CN105657282A

CN105657282A - 一种图像亮度主动优化的视觉识别方法

Info

Publication number: CN105657282A
Application number: CN201410629811.8A
Authority: CN
Inventors: 诸庆; 吴林哲; 柯海挺
Original assignee: Ningbo Sunny Opotech Co Ltd
Current assignee: Ningbo Sunny Opotech Co Ltd
Priority date: 2014-11-11
Filing date: 2014-11-11
Publication date: 2016-06-08
Anticipated expiration: 2034-11-11
Also published as: CN105657282B

Abstract

本发明提供一种图像亮度主动优化的视觉识别方法，通过相应的识别算法，选取注册图像，划定ROI，并将所述注册图像ROI的平均灰度值作为标准灰度值，确定平均灰度值偏差允许范围，通过比较拍摄的待识别的当前图像的平均灰度与注册图像ROI的平均灰度值，当二者的平均灰度差值在偏差允许范围内，则直接进行识别；当二者的差值不在偏差允许范围内，则利用相机增益与平均灰度值的线性关系作增益系数快速补偿优化图像亮度；如果图像亮度偏差值较大或者增益调整超限时，则通过调整曝光时间或照明光源亮度进行优化，使得所需识别的当前图像的亮度趋近于所述注册图像，加快了图像识别的速度，且大大减少了图像识别NG的概率。

Description

一种图像亮度主动优化的视觉识别方法

技术领域

本发明涉及机器视觉系统领域，尤其涉及图像预处理领域，通过提供一种图像亮度主动优化的视觉识别方法，通过调整图像亮度，加快了图像识别的速度，大大提高了视觉系统的识别通过率和识别精度。

背景技术

机器视觉系统就是用机器代替人眼来做测量和判断，其特点是提高生产的柔性和自动化程度，在一些不适合于人们作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来代替人工视觉，同时在大批量生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术，可以在最快的生产线上对产品进行测量、引导、检测和识别，并能保质保量的完成生产任务。

随着自动化设备精度要求的不断提高以及机器视觉系统在高精度、高柔性的自动化设备中广泛应用，对机器视觉系统识别的通过率以及测量精度提出了更高的要求。

光源照明设计作为机器视觉系统的一个重要组成部分，是影响机器视觉系统输入的重要因素，其光强、光照稳定性和均匀性直接影响着图像的成像质量，而良好的图像质量对模板匹配、边缘特征等信息提取算法尤为重要，因此，合理的图像亮度对提高视觉系统的识别能力与测量能力是至关重要的。

根据国内对成像系统图像亮度的研究成果可知，一副图像的亮度与入射光、曝光时间、光圈大小、信号增益成一定关系，以函数表示：

B＝f(E，F，T，G)

其中，B为图像亮度、E为入射光强度、F为光圈大小、T为曝光时间、G为信号增益。

然而，目前市面上的成套机器视觉系统(如Keyence、Omron、Panasonic等)均采用固定光强方式，其入射光强、快门速度(曝光时间)、增益系数以及光圈大小在调整完成之后便不再改变。而在实际生产中，被识别物体在治具内可能存在轻微的歪斜，或因来料高度锁付一致性较差，或因来料批次不同被识别物体表面本身的反光系数不同，导致图像的亮度不一，很可能导致识别NG或影响识别精度。

鉴于此，本发明提出了一种图像亮度主动优化的视觉识别方案，以克服因被测对象装夹或来料不一致性问题导致的各种识别异常问题。

发明内容

本发明的主要目的在于提供一种图像亮度优化方法，通过本发明可以使所需要识别图像的亮度趋近于注册图像，提高了相应图像算法的识别精度，加快了图像识别的速度，且大大减少了图像识别NG的概率。

本发明的另一目的在于提供一种图像亮度优化方法，基于平均灰度图像亮度优化方法，可通过当前图像与注册图像ROI的平均灰度差值利用线性关系作增益系数快速补偿。

本发明的另一目的在于提供一种图像亮度优化方法，不仅局限于相机参数的主动调整，还可通过装置数字型照明光源控制器，也可通过调整外部光源光照强度来主动优化图像亮度。

本发明的另一目的在于提供一种图像亮度优化方法，通过图像亮度的主动调整，使得当前图像与注册图像的平均灰度一致性较好，大大提高了视觉系统的识别通过率和识别精度。

为满足本发明的以上目的以及本发明的其他目的和优势，本发明提供一种图像亮度优化方法，包括以下步骤：

(A)选取注册图像，通过调节相机参数以及外部照明光源的亮度，获取最佳对比度的图像作为注册图像，划定能够正确识别的ROI，计算ROI的平均灰度值作为标准灰度StdGrey，并记录当前相机增益Gain和曝光时间Exposure，确定平均灰度值偏差允许范围GreyRange；

