CN109035235A - 一种车灯光导色差检测方法 - Google Patents
一种车灯光导色差检测方法 Download PDFInfo
- Publication number
- CN109035235A CN109035235A CN201810839358.1A CN201810839358A CN109035235A CN 109035235 A CN109035235 A CN 109035235A CN 201810839358 A CN201810839358 A CN 201810839358A CN 109035235 A CN109035235 A CN 109035235A
- Authority
- CN
- China
- Prior art keywords
- light guide
- image
- color
- car light
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/06—Testing the alignment of vehicle headlight devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明之目的是提供一种车灯光导色差检测方法,包括以下步骤:(1)、安装设备;(2)、获取车灯光导图像;(3)、车灯光导色差检测;本发明方法科学合理,易操作,方法稳定可靠,检测准确,工作效率高,实用性强,有效保证车灯的产品质量,提高了良品率,有显著的经济和社会效益。
Description
技术领域
本发明涉及汽车灯具,特别是一种车灯光导色差检测方法。
背景技术
在汽车工业上,车灯是汽车的一个重要部件,其主要功能有两种,一是照 明功能,如汽车的前大灯、雾灯,主要是为驾驶员照亮道路、交通标志、行人 等;其次是信号功能,如转向灯、刹车灯,主要是表达车辆行驶状态的信息。 随着汽车工业的迅速发展,光导照明技术在汽车车灯上的应用符合新时期国家 所大力提倡的节能环保要求,在未来汽车工业发展中,光导照明技术必将成为 一个趋势。
光导照明的原理是输入光线在光导中传播,在需要输出光线的位置发生折 射形成照明效果。因此光线的传播途径非常重要。LED的安装位置会影响到光 线的入射角,光导材料的特性会影响到光线的反射与折射现象。在实际生产中 由于光源安装位置的误差以及光导制作工艺的缺陷会导致入射光线的散射现 象,反映在产品中便是光导管上出现明显色差,偏红、偏蓝、偏黄等。这些现 象会导致车灯成品良品率的降低,所以在具有光导照明系统的车灯组装之前以 及组装后对产品进行光导色差检测是一道十分必要的工序。
由于光导照明技术在汽车工业中的应用时间不长,目前对光导的色差检测 大多数由人工完成。但是在人工质量检测过程中,检测人员本身的主观因素以 及客观因素对检测结果带来很多不稳定的干扰因素,限制了良品率的提高。为 了解决光导色差带来的良品率问题,实现生产现代化、自动化,需要能够实现 这个目标的自动测试系统。目前国内外有针对印刷,纺织等行业的大色差检测 设备,也有针对地砖的微小色差检测设备,但是由于光导材料的特殊性,色差 的检测难度较上述案例较大,所以如何解决针对光导颜色色差检测势在必行。
发明内容
针对上述情况,为克服现有技术之缺陷,本发明之目的是提供一种车灯光 导色差检测方法,可有效解决汽车灯光导色差检测难、良品率低的问题。
本发明解决的技术方案是,一种车灯光导色差检测方法,包括以下步骤:
(1)、安装设备:在工作台中部垂直向上装支架,支架两边的工作台上分 别装有光导车灯和检测机柜,支架上部装有摄像机及经C-接口与摄像机连接在 一起的CCD图像传感器,检测机柜内装有PC机、图像采集卡和电源,检测机柜 的前面板上装有与电源相连的电源指示灯、与PC机相连的检测结果指示灯和与 电源相连的开关按钮,CCD图像传感器经IEEE1394a接口和图像采集卡与PC机 相连;
(2)、获取车灯光导图像:利用已安装的设备获取车灯光导图像,方法是:
启动由摄像机、CCD图像传感器构成的图像采集系统,由CCD图像传感器将 采集到的光导图像通过图像采集卡,将二维模拟信号转成数字信号,以RGB颜 色格式存储数字图像,为后续图像处理与分析提供原始数据;
(3)、车灯光导色差检测:方法是:首先制作训练模板,然后对待测光导 进行待测窗口划分,颜色空间转换,提取颜色特征向量,执行最小距离分类, 最后,根据分类结果,进行光导色差的分析检测。
