marca de calibração; computar o fator de correção para marca de calibração pela comparação de medidas físicas da marca de calibração com a marca de calibração na segunda porção da imagem; e aplicar o fator de correção para a marca de calibração para a primeira porção da imagem para obter um tamanho de partícula correto para grãos de café.

16. Mídia legível por computador de acordo com a reivindicação 13, caracterizadapelo fato de que a determinação do tamanho de partículas compreende: corrigir a imagem para distorção de lentes; e corrigir a imagem para distorção em perspectiva.