(B)比较当前图像与注册图像的平均灰度值，在相同增益Gain和曝光时间Exposure下，拍摄需要识别的图片作为当前图像，计算其平均灰度值CurGrey，并和所述注册图像比较，获取二者的平均灰度差值DiffGrey＝CurGrey-StdGrey；

(C)优化图像亮度，当DiffGrey在所述GreyRange允许范围内，则执行步骤(D)，当DiffGrey不在所述GreyRange允许范围内，则作增益系数快速补偿对图像进行优化，直至DiffGrey在所述GreyRange允许范围内，再执行步骤(D)；和

(D)图像识别，所述当前图像亮度优化后的平均灰度值与所述注册图像ROI相近，则开始进行识别。

其中在所述步骤(A)和(B)中，根据下述识别算法计算图像平均灰度值：

1)设相机增益和图像平均灰度值的比例关系y＝ax+b。其中，y为图像平均亮度，a为斜率，x为相机增益，b为固定常量；

2)根据线性回归方程

\{\begin{matrix} a = \frac{n Σ_{k = 0}^{n - 1} x_{k} y_{k} - Σ_{k = 0}^{n - 1} x_{k} Σ_{k = 0}^{n - 1} y_{k}}{n Σ_{k = 0}^{n - 1} x_{k}^{2} - Σ_{k = 0}^{n - 1} x_{k} Σ_{k = 0}^{n - 1} x_{k}} \\ b = \frac{Σ_{k = 0}^{n - 1} y_{k} - a Σ_{k = 0}^{n - 1} x_{k}}{n} \end{matrix}

便可解得a，b；

3)获取相机增益和图像平均灰度值的近似线性关系，通过增加固定相机增益，计算图像平均灰度值。

在所述步骤(C)中，当所述图像亮度偏差值小于10％时或者当增益调整超限时，通过调节相机增益结合改变曝光时间或外部照明光源亮度进行优化。当移动取像时，通过改变照明光源亮度及相机增益进行优化；当静止取像时，通过控制曝光时间及相机增益进行优化。

进一步地，在所述步骤(A)中，通过上述识别算法，当不能够正确识别所述注册图像中选定的ROI的平均灰度值的时候，则重新选取注册图像及相应的ROI，即手动调节参数(选择性地调节下述参数的一种或几种：例如，相机的焦距、光圈、增益、曝光时间等)以及外部照明光源的亮度，获取最佳对比度的图像，将该最佳对比度的图像作为注册图像。然后根据不同的特征识别需求，划定ROI，通过上述识别算法进行识别，能够正确识别后，按照上述方法计算图像ROI的平均灰度值作为标准灰度StdGrey，并记录下当前相机增益Gain和曝光时间Exposure，并确定平均灰度值偏差允许范围。如果不能够正确识别，则重复以上步骤，直至能够正确识别为止。

附图说明

图1是本发明的一个优选实施例的优化图像亮度的步骤流程图。

图2是本发明的一个优选实施例的相机增益大小与图像平均灰度值的关系图。

图3是本发明的一个优选实施例的图像亮度主动优化的视觉识别方法流程图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

在本发明中，提出了一种基于平均灰度的图像亮度优化方法，通过图像亮度的主动优化以提高图像亮度来达到顺利识别图像的目的，满足现代自动化的需求，如图1及图3所示，包括如下步骤：

(A)选取注册图像

通过手动调节相机的焦距、光圈、增益、曝光时间以及外部照明光源的亮度，获取最佳对比度的图像，将该最佳对比度的图像作为注册图像。然后根据不同的特征识别需求，划定ROI(RegionofInterest)，通过相应的识别算法进行识别，本实施例优选的识别算法如下：