本发明方法科学合理,易操作,方法稳定可靠,检测准确,工作效率高, 实用性强,有效保证车灯的产品质量,提高了良品率,有显著的经济和社会效 益。
附图说明
图1为本发明设备结构图;
图2为本发明方法工艺流程图;
图3为本发明多颗LED光导色差检测模板图;
图4为本发明单颗LED光导色差检测模板图;
图5为本发明窗口划分示意图。
具体实施方式
以下结合附图和具体使用情况对本发明的具体实施方式做详细说明。
如图1-5所示,本发明一种车灯光导色差检测方法,由图1、2所示,本发 明方法是基于颜色特征的图像分类色差检测方法,包括设备的安装、光导图像 获得、待测窗口划分、颜色空间转换、颜色特征向量提取和训练模板,采用最 下距离分离法对车灯进行检测,以判断车灯光导色差是否合格,具体方法是: 一、安装设备:
如图1所示,本发明设备是指车灯光导图像采集系统,车灯光导图像的采 集系统包括PC机、图像传感器、相机摄像机、图像采集卡、直流稳压电源、检 测机柜、指示灯和开关按钮,安装方法如下:
(1)将待测光导车灯2放置在车灯光导质量检测工作台1的检测位置;
(2)将LED光导车灯2电源接线端子的正极连接到电源8输出端子的正极, 将LED光导车灯2的电源接线端子的地线与电源8输出端子的地线连接;
(3)将CCD图像传感器3固定安装在工作台1的支架5上;
(4)相机摄像机4通过摄像机C-接口安装到CCD图像传感器3上;
(5)检测机柜9放置在工作台1一边上面,检测机柜9表面安装有2个指 示灯;一个灯用于通电工作指示,采用红色;另外一个灯用于指示检测结果, 绿色表示检测合格红色表示检测不合格;检测机柜9表面安装1个开关按钮12, 用于启动或者停止车灯光导检测系统;
(6)数据传输线通过IEEE1394a接口一端连接到CCD图像传感器3上,另 外一端连接到图像采集卡7上;
(7)图像采集卡7的功能是将相机采集到的图像信号,转换成计算机能够 识别,通过PCI接口连接PC机6;
(8)PC机6通过PCI接口驱动,采集车灯光导图像,同时进行车灯光导图 像的处理与分析;
二、获取车灯光导图像:
图像获取的硬件平台是由相机摄像机4、光源,图像采集卡7、支架5、电 源8构成,所有设备连接好之后,具体步骤如下:
(1)启动PC机6,运行车灯光导图像采集软件;
(2)根据车灯的工作电压和电流,打开电源8,给LED光导车灯2加电,点 亮LED光导车灯2,调节电源8,确保LED光导车灯2电流在0.75A-1A范围;
(3)为了防止外界光源对照明光源的干扰,以及满足照明系统对于光照均 匀性和亮度的要求,系统采用暗箱操作给采集系统增加保护罩,保护罩能够有 效防止环境光对LED光源的影响,从而获得高质量的采集图像;
(4)光导车灯2点灯电流较小,光导亮度较暗;这种情况下,光导的颜色 信息就会显现出来;而在的大电流点灯时,光导通亮,颜色信息被掩盖;
(5)启动图像采集系统,CCD图像传感器3开始采集光导车灯2图像,通过 图像采集卡7,将二维模拟信号转成数字信号,以RGB颜色格式存储数字图像, 为后续图像处理与分析提供原始数据;
三、车灯光导色差检测:
1、图像颜色特征的提取:
由车灯光导图像采集系统所获取的原始车灯光导图像是彩色图像,采用RGB颜色空间格式,RGB颜色空间是一种与硬件设备相关、不均匀的颜色空间, 在该空间中任意两点之间色差大小并不能用两点之间的欧几里得距离来表示, 在本发明中,本步骤主要解决图像颜色特征的提取问题;
(1)利用颜色空间转换公式将车灯光导图像的RGB颜色空间转换为HSI颜色 空间;
(2)对HSI三个颜色分量值进行量化处理;
2、光导区域窗口的划分:
(1)光导区域窗口划分的依据根据图像实际情况而定,窗口越小,对颜色 差异的检测有较好的灵敏度,但是窗口太小又会受到单个像素的影响较大,所 以窗口的划分要根据实际图像的情况来定,把颜色信息划分进去即可,且每个 窗口的大小均应一致,这样有利于对各光照分量进行有效的评估;
(2)获得原始车灯光导图像之后,对车灯光导图像分成T个图像区域窗口, 使T个窗口能够覆盖整个车灯的光导,且能正确完整的表达出光导的颜色特征;
(3)对于任一待测图像区域窗口,假设其大小为m×m,m--区域窗口像素 点的列数,n--区域窗口像素点的行数;
3、最小距离色差检测:
(1)采用求均值的方法,分别计算每一类样本的模板;
(2)计算未知类别与各模板的距离;
(3)判定未知类别所属的类。
本发明一种车灯光导色差检测方法在具体实施中还可由以下步骤给出:
一、安装设备:
车灯光导图像采集系统的结构如图1所示,车灯光导图像的采集系统由PC 机、图像传感器、摄像机、图像采集卡、直流稳压电源、检测机柜、指示灯、 开关按钮构成,具体安装过程描述如下:
(1)将待测光导车灯2放置在车灯光导质量检测工作台1的检测位置;
(2)将光导车灯2的电源接线端子的正极连接到电源8输出端子的正极,将 光导车灯2的电源接线端子的地线与电源8输出端子的地线连接;
(3)将CCD图像传感器3固定安装在工作台1的支架5上;
(4)摄像机4通过摄像机C-接口安装到CCD图像传感器3上;
(5)检测机柜9放置在工作台1上,检测机柜9表面安装有2个指示灯,一 个灯用于通电工作指示,采用红色;另外一个灯用于指示检测结果,绿色表示 检测合格红色表示检测不合格,检测机柜9表面安装1个开关按钮12,用于启 动或者停止车灯光导检测系统;
(6)数据传输线通过IEEE1394a接口一端连接到CCD图像传感器3上,另 外一端连接到图像采集卡7上;
(7)图像采集卡7的功能是将摄像机4采集到的图像信号,转换成计算机能 够识别,通过PCI接口连接到PC机6上;
(8)PC机6通过PCI接口驱动,采集车灯光导图像,同时进行车灯光导图 像的处理与分析;
二、获取车灯光导图像:
图像获取的硬件平台主要是由摄像机4、光源,图像采集卡7、支架5、电 源8构成,所有设备连接好之后,具体步骤如下:
(1)启动PC机6,运行车灯光导图像采集软件;
(2)根据车灯的工作电压和电流,打开直流稳压电源,给光导车灯2加电, 点亮光导车灯2,调节电源8,确保点灯电流在0.75A-1A;
(3)为了防止外界光源对照明光源的干扰,以及满足照明系统对于光照均 匀性和亮度的要求,系统采用暗箱操作给采集系统增加保护罩,保护罩能够有 效防止环境光对光导车灯2光源的影响,从而获得高质量的采集图像;
(4)光导车灯2点灯电流较小,光导亮度较暗,这种情况下,光导的颜色 信息就会显现出来,而在的大电流点灯时,光导通亮,颜色信息被掩盖;
(5)启动图像采集系统,CCD图像传感器3开始采集光导车灯2图像,通过 图像采集卡7,将二维模拟信号转成数字信号,以RGB颜色格式存储数字图像, 为后续图像处理与分析提供原始数据;
三、车灯光导色差检测过程:
对于一根点亮的光导车灯,从视觉上观察其各部分的光照是一致的,但由 于光导管材料自身的缺陷、光导管制作工艺上的瑕疵各方面原因,从而导致光 导管存在部分色差,本发明提出了一种车灯光导色差检测方法,该方法的流程 如图2所示,在图2中,对于车灯光导色差检测,首先制作训练模板,然后对 待测光导进行待测窗口划分,颜色空间转换,提取颜色特征向量,执行最小距 离分类,最后,根据分类结果,进行光导色差的分析评估,具体实施步骤描述 如下:
1、图像颜色特征的提取:
由车灯光导图像采集系统所获取的原始车灯光导图像是彩色图像,采用 RGB颜色空间格式,RGB颜色空间是一种与硬件设备相关、不均匀的颜色空间, 在该空间中任意两点之间色差大小并不能用两点之间的欧几里得距离来表示, 在本发明中,本步骤主要解决图像颜色特征的提取问题;
(1)RGB颜色空间转换为HSI颜色空间:
对于一个给定的RGB彩色格式图像,利用式子(1),计算出每个RGB像素 的色调分量:
利用式子(2),计算出每个RGB像素的饱和度分量:
S--饱和度分量值,取值范围为0到1;
R--红原色分量值,取值范围为0到255;
G--绿原色分量值,取值范围为0到255;
B--蓝原色分量值,取值范围为0到255;
利用式子(3),计算出每个RGB像素的亮度分量:
I--亮度分量值,取值范围为0到1;
R--红原色分量值,取值范围为0到255;
G--绿原色分量值,取值范围为0到255;
B--蓝原色分量值,取值范围为0到255;
(2)量化HSI颜色值:
本发明选取图像的HSI颜色空间的直方图作为彩色图像的颜色特征,根据 HSI颜色空间的特性做一些特殊处理:
①黑色区域——所有I<0.15的颜色均视为黑色,此时令H=0,S=0,I=0;
②白色区域——所有S<0.1且I>0.8的颜色均视为白色,此时令H=0,S=0, I=1;
③彩色区域——位于黑色区域和白色区域以外的任何区域均视为彩色区 域,其H,S,I取值按规定的取值范围进行处理;
采用式(4)-(6)对色调分量H、饱和度分量S和亮度分量I进行非等间距量 化:
H'--色调分量非等间距量化值;
H--色调分量值,取值范围为0到360,单位:°;
S'--饱和度分量非等间距量化值;
S--饱和度分量值,取值范围均为0到1;
I'--亮度分量非等间距量化值;
I--亮度分量值,取值范围均为0到1;
按照色调分量H、饱和度分量S、亮度分量I的量化级数,利用式(7),将3 个颜色分量合成为一个一维的颜色特征向量:
V=HQSQI+SQI+I 式(7)
V--合成后的一维颜色特征向量;
H--色调分量值,取值范围为0到360,单位:°;
S--饱和度分量值,取值范围均为0到1;
I--亮度分量值,取值范围均为0到1;
QS--饱和度分量S的量化级数,QS=3;
QI--亮度分量I的量化级数,QI=3;
得到颜色特征向量,如式(8):
V=9H+3S+I 式(8)
V--合成后的一维颜色特征向量;
H--色调分量值,取值范围为0到360,单位:°;
S--饱和度分量值,取值范围均为0到1;
I--亮度分量值,取值范围均为0到1;
此处,颜色特征向量V的取值范围为[0,71];
2、光导区域窗口的划分:
(1)光导区域窗口划分的依据根据图像实际情况而定,窗口越小,对颜色 差异的检测有较好的灵敏度,但是窗口太小又会受到单个像素的影响较大,所 以窗口的划分要根据实际图像的情况来定,把主要颜色信息划分进去即可,且 每个窗口的大小均应一致,这样有利于对各光照分量进行有效的评估;
(2)获得原始车灯光导图像之后,对车灯光导图像分成T个图像区域窗口, 使T个窗口能够覆盖整个车灯的光导,且能正确完整的表达出光导的颜色特征;
(3)对于任一待测图像区域窗口,假设其大小为m×n,m--区域窗口像素点 的列数,n--区域窗口像素点的行数;
3、最小距离色差检测方法:
(1)计算第i类样本的模板:
颜色特征向量提取后,本发明选取欧几里得距离作为距离度量的方法,每 个类别i中有很多样本,利用式(9),计算该类别i中各样本特征向量的均值mi, 以此值作为第i类样本的模板:
mi--类别i中各样本特征向量的均值;
Ni--第i类别中样本的数目;
xi--第i类别中样本的特征向量;
wi--第i类别中样本的集合;
W--总类别数目;
(2)计算未知类别与各模板的距离:
对于未知类别x,利用式(10),计算x的特征向量与各模板mi(i=1,2,...,W)的特征向量的距离Di(x),
Di(x)--未知类别x的特征向量与各模板mi的特征向量的距离;
x--未知类别的特征向量;
mi--类别i中各样本特征向量的均值;
W--总类别数目;
(3)判定x所属类别:
在W个类别中,找到使得式(10)中Di(x)值最小的一个,假设类别号为j,即 Dj(x)=min{Di(x)},(i=1,2,...,W),则判定x属于第j类,最终实现车灯光导色差检测。
所述的图像传感器3是AVT公司的Stingray F504C面阵相机,其分辨率为 2452×2056,传感器大小为2/3英寸即8.8mm×6.6mm,帧率为120fps,摄像机 接口选用C型接口,数据传输接口为IEEE1394b接口。
所述的摄像机4是Camputar公司的M1214-MP2焦距可调摄像机,焦距为 12mm,光圈范围F1.4-F22,最小物距0.lm,摄像机接口为C型。
所述的图像采集卡7是深圳市荣鑫伟业科技发展有限公司的图像采集卡, 其具体型号FWB-PCI3202A 1394,视频信号接入接口IEEE1394b,总线接口为PCI。
所述的电源8型号为SPD-3606,该电源由台湾固纬电子实业股份有限公司 制造,3路输出,CH1/CH2双范围30V/6A及60V/3A输出选择,CH3 0.1~5V/3A 电压可调,过电压、过温度保护、过载保护、极性反向保护。
本发明经试验和实地应用,取得了非常好的有益技术效果,具有很强的实 用价值,有关试验情况如下:
1、多颗LED光导色差检测结果分析:
在本实验中,首先调节直流稳压电源,使得LED的工作电流为1A,点亮多 颗LED;其次,获取多颗LED组成的车灯光导RGB图像并处理为亮度图像;然后, 针对车灯光导亮度图像,如图5所示,划分了10个大小相等的待测窗口图像, 其尺寸为80×44像素,采用图3所示的色差检测模板,判断每个位置窗口与模 板之间的距离,距离范围为0-1,分数值越低,表示两者越相近,最终分类结果 如表1所示。
表1两种方法检测结果对照表