在本实施例中，以某款相机为例，通过增加固定相机增益，计算图像平均灰度值，提取其中110组离散数据，绘制曲线如图2所示，通过最小二乘法对曲线做线性拟合：

1)设相机增益和图像平均灰度值的比例关系y＝ax+b。其中，y为图像平均亮度，a为斜率，x为相机增益，b为固定常量。

2)根据线性回归方程

\{\begin{matrix} a = \frac{n Σ_{k = 0}^{n - 1} x_{k} y_{k} - Σ_{k = 0}^{n - 1} x_{k} Σ_{k = 0}^{n - 1} y_{k}}{n Σ_{k = 0}^{n - 1} x_{k}^{2} - Σ_{k = 0}^{n - 1} x_{k} Σ_{k = 0}^{n - 1} x_{k}} \\ b = \frac{Σ_{k = 0}^{n - 1} y_{k} - a Σ_{k = 0}^{n - 1} x_{k}}{n} \end{matrix}

便可解得a，b。

3)图2所示的某品牌工业相机的相机增益与图像平均灰度值拟合得到的直线方程为y＝0.506x+31.473。

通过上述识别算法，当能够正确识别所述注册图像中选定的ROI的平均灰度值的时候，计算图像ROI的平均灰度值作为标准灰度StdGrey，并记录下当前相机增益Gain和曝光时间Exposure，并确定平均灰度值偏差允许范围GreyRange。优选地，在本实施例中，为兼顾图像处理速度与精度，本发明以±1个灰度值偏差作为范围。

通过上述识别算法，当不能够正确识别所述注册图像中选定的ROI的平均灰度值的时候，则重新选取注册图像及相应的ROI，即手动调节参数(选择性地调节下述参数的一种或几种：例如，相机的焦距、光圈、增益、曝光时间等)以及外部照明光源的亮度，获取最佳对比度的图像，将该最佳对比度的图像作为注册图像。然后根据不同的特征识别需求，划定ROI，通过上述识别算法进行识别，能够正确识别后，按照上述方法计算图像ROI的平均灰度值作为标准灰度StdGrey，并记录下当前相机增益Gain和曝光时间Exposure，并确定平均灰度值偏差允许范围。如果不能够正确识别，则重复以上步骤，直至能够正确识别为止。

(B)比较当前图像与注册图像的平均灰度值

以所述注册图像的ROI的平均灰度值为基准，计算所需要识别的当前图像的平均灰度值，与注册图像进行比较，计算差值。当所述当前图像与所述注册图像ROI的平均灰度值偏差在允许范围内，则执行步骤(D)；当所述当前图像与所述注册图像的平均灰度值偏差不在允许范围内，则执行步骤(C)。

具体地说，在相同增益Gain和曝光时间Exposure下拍摄需要识别的图片作为当前图像，计算所述当前图像的平均灰度值CurGrey，获取所述当前图像和所述注册图像平均灰度值的差值DiffGrey＝CurGrey-StdGrey。如果DiffGrey在GreyRange允许范围内，则执行步骤(D)，否则，执行步骤(C)。

(C)优化图像亮度

当所述当前图像与所述注册图像的平均灰度值偏差不在允许范围内时，可通过当前图像与注册图像ROI的平均灰度差值利用线性关系作增益系数快速补偿，使得所需识别图像的所述当前图像的亮度趋近于所述注册图像。

具体地说，按上述识别算法拟合的直线函数计算增益增量AddGain＝DiffGrey/k，将新增益Gain+AddGain写入相机中，直至当前图像的平均灰度符合要求，然后执行步骤(D)进行图像识别。

进一步地，在作增益系数快速补偿时，本发明优选为通过小范围调整相机增益使得当前图像亮度与注册图像保持一致，这样可以防止因增益系数调得过高导致图像信噪比较低，也可以防止增益调整超限。

当所述当前图像与注册图像ROI的平均灰度差值较大时，或者进行增益调整超限时，可进一步通过调整相机曝光时间(快门速度)或照明光源亮度进行优化，以补偿图像亮度，使得所述当前图像与所述注册图像的平均灰度一致性较好。

在本实施例中，优选为当图像亮度偏差值<10％时，则考虑通过改变曝光时间或照明光源亮度进行优化，选取10％作为界限，可以避免信噪比的过度损失。本发明按以下方式区分：