表1所示为10个待测窗口在最小距离分类算法中的具体归类和每个窗口的 距离值,其中窗口3,5,7,8的距离值较大,表示这四个窗口虽然都被归类为 “blue”,但由于其距离值更大,所以其他窗口比它们更偏蓝。对比分析两种色 差检测方法的数据可以得出,最小距离分类法所得出的结果与人眼的视觉判断 是相吻合的,有利于色差检测方法的自动化实现。
2、单颗LED光导色差检测结果分析:
在本实验中,首先调节直流稳压电源,使得LED的工作电流为1A,点亮单 颗LED;其次,获取单颗LED组成的车灯光导RGB图像并处理为亮度图像;然后, 针对车灯光导亮度图像,如图5所示,划分了10个大小相等的待测窗口图像, 其尺寸为80*44像素,采用图4所示的色差检测模板,判断每个位置窗口与模 板之间的距离,距离范围为0-1,分数值越低,表示两者越相近,最终分类结果 如表2所示。
表2两种方法检测结果对照表
表2所示为10个待测窗口在最小距离分类算法中的具体归类和每个窗口的 距离值,其中窗口1,2,7的距离值较大,表示这三个窗口虽然都被归类为“blue”, 但由于其距离值更大,所以其他窗口比它们更偏蓝。对比分析两种色差检测方 法的数据可以得出,最小距离分类法所得出的结果与人眼的视觉判断是相吻合 的,有利于色差检测方法的自动化实现。
试验表明,本发明方法科学合理,易操作,方法稳定可靠,检测准确,经 实地验证,准确率高达99%以上,工作效率提高2倍以上,实用性强,有效保证 车灯的产品质量,提高了良品率,良品率高达99.9%以上,有显著的经济和社会 效益。
Claims (3)
1.一种车灯光导色差检测方法,其特征是:包括以下步骤:
(1)、安装设备:在工作台(1)中部垂直向上装支架(5),支架(5)两边的工作台(1)上分别装有光导车灯(2)和检测机柜(9),支架(5)上部装有摄像机(4)及经C-接口与摄像机(4)连接在一起的CCD图像传感器(3),检测机柜(9)内装有PC机(6)、图像采集卡(7)和电源(8),检测机柜(9)的前面板上装有与电源(8)相连的电源指示灯(10)、与PC机(6)相连的检测结果指示灯(11)和与电源(8)相连的开关按钮(12),CCD图像传感器(3)经IEEE1394a接口和图像采集卡(7)与PC机(6)相连;
(2)、获取车灯光导图像:利用已安装的设备获取车灯光导图像,启动由摄像机(4)、CCD图像传感器(3)构成的图像采集系统,由CCD图像传感器(3)将采集到的光导图像通过图像采集卡(7),将二维模拟信号转成数字信号,以RGB颜色格式存储数字图像,为后续图像处理与分析提供原始数据;
(3)、车灯光导色差检测:首先制作训练模板,然后对待测光导进行待测窗口划分,颜色空间转换,提取颜色特征向量,进行最小距离分类,根据分类结果,进行光导色差的分析检测。
2.根据权利要求1所述的车灯光导色差检测方法,其特征是:包括以下步骤:A、安装设备:
(1)将待测光导车灯(2)放置在车灯光导质量检测工作台(1)的检测位置;
(2)将LED光导车灯(2)电源接线端子的正极连接到电源(8)输出端子的正极,将LED光导车灯(2)的电源接线端子的地线与电源(8)输出端子的地线连接;
(3)将CCD图像传感器(3)固定安装在工作台(1)的支架(5)上;
(4)摄像机(4)通过摄像机C-接口与CCD图像传感器(3)安装成一体结构;
(5)检测机柜(9)放置在工作台(1)一边上面,检测机柜(9)前面板上安装有2个指示灯,一个灯用于通电工作指示,采用红色;另外一个灯用于指示检测结果,绿色表示检测合格红色表示检测不合格,检测机柜(9)前面板上安装与电源(8)和PC机(6)相连的开关按钮(12),用于启动或者停止车灯光导检测系统;
(6)将数据传输线通过IEEE1394a接口一端连接到CCD图像传感器(3)上,另外一端连接到图像采集卡(7)上,将相机采集到的图像信号,转换成PC机能够识别信号,图像采集卡(7)通过PCI接口连接PC机(6),进行车灯光导图像的分析处理;
B:获取车灯光导图像:
(1)启动PC机(6)及车灯光导图像采集软件;
(2)根据车灯的工作电压和电流,打开电源8,点亮LED光导车灯(2),LED光导车灯(2)电流为0.75-1A;
(3)对采集系统增加保护罩,采用暗箱操作,防止环境光对LED光源的影响,以获得高质量的采集图像;
(4)启动图像采集系统,CCD图像传感器(3)开始采集光导车灯(2)图像,通过图像采集卡(7),将二维模拟信号转成数字信号,以RGB颜色格式存储数字图像,为后续图像处理与分析提供原始数据;
C:车灯光导色差检测:
a、图像颜色特征的提取:
(1)利用颜色空间转换公式将车灯光导图像的RGB颜色空间转换为HSI颜色空间;
(2)对HSI三个颜色分量值进行量化处理;
b、光导区域窗口的划分:
(1)光导区域窗口划分的依据根据图像实际情况把颜色信息划分进去,每个窗口的大小均应一致,以利于对各光照分量进行有效的评估;
(2)获得原始车灯光导图像之后,对车灯光导图像分成T个图像区域窗口,使T个窗口能够覆盖整个车灯的光导,正确完整表达出光导的颜色特征;图像区域窗口大小为m×m,m--区域窗口像素点的列数,n--区域窗口像素点的行数;
c、最小距离色差检测:
(1)采用求均值的方法,分别计算每一类样本的模板;
(2)计算未知类别与各模板的距离;
(3)判定未知类别所属的类,实现车灯光导色差检测。
3.根据权利要求1或2所述的车灯光导色差检测方法,其特征是:包括以下步骤:所述的车灯光导色差检测,方法是:
a、图像颜色特征的提取:
(1)RGB颜色空间转换为HSI颜色空间:
将RGB彩色格式图像,利用式(1),算出每个RGB像素的色调分量:
H--色调分量值,取值范围为0到360,单位:°;
R--红原色分量值,取值范围为0到255;
G--绿原色分量值,取值范围为0到255;
B--蓝原色分量值,取值范围为0到255;
利用式(2),计算出每个RGB像素的饱和度分量:
S--饱和度分量值,取值范围为0到1;
R--红原色分量值,取值范围为0到255;
G--绿原色分量值,取值范围为0到255;
B--蓝原色分量值,取值范围为0到255;
利用式(3),计算出每个RGB像素的亮度分量:
I--亮度分量值,取值范围为0到1;
R--红原色分量值,取值范围为0到255;
G--绿原色分量值,取值范围为0到255;
B--蓝原色分量值,取值范围为0到255;
(2)量化HSI颜色值:
选取图像的HSI颜色空间的直方图作为彩色图像的颜色特征,根据HSI颜色空间的特性做以下处理:
①黑色区域——所有I<0.15的颜色均视为黑色,此时令H=0,S=0,I=0;
②白色区域——所有S<0.1且I>0.8的颜色均视为白色,此时令H=0,S=0,I=1;
③彩色区域——位于黑色区域和白色区域以外的任何区域均视为彩色区域,其H,S,I取值按规定的取值范围进行处理;
采用式(4)-(6)对色调分量H、饱和度分量S和亮度分量I进行非等间距量化:
H'--色调分量非等间距量化值;
H--色调分量值,取值范围为0到360,单位:°;
S'--饱和度分量非等间距量化值;
S--饱和度分量值,取值范围均为0到1;
I'--亮度分量非等间距量化值;
I--亮度分量值,取值范围均为0到1;
按照色调分量H、饱和度分量S、亮度分量I的量化级数,利用式(7),将3个颜色分量合成为一个一维的颜色特征向量:
V=HQSQI+SQI+I 式(7)
V--合成后的一维颜色特征向量;
H--色调分量值,取值范围为0到360,单位:°;
S--饱和度分量值,取值范围均为0到1;
I--亮度分量值,取值范围均为0到1;
QS--饱和度分量S的量化级数,QS=3;
QI--亮度分量I的量化级数,QI=3;
得到颜色特征向量V,
V=9H+3S+I 式(8)
颜色特征向量V为0-71;
b、光导区域窗口的划分:
(1)光导区域窗口划分的依据根据图像实际情况,把颜色信息划分进去,每个窗口的大小均应一致,以利于对各光照分量进行有效的评估;
(2)获得原始车灯光导图像之后,对车灯光导图像分成T个待测图像区域窗口,使T个窗口能够覆盖整个车灯的光导,以正确完整的表达出光导的颜色特征;对于任一待测图像区域窗口大小为m×n,m--区域窗口像素点的列数,n--区域窗口像素点的行数;
c、最小距离色差检测:
(1)计算第i类样本的模板:
颜色特征向量提取后,采用欧几里得距离作为距离度量的方法,利用式(9),计算该类别i中各样本特征向量的均值mi,以此值作为第i类样本的模板:
mi--类别i中各样本特征向量的均值;
Ni--第i类别中样本的数目;
xi--第i类别中样本的特征向量;
wi--第i类别中样本的集合;
W--总类别数目;
(2)计算未知类别与各模板的距离:
对于未知类别x,利用式(10),计算x的特征向量与各模板mi(i=1,2,...,W)的特征向量的距离Di(x),
Di(x)--未知类别x的特征向量与各模板mi的特征向量的距离;