1)如果是移动取像系统，考虑到视觉系统对相机的曝光时间控制较为严格，则需要采用数字型光源控制器，通过改变照明光源亮度及相机增益进行优化。

2)如果是静止取像，则考虑通过控制曝光时间及相机增益对画面亮度进行优化。

(D)图像识别

所述当前图像亮度的平均灰度值与所述注册图像ROI的平均灰度值相近时，则可以开始进行识别。

更进一步地，为证明本发明提出的主动优化图像亮度方法的有效性，本发明在自主设计的机器视觉系统实验平台中对专利提出的方法进行了验证，本实验平台装置某德系品牌工业相机及微距镜头，该相机分辨率成为1600×1200，并配备某国产视觉光源及光源控制器。通过手动调节相机增益、曝光时间、焦距、光圈及照明亮度后，采集一张对比度足够好的产品图像作为注册图像，并采用自主开发的识别算法进行产品特征识别(本实施例以手机摄像模组镜头圆心的识别为例)，获取当前圆心像素坐标为(856.323，623.646)，并计算当前相机增益为355，图像平均灰度值为219.18。本实施例将平均灰度值允许偏差范围设为±1，将需要识别的产品抬高约1mm后，再采集一张图像，发现模组圆心识别NG，计算得此时的图像平均灰度值为230.6，而根据实际方法中给出的增益-平均灰度的拟合直线y＝0.506x+31.473计算出需要将增益减小到332。再采集一张图像，当前图像可识别通过，并得到圆心像素坐标为(856.792，623.298)，计算得此时图像平均灰度值为219.2，与注册图像偏差为0.02，在允许偏差范围内，在允许偏差范围内。该实施例证明了本发明专利提出方法的有效性。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims

1.一种图像亮度优化方法，其特征在于，包括以下步骤：

2.如权利要求1所述的图像亮度优化方法，在所述步骤(A)和(B)中，根据下述识别算法计算图像平均灰度值：

1)设相机增益和图像平均灰度值的比例关系y＝ax+b。其中，y为图像平均

亮度，a为斜率，x为相机增益，b为固定常量；

2)根据线性回归方程

\{\begin{matrix} a = \frac{n Σ_{k = 0}^{n - 1} x_{k} y_{k} - Σ_{k = 0}^{n - 1} x_{k} Σ_{k = 0}^{n - 1} y_{k}}{n Σ_{k = 0}^{n - 1} x_{k}^{2} - Σ_{k = 0}^{n - 1} x_{k} Σ_{k = 0}^{n - 1} x_{k}} \\ b = \frac{Σ_{k = 0}^{n - 1} y_{k} - a Σ_{k = 0}^{n - 1} x_{k}}{n} \end{matrix}

便可解得a，b；

3.如权利要求2所述的图像亮度优化方法，在所述步骤(C)中，当所述图像亮度偏差值小于10％或者增益调整超限时，通过改变曝光时间或外部照明光源亮度进行优化。

4.如权利要求3所述的图像亮度优化方法，当移动取像时，通过改变照明光源亮度及相机增益进行优化。

5.如权利要求3所述的图像亮度优化方法，当静止取像时，通过控制曝光时间及相机增益进行优化。

6.如权利要求4或5所述的图像亮度优化方法，所述平均灰度值偏差允许范围GreyRange为±1个灰度值。

7.如权利要求1或2所述的图像亮度优化方法，在所述步骤(A)中，根据不同的特征识别需求，划定相应的ROI。

8.如权利要求6所述的图像亮度优化方法，在所述步骤(A)中，根据不同的特征识别需求，划定相应的ROI。

9.如权利要求8所述的图像亮度优化方法，所述当前图像和所述注册图像平均灰度值的差值DiffGrey＝CurGrey-StdGrey。

10.如权利要求9所述的图像亮度优化方法，按照相机增益和图像平均灰度值的比例关系计算所述增益增量AddGain。

11.如权利要求1、2或3任一所述的图像亮度优化方法，写入相机的所述新增益为Gain+AddGain。

12.如权利要求10所述的图像亮度优化方法，写入相机的所述新增益为Gain+AddGain。

13.如权利要求2、4或5任一所述的图像亮度优化方法，在所述步骤(A)中，通过所述识别算法识别所述注册图像ROI的平均灰度值，当所述注册图像ROI不能够正确识别的时候，需要重新选取。

14.如权利要求13所述的图像亮度优化方法，重新选取注册图像时，需要调节相机参数以及外部照明光源的亮度，直至选取的注册图像ROI能够正确识别为止。

15.如权利要求14所述的图像亮度优化方法，其中调节的相机参数包括相机的焦距、光圈、增益和曝光时间中的一种或几种。