x--未知类别的特征向量;
mi--类别i中各样本特征向量的均值;
W--总类别数目;
(3)判定x所属类别
在W个类别中,找到使得式(10)中Di(x)值最小的一个,设类别号为j,即Dj(x)=min{Di(x)},(i=1,2,...,W),则判定x属于第j类,最终实现车灯光导色差检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810839358.1A CN109035235B (zh) | 2018-07-27 | 2018-07-27 | 一种车灯光导色差检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810839358.1A CN109035235B (zh) | 2018-07-27 | 2018-07-27 | 一种车灯光导色差检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035235A true CN109035235A (zh) | 2018-12-18 |
CN109035235B CN109035235B (zh) | 2021-09-07 |
Family
ID=64645837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810839358.1A Active CN109035235B (zh) | 2018-07-27 | 2018-07-27 | 一种车灯光导色差检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035235B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160476A (zh) * | 2019-12-31 | 2020-05-15 | 佛山喀视科技有限公司 | 一种生成色差检测模型、瓷砖分色方法及装置 |
CN111982477A (zh) * | 2020-08-31 | 2020-11-24 | 合肥维信诺科技有限公司 | 显示面板的测试方法、测试装置 |
CN112200200A (zh) * | 2020-10-12 | 2021-01-08 | 蚌埠依爱消防电子有限责任公司 | 一种led灯光颜色检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060279748A1 (en) * | 2005-06-08 | 2006-12-14 | Kabushiki Kaisha Toshiba | Apparatus and method for compensating for resolution differences of color and monochrome sensors |
CN107036977A (zh) * | 2017-04-28 | 2017-08-11 | 武汉科技大学 | 中纤板表面色差检测方法 |
CN107341767A (zh) * | 2016-04-29 | 2017-11-10 | 杭州海康威视数字技术股份有限公司 | 一种图像校正方法及装置 |
CN107346429A (zh) * | 2017-05-24 | 2017-11-14 | 上海电机学院 | 一种多晶电池片图像的颜色自动识别与分类方法 |
-
2018
- 2018-07-27 CN CN201810839358.1A patent/CN109035235B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060279748A1 (en) * | 2005-06-08 | 2006-12-14 | Kabushiki Kaisha Toshiba | Apparatus and method for compensating for resolution differences of color and monochrome sensors |
CN107341767A (zh) * | 2016-04-29 | 2017-11-10 | 杭州海康威视数字技术股份有限公司 | 一种图像校正方法及装置 |
CN107036977A (zh) * | 2017-04-28 | 2017-08-11 | 武汉科技大学 | 中纤板表面色差检测方法 |
CN107346429A (zh) * | 2017-05-24 | 2017-11-14 | 上海电机学院 | 一种多晶电池片图像的颜色自动识别与分类方法 |
Non-Patent Citations (2)
Title |
---|
ZAHRA SADEGHIPOOR,AND ETC: "Multiscale guided deblurring: Chromatic aberration correction in color and near-infrared imaging", 《2015 23RD EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO)》 * |
王晨等: "基于计算机视觉的车灯光导色差检测", 《电子测量技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160476A (zh) * | 2019-12-31 | 2020-05-15 | 佛山喀视科技有限公司 | 一种生成色差检测模型、瓷砖分色方法及装置 |
CN111982477A (zh) * | 2020-08-31 | 2020-11-24 | 合肥维信诺科技有限公司 | 显示面板的测试方法、测试装置 |
CN112200200A (zh) * | 2020-10-12 | 2021-01-08 | 蚌埠依爱消防电子有限责任公司 | 一种led灯光颜色检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109035235B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN201707304U (zh) | 一种产品表面自动光学检查设备 | |
CN101882034B (zh) | 触摸装置的触摸笔颜色识别装置及方法 | |
CN201273855Y (zh) | 发光二极管车灯的测试设备 | |
CN109035235A (zh) | 一种车灯光导色差检测方法 | |
WO2018010386A1 (zh) | 元件反件检测方法和系统 | |
CN204924983U (zh) | 一种光栅调制的镜片疵病自动检测装置 | |
CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN104777172A (zh) | 一种光学镜头次品快速智能检测装置及方法 | |
CN114445330A (zh) | 一种元器件外观缺陷的检测方法及系统 | |
CN111781203A (zh) | 基于标准工业相机的可组态智能视觉检测系统及方法 | |
CN110412055B (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
CN106102217A (zh) | 一种应用于视觉检测的多色光源自动调节系统和方法 | |
CN109035225B (zh) | 一种汽车刹车片外观质量检验照明系统设计质量评价方法 | |
CN109003273B (zh) | 一种车灯光导一致性检测方法 | |
CN109945842B (zh) | 成捆圆钢端面标签漏贴检测及贴标误差分析方法 | |
CN111721507B (zh) | 基于极坐标识别的键盘背光模组的智能检测方法及装置 | |
CN110082356A (zh) | 线材表面缺陷的视觉检测方法及装置 | |
CN108489712A (zh) | 一种用于汽车车灯性能检测的装置 | |
CN104977154B (zh) | 具有子像素结构的空间光调制器缺陷分类方法 | |
CN206725196U (zh) | 一种微距数码镜头检测仪 | |
CN112304969A (zh) | 显示模块检测设备、方法、装置及系统和存储介质 | |
CN112200200B (zh) | 一种led灯光颜色检测方法 | |
CN103927544A (zh) | 皮棉轧工质量的机器视觉分级方法 | |
CN109374637A (zh) | 一种汽车覆盖件表面质量检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |