CN109767425A - 机器视觉光源均匀性评估装置及方法 - Google Patents
机器视觉光源均匀性评估装置及方法 Download PDFInfo
- Publication number
- CN109767425A CN109767425A CN201811525403.2A CN201811525403A CN109767425A CN 109767425 A CN109767425 A CN 109767425A CN 201811525403 A CN201811525403 A CN 201811525403A CN 109767425 A CN109767425 A CN 109767425A
- Authority
- CN
- China
- Prior art keywords
- image
- gray value
- uniformity
- region
- described image
- 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
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种机器视觉光源均匀性评估装置及方法,其中机器视觉光源均匀性评估装置包括:机器视觉成像系统、匀光片以及与机器视觉成像系统相连接的处理器;匀光片用于设置在机器视觉系统所要检测的样品的位置,并被待测光源产生的光投射;机器视觉成像系统的轴线与匀光片的夹角呈θ角,使得机器视觉成像系统能够用于对匀光片进行成像并采集图像;处理器用于接收图像,并对图像进行计算分析,获得图像的灰度均匀性,并根据图像的灰度均匀性确定待测光源的照度均匀性。采用本申请实施例能够在不增大系统空间的情况下,通过匀光片对待测光源进行散射,采集匀光片的图像,通过图像处理确定图像均匀性,进而确定待测光源均匀性,提升了效率。
Description
技术领域
本申请涉及机器视觉领域,尤其涉及一种机器视觉光源均匀性评估装置及方法。
背景技术
随着工业自动化和人工智能的逐步发展,机器视觉所起的作用越来越重要,而待测光源的均匀照明在机器视觉检测中起关键性的作用。在机器视觉系统中,被测物体经过镜头在相机上成像,系统的检测精度与成像质量息息相关,而物体的照明直接影响成像质量,所以目前各大机器视觉厂商将均匀待测光源作为机器视觉的重点开发待测光源,这些待测光源的均匀性作为评价待测光源性能好坏的核心指标之一。
一般检测待测光源均匀性,我们使用亮度计或者积分球来进行逐点测量,每次只能采集到一个小区域的光强,测量效率非常低下,而且受测量空间的限制。在背待测光源的检测中,逐步改进到使用电荷耦合器件(Charge-coupled Device,CCD)成像来检测背待测光源的均匀性,但是在普通的点光源和线光源的检测中,无法使用CCD直接对其成像以判断其均匀性。特别是在机器视觉测量系统中,测量系统一般设置在流水线上或者封装在一个仪器设备内,尺寸空间受到极大的限制。因此,亟待提出一种不需增大系统空间,即可高效进行待测光源均匀性的测量,且可以进行实时在线的测试的方法。
发明内容
本申请实施例提供一种机器视觉光源均匀性评估装置及方法,采用本申请实施例能够在不增大系统空间的情况下,通过加入被待测光源投射的匀光片,并对匀光片进行图像采集和图像处理,确定待测光源的照度均匀性,提升了确定待测光源照度均匀性的效率。
第一方面,本申请实施例提供一种机器视觉光源均匀性评估装置,包括:
机器视觉成像系统、匀光片、以及与所述机器视觉相机相连接的处理器;所述匀光片用于设置在机器视觉系统所要检测的样品的位置,并被待测光源产生的光投射;
所述机器视觉成像系统的轴线与所述匀光片的夹角呈θ角,使得所述机器视觉成像系统能够用于对所述匀光片进行成像并采集图像,其中,0°<θ≤90°;
所述处理器用于接收所述图像,并对所述图像进行计算分析,获得所述图像的灰度均匀性,并根据所述图像的灰度均匀性确定所述待测光源的照度均匀性。
在一种可能的实施例中,在所述对所述图像进行计算分析,获得图像的灰度均匀性方面,所述处理器具体用于:
将所述图像分割成N*N等面积分布的N个区域,并确定每个区域的灰度值,其中N为大于1的整数;
获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性。
在一种可能的实施例中,所述N为3,在所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性方面,所述处理器具体用于:
获取分布在图像各个位置的第一区域、第三区域、第五区域、第七区域和第九区域的灰度值E11,E33,E55,E77,E99作为选择灰度值;
根据第一公式计算获得所述图像的灰度均匀性U,所述第一公式包括:
U1=abs(E11+E33+E77+E99);
U2=abs(U1/4-E55);
U=U2/E55*100%
其中,abs为求绝对值函数,E55为所述图像的中间区域对应的灰度值。
在一种可能的实施例中,所述N为4,在所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性方面,所述处理器具体用于:
获取分布在图像各个位置的第零一区域、第零四区域、第零六区域、第零七区域、第十区域、第十一区域、第十三区域和第十六区域的灰度值E01,E04,E06,E07,E010,E011,E013,E016;
根据第二公式计算获得所述图像的灰度均匀性U,所述第二公式包括:
E0=abs[(E06+E07+E010+E011)/4];
U3=abs[(E01+E04+E06+E07+E010+E011+E013+E016)/8];
U4=abs(U3-E0);
U=U4/E0*100%
其中,abs为求绝对值函数,E0为所述图像的中间区域对应的灰度。
在一种可能的实施例中,在所述对所述图像进行计算分析,获得图像的灰度均匀性方面,所述处理器具体用于:
获得所述图像的像素总数M;
确定第j个像素的灰度值Lj,其中j为大于0且小于或等于M的整数;
根据第三公式计算获得所述图像的灰度均匀性U,所述第三公式包括:
其中所述为图像的平均灰度值,所述ΔL为图像像素亮度均方差。
在一种可能的实施例中,所述机器视觉成像系统包括镜头,在所述对所述匀光片进行成像并采集图像之前,所述处理器还用于:
确定所述镜头与所述匀光片的距离,所述距离处于所述机器视觉成像系统的景深范围内。
第二方面,本申请实施例提供了一种机器视觉光源均匀性评估方法,应用于机器视觉光源均匀性评估装置,其特征在于,所述机器视觉光源均匀性评估装置机器视觉成像系统、匀光片以及与所述机器视觉成像系统相连接的处理器,所述方法包括:
将所述匀光片设置在机器视觉系统所要检测的样品的位置,所述匀光片被待测光源产生的光投射;
所述机器视觉成像系统对所述匀光片进行成像并采集图像,所述机器视觉成像系统的轴线与所述匀光片的夹角呈θ角,其中,0°<θ≤90°;
所述处理器接收所述图像,并对所述图像进行计算分析,获得图像的灰度均匀性,并根据所述图像的灰度均匀性确定所述待测光源的照度均匀性。
在一种可能的实施例中,所述对所述图像进行计算分析,获得图像的灰度均匀性包括:
将所述图像分割成N*N等面积分布的N个区域,并确定每个区域的灰度值,其中N为大于1的整数;
获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性。
在一种可能的实施例中,所述N为3,所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性包括:
获取分布在图像各个位置的第一区域、第三区域、第五区域、第七区域和第九区域的灰度值E11,E33,E55,E77,E99作为选择灰度值;
根据第一公式计算获得所述图像的灰度均匀性U,所述第一公式包括:
U1=abs(E11+E33+E77+E99);
U2=abs(U1/4-E55);
U=U2/E55*100%
其中,abs为求绝对值函数,E55为所述图像的中间区域对应的灰度值。
在一种可能的实施例中,所述N为4,所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性包括:
获取分布在图像各个位置的第零一区域、第零四区域、第零六区域、第零七区域、第十区域、第十一区域、第十三区域和第十六区域的灰度值E01,E04,E06,E07,E010,E011,E013,E016;
根据第二公式计算获得所述图像的灰度均匀性U,所述第二公式包括:
E0=abs[(E06+E07+E010+E011)/4];
U3=abs[(E01+E04+E06+E07+E010+E011+E013+E016)/8];
U4=abs(U3-E0);
U=U4/E0*100%
其中,abs为求绝对值函数,E0为所述图像的中间区域对应的灰度。
在一种可能的实施例中,所述对所述图像进行计算分析,获得图像的灰度均匀性包括:
获得所述图像的像素总数M;
确定第j个像素的灰度值Lj,其中j为大于0且小于或等于M的整数;
根据第三公式计算获得所述图像的灰度均匀性U,所述第三公式包括:
其中为图像的平均灰度值,ΔL为图像像素亮度均方差。
第三方面,本申请实施例还提供一种机器视觉光源均匀性评估系统,包括:
机器视觉成像系统、匀光片以及与所述机器视觉成像系统相连接的处理装置;
所述匀光片用于设置在机器视觉系统所要检测的样品的位置,并被待测光源产生的光投射;
所述机器视觉成像系统的轴线与所述匀光片的夹角呈θ角,使得所述机器视觉成像系统能够用于对所述匀光片进行成像并采集图像,其中,0°<θ≤90°;
所述处理装置用于接收所述图像,并对所述图像进行计算分析,获得图像的灰度均匀性,并根据所述图像的灰度均匀性确定所述待测光源的照度均匀性。
第四方面,本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时包括上述第二方面所述的方法的部分或全部步骤。
可以看出,在本申请实施例的方案中,首先将待测光源产生的光投射到匀光片上,匀光片设置在机器视觉系统所要检测的样品的位置;然后对匀光片进行成像并采集图像;最后对图像进行计算分析,获得图像的灰度均匀性,并根据图像的灰度均匀性确定待测光源的照度均匀性。采用本申请实施例能够在不增大系统空间的情况下,通过匀光片对待测光源进行散射,采集匀光片确定的待测区域的图像,最后通过图像处理确定图像均匀性确定待测光源均匀性,提升了待测光源均匀性的评估效率。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种机器视觉光源均匀性评估装置的应用场景示意图;
图2为本申请实施例提供的一种双光源机器视觉系统;
图3为本申请实施例提供的一种匀光片表面漫反射示意图;
图4为本申请实施例提供的一种成像系统的轴线与匀光片的夹角变化方法;
图5为本申请实施例提供的一种光源的中心线与匀光片的夹角变化方法;
图6为本申请实施例提供的一种图像分割示意图;
图7为本申请实施例提供的另一种图像分割示意图;
图8为本申请实施例提供的一种图像像素示意图;
图9为本申请实施例提供的一种图像的灰度均匀性分析方法
图10为本申请实施例提供的一种球面像差示意图;
图11为本申请实施例提供的一种机器视觉光源均匀性评估方法的流程示意图。
具体实施方式
下面结合附图对本申请的实施例进行描述。
参见图1,图1为本申请实施例提供的一种机器视觉光源均匀性评估装置的应用场景示意图。如图1所示,该应用场景包括:待测光源10和机器视觉光源均匀性评估装置20。
其中,上述机器视觉光源均匀性评估装置20包括:机器视觉成像系统201,匀光片203和与机器视觉相机连接的处理器204,其中机器视觉成像系统201可以由机器视觉相机2011和镜头2012组成。机器视觉相机2011可以是CCD相机或互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)相机,镜头2012可以是定焦镜头、变倍镜头、远心镜头或显微镜头等。匀光片203可以是扩散片、毛玻璃等具有待测光源光线方向性均匀打散效果的物体。匀光片的尺寸大小可以根据需要进行切分,可以是待测光源能够照射的范围,或者是相机能够进行图像采集的范围待。
上述待测光源10,可以是LED待测光源、卤素灯、高频荧光灯等待测光源,其中LED灯是最常用的待测光源,因其可以制作成各种形状、尺寸和颜色,还可以随时调节亮度。
待测光源10用于产生光并投射到上述匀光片203上,匀光片203设置在机器视觉系统所要检测的样品的位置;
机器视觉成像系统201的轴线与匀光片203的夹角呈θ角,使得成像系统能够用于对待测区域进行成像并采集图像;
上述处理器204接收图像,并对图像进行计算分析,获得图像的灰度均匀性,并根据图像的灰度均匀性确定待评估光对应的待测光源的照度均匀性。
待测光源10为机器视觉系统中的光源,其作用包括照亮目标,提高目标亮度或有助于形成最有利于图像处理的成像效果等,因此,待测光源10可以由如图1中所示的一个光源产生,也可以由如图2所示的210和211两个光源产生,还可以由2个以上的光源产生,后续求取的光源均匀性即为多个光源重叠后确定的待测光源的均匀性。
在本申请实施例中,在原有的机器视觉系统中新增了匀光片203,在待测物位置放置一片(与待测物尺寸相同的)匀光片,待测光源将待评估光投射在匀光片上,光线的方向性在匀光片上被破坏掉,从而不管相机在哪个方向或者位置对匀光片成像,都可以得到待测表面位置准确的待测光源相对照度信息,从而准确判断出待测光源的均匀性。
本申请实施例中使用匀光片的目的是将匀光片表面变成近似理想的漫反射表面,其漫反射光场分布符合朗伯定律:I(F)=I0cos(F),请参阅图3,图3为本申请实施例提供的一种匀光片表面漫反射示意图,如图3所示,式中:F为散射光方向与物面法线的夹角,I(F)为F方向单位立体角内的散射光功率,I0为法线方向的I值。在机器视觉系统中,机器视觉相机相对待测表面可认为夹角F近似不变,此时入射光强与散射光强呈一定比例关系(此关系可通过标定来实现),散射光强被成像系统探测到反映在图像的灰度值上,入射光强反映待测光源在待测表面位置的照度分布,故可认为在测量系统中图像的灰度值分布可反映出待测光源在待测表面位置的照度均匀性。
机器视觉成像系统201,能够采集目标范围内的图像,为了采集匀光片的图像,机器视觉成像系统201的轴线与匀光片的夹角203呈θ角。另外,由于匀光片能破坏掉光源光线的方向性,经过匀光片表面散射后的均匀性在各个方向上都能反映出光源照度的变化,因此成像系统与匀光片的角度可以任意变化。
请参阅图4,图4为本申请实施例提供的一种成像系统的轴线与匀光片的夹角变化方法,如图4所示,成像系统的轴线可以与匀光片垂直,即θ1度角为90°,也可以与匀光片呈θ2度角,可选的,θ角以锐角标记,即θ的取值范围为大于0°且小于90°,也可以等于90°。
另外,机器视觉成像系统的图像采集区域由待测光源投射到匀光片上的区域确定,那么匀光片与待测光源也呈夹角δ,使得待测光源投射到匀光片上的区域能够满足图像采集要求。请参阅图5,图5为本申请实施例提供的一种光源的中心线与匀光片的夹角变化方法,如图5所示,光源的中心线与匀光片的夹角也可以进行变化,待测光源212的中心线与匀光片的夹角为δ1,待测光源213的中心线与匀光片的夹角为δ2。
成像系统采集了匀光片的图像后,对图像进行处理,由于前述内容以提及图像的灰度值分布可以反映出光源在待测表面位置的照度均匀性,那么可以先获取图像的灰度值,然后采用灰度值进行计算,确定图片的灰度均匀性,进而确定待测光源的均匀性。
可选的,在对图像进行计算分析,获得图像的灰度均匀性方面,处理器用于:将图像分割成N*N等面积分布的N个区域,并确定每个区域的灰度值,其中N为大于1的整数;获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据选择灰度值确定图像的灰度均匀性。
具体地,图像的灰度均匀性可以通过图像的灰度值分布来确定,图像的灰度值分布即为图像其他区域的灰度值与图像中间区域的灰度值之间的比值,因此,可以将图像进行N*N的分割,然后间隔地、均匀地获取多个区域的灰度值,并根据获取到的灰度值计算得出平均灰度值,再计算平均灰度值与中间区域灰度值的差值,最后根据差值与中间区域灰度值的比值,确定图片灰度均匀性。其中,当N为偶数时,中间区域灰度值由图像中心点周围的4个区域的平均值确定,当N为基数是,中心区域灰度值由图像中心的所在的区域的灰度值确定。
可选的,N为3,在获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据选择灰度值确定图像的灰度均匀性方面,处理器具体用于:获取分布在图像各个位置的第一区域、第三区域、第五区域、第七区域和第九区域的灰度值E11,E33,E55,E77,E99作为选择灰度值;根据第一公式计算获得图像的灰度均匀性U,第一公式包括:
U1=abs(E11+E33+E77+E99);
U2=abs(U1/4-E55);
U=U2/E55*100%
其中,abs为求绝对值函数,E55为图像的中间区域对应的灰度值。
请参阅图6,图6为本申请实施例提供的一种图像分割示意图,如图6所示,将图像分割为N=3的9个区域,因为N为奇数,所以中间区域直接为中间的第5个区域,那么根据上述第一公式记性计算,即可获得图像的灰度均匀性。
此外,当N为3时,还可以根据公式1.1计算获得图像的灰度均匀性U,
将第五区域也作为选择灰度值,用于计算图像的平均灰度值。
可选的,当N为3时,也可以根据所有区域计算图像的平均灰度值,那么图像的灰度均匀性U可根据公式1.2获取:
选择部分区域计算图像的平均灰度值,可以减少计算量,选择所有区域计算图像的平均灰度值,可以提升计算准确率,根据需要进行选择。
可选的,所述N为4,所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性包括:
获取分布在图像各个位置的第零一区域、第零四区域、第零六区域、第零七区域、第十区域、第十一区域、第十三区域和第十六区域的灰度值E01,E04,E06,E07,E010,E011,E013,E016;
根据第二公式计算获得所述图像的灰度均匀性U,所述第二公式包括:
E0=abs[(E06+E07+E010+E011)/4];
U3=abs[(E01+E04+E06+E07+E010+E011+E013+E016)/8];
U4=abs(U3-E0);
U=U4/E0*100%
其中,abs为求绝对值函数,E0为所述图像的中间区域对应的灰度。
请参阅图7,图7为本申请实施例提供的另一种图像分割示意图,如图7所示,当N=4时,将图像分割成4*4的16个区域,为了确定图像的均匀性,尽量获取均匀分布在图像上的区域的灰度值,因此,获取分布在图像四个角的第零一区域、第零四区域、第十三区域和第十六区域的灰度值E01,E04,E013,E016。因为N=4为偶数,所以图像中间区域的灰度值不能够直接获取,需要根据中间四个区域的灰度值求平均值得到,因此获取第零六区域、第零七区域、第十区域和第十一区域对应的灰度值E06,E07,E010,E011,然后求平均值,即可获得中间区域对应的灰度值E0,再根据第二公式,即可求得图像的灰度均匀性。
可选的,图像的平均灰度值还可以根据四个角的区域平均灰度值确定,即第二公式中的U3=abs[(E01+E04+E013+E016)/4],其余参数不变,以同样公式确定图像的灰度均匀性U。
可选的,对图像进行计算分析,获得图像的灰度均匀性包括:获得图像的总像素M;确定第j个像素的灰度值Lj,其中j为大于0且小于或等于M的整数;根据第三公式计算获得图像的灰度均匀性U,第三公式包括:
其中为图像的平均灰度值,ΔL为图像像素亮度均方差。
具体地,像素是指在由一个数字序列表示的图像中的一个最小单位,请参阅图8,图8为本申请实施例提供的一种图像像素示意图,如图8所示,每一个小方格表示一个像素,当分辨率不同时,一张固定大小的图片由不同个数的像素组成。例如图8中的像素总数为M,每一个像素具有其对应的灰度值,第j个像素的灰度值为Lj,根据上述第二公式即可求得图像的灰度均匀性。
请参阅图9,图9为本申请实施例提供的一种图像的灰度均匀性分析方法,如图9所示,平面的X轴和Y轴表示像素,垂直的Z轴表示灰度值,根据每一个像素的灰度值获得该模拟图像,即可从视觉上直观感受到图像的灰度均匀性。结合第二公式计算获得的图像数值,即可从量化数值方面确定图像的灰度均匀性。
具体地,在理想状态下,图像的灰度均匀性可以完全体现待测光源的照度均匀性,但现实中因为镜头存在像差,往往达不到理想状态。引起像差的根本原因在于构成相机镜头的光学镜片是由球面的一部分制造出来的。请参阅图10,图10为本申请实施例提供的一种球面像差示意图,如图10所示,随着入射位置的差异,通过镜头中心处的光线和通过边缘处的光线,由于光线前后偏移而聚焦成焦点,但是镜头不同位置的焦点并不完全重合,因此就会将影像拍模糊。从边缘处所射入的光线会形成光斑,而出现光的扩散。
因此,图像的灰度均匀性和待测光源的照度均匀性也存在一定的误差,可以根据历史数据对图像与实物进行标定,进而根据图像的灰度均匀性,确定待测光源的照度均匀性。
可选的,机器视觉成像系统包括镜头,在对匀光片进行成像并采集图像之前,处理器还用于:确定所述镜头与所述匀光片的距离,所述距离处于所述机器视觉成像系统的景深范围内。
计算机器视觉成像系统的景深范围的公式为:
其中2a为入瞳直径,p为拍摄距离,ε为弥散斑大小或人眼极限分辨角。将镜头与匀光片的距离设置在景深范围内,可以确保成像的清晰度。
在另一种具体的应用场景中,上述匀光片203还可以应用于其他领域光源照明的均匀性评估,譬如生物医疗领域中需要均匀照明的领域,如胶体金检测照明,尿液分析照明,荧光激发等;日常生活或者工业照明领域,如家居照明,工厂照明,仪器设备内照明等;工业应用领域,如车灯照明,激光器照明等。
可以看出,在本申请实施例的方案中,首先通过匀光片确定待测区域,并对待测区域进行成像并采集图像;然后对图像进行计算分析,获得图像的灰度均匀性,最后根据图像的灰度均匀性确定待评估光对应的待测光源的照度均匀性。本申请实施例具有以下优点:1、应用机器视觉系统自带的机器视觉成像系统结合新加入的匀光片对光源均匀性进行检测,不需增大系统空间,即可实现光源均匀性的测量,且可以进行实时在线的测试。2、现有技术使用亮度计或者积分球来进行逐点测量,每次只能采集到一个小区域的光强,测量效率非常低下,本申请实施例通过将待测光源投射到目标区域,并通过对目标区域的图像采集和处理,获得该图像的灰度均匀性,即可获得整体光源的照度均匀性,极大地提升了测量效率。
总之,采用本申请实施例能够在不增大系统空间的情况下,对待测光源均匀性进行测量,同时通过图像采集和图像处理,确定图像采集区域对应的待测光源均匀性,提升了效率。
参见图11,图11为本申请实施例提供的一种机器视觉光源均匀性评估方法的流程示意图。该机器视觉光源均匀性评估方法应用于机器视觉光源均匀性评估装置,所述机器视觉光源均匀性评估装置机器视觉成像系统、匀光片以及与所述机器视觉成像系统相连接的处理器,如图11所示,该方法包括:
S301、将所述匀光片设置在机器视觉系统所要检测的样品的位置,所述匀光片被待测光源产生的光投射;
S302、所述机器视觉成像系统对所述匀光片进行成像并采集图像,所述机器视觉成像系统的轴线与所述匀光片的夹角呈θ角,其中,0°<θ≤90°;
S303、所述处理器接收所述图像,并对所述图像进行计算分析,获得图像的灰度均匀性,并根据所述图像的灰度均匀性确定所述待评估光对应的待测光源的照度均匀性。
在一种可能的实施例中,所述对所述图像进行计算分析,获得图像的灰度均匀性包括:
将所述图像分割成N*N等面积分布的N个区域,并确定每个区域的灰度值,其中N为大于1的整数;
获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性。
在一种可能的实施例中,所述N为3,在所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性方面,所述处理器具体用于:
获取分布在图像各个位置的第一区域、第三区域、第五区域、第七区域和第九区域的灰度值E11,E33,E55,E77,E99作为选择灰度值;
根据第一公式计算获得所述图像的灰度均匀性U,所述第一公式包括:
U1=abs(E11+E33+E77+E99);
U2=abs(U1/4-E55);
U=U2/E55*100%
其中,abs为求绝对值函数,E55为所述图像的中间区域对应的灰度值。
在一种可能的实施例中,所述N为4,所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性,包括:
获取分布在图像各个位置的第零一区域、第零四区域、第零六区域、第零七区域、第十区域、第十一区域、第十三区域和第十六区域的灰度值E01,E04,E06,E07,E010,E011,E013,E016;
根据第二公式计算获得所述图像的灰度均匀性U,所述第二公式包括:
E0=abs[(E06+E07+E010+E011)/4];
U3=abs[(E01+E04+E06+E07+E010+E011+E013+E016)/8];
U4=abs(U3-E0);
U=U4/E0*100%
在一种可能的实施例中,所述对所述图像进行计算分析,获得图像的灰度均匀性包括:
获得所述图像的像素总数M;
确定第j个像素的灰度值Lj,其中j为大于0且小于或等于M的整数;
根据第三公式计算获得所述图像的灰度均匀性U,所述第三公式包括:
其中为图像的平均灰度值,ΔL为图像像素亮度均方差。
在此需要说明的是,上述步骤S301-S303的具体描述可参见上述图1-图6所示实施例的相关描述,在此不再叙述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的任何一种避障方法的部分或全部步骤。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上上述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种机器视觉光源均匀性评估装置,其特征在于,包括:
机器视觉成像系统、匀光片以及与所述机器视觉成像系统相连接的处理器;
所述匀光片用于设置在机器视觉系统所要检测的样品的位置,并被待测光源产生的光投射;
所述机器视觉成像系统的轴线与所述匀光片的夹角呈θ角,使得所述机器视觉成像系统能够用于对所述匀光片进行成像并采集图像,其中,0°<θ≤90°;
所述处理器用于接收所述图像,并对所述图像进行计算分析,获得所述图像的灰度均匀性,并根据所述图像的灰度均匀性确定所述待测光源的照度均匀性。
2.根据权利要求1所述的装置,其特征在于,在所述对所述图像进行计算分析,获得图像的灰度均匀性方面,所述处理器具体用于:
将所述图像分割成N*N等面积分布的N个区域,并确定每个区域的灰度值,其中N为大于1的整数;
获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性。
3.根据权利要求2所述的装置,其特征在于,所述N为3,在所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性方面,所述处理器具体用于:
获取分布在图像各个位置的第一区域、第三区域、第五区域、第七区域和第九区域的灰度值E11,E33,E55,E77,E99作为选择灰度值;
根据第一公式计算获得所述图像的灰度均匀性U,所述第一公式包括:
U1=abs(E11+E33+E77+E99);
U2=abs(U1/4-E55);
U=U2/E55*100%
其中,abs为求绝对值函数,E55为所述图像的中间区域对应的灰度值。
4.根据权利要求2所述的装置,其特征在于,所述N为4,在所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性方面,所述处理器具体用于:
获取分布在图像各个位置的第零一区域、第零四区域、第零六区域、第零七区域、第十区域、第十一区域、第十三区域和第十六区域的灰度值E01,E04,E06,E07,E010,E011,E013,E016;
根据第二公式计算获得所述图像的灰度均匀性U,所述第二公式包括:
E0=abs[(E06+E07+E010+E011)/4];
U3=abs[(E01+E04+E06+E07+E010+E011+E013+E016)/8];
U4=abs(U3-E0);
U=U4/E0*100%
其中,abs为求绝对值函数,E0为所述图像的中间区域对应的灰度。
5.根据权利要求1所述的装置,其特征在于,在所述对所述图像进行计算分析,获得图像的灰度均匀性方面,所述处理器具体用于:
获得所述图像的像素总数M;
确定第j个像素的灰度值Lj,其中j为大于0且小于或等于M的整数;
根据第三公式计算获得所述图像的灰度均匀性U,所述第三公式包括:
其中为图像的平均灰度值,ΔL为图像像素亮度均方差。
6.根据权利要求3-5任一项所述的装置,其特征在于,所述机器视觉成像系统包括镜头,在所述对所述匀光片进行成像并采集图像之前,所述处理器还用于:
确定所述镜头与所述匀光片的距离,所述距离处于所述机器视觉成像系统的景深范围内。
7.一种机器视觉光源均匀性评估方法,应用于机器视觉光源均匀性评估装置,其特征在于,所述机器视觉光源均匀性评估装置机器视觉成像系统、匀光片以及与所述机器视觉成像系统相连接的处理器,所述方法包括:
将所述匀光片设置在机器视觉系统所要检测的样品的位置,所述匀光片被待测光源产生的光投射;
所述机器视觉成像系统对所述匀光片进行成像并采集图像,所述机器视觉成像系统的轴线与所述匀光片的夹角呈θ角,其中,0°<θ≤90°;
所述处理器接收所述图像,并对所述图像进行计算分析,获得图像的灰度均匀性,并根据所述图像的灰度均匀性确定所述待测光源的照度均匀性。
8.根据权利要求7所述的方法,其特征在于,所述对所述图像进行计算分析,获得图像的灰度均匀性,包括:
将所述图像分割成N*N等面积分布的N个区域,并确定每个区域的灰度值,其中N为大于1的整数;
获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性。
9.根据权利要求8所述的方法,其特征在于,所述N为3,所述获取分布在图像各个位置的多个区域的灰度值作为选择灰度值,并根据所述选择灰度值确定所述图像的灰度均匀性,包括:
获取分布在图像各个位置的第一区域、第三区域、第五区域、第七区域和第九区域的灰度值E11,E33,E55,E77,E99作为选择灰度值;
根据第一公式计算获得所述图像的灰度均匀性U,所述第一公式包括:
U1=abs(E11+E33+E77+E99);
U2=abs(U1/4-E55);
U=U2/E55*100%
其中,abs为求绝对值函数,E55为所述图像的中间区域对应的灰度值。
10.根据权利要求7所述的方法,其特征在于,所述对所述图像进行计算分析,获得图像的灰度均匀性,包括:
获得所述图像的像素总数M;
确定第j个像素的灰度值Lj,其中j为大于0且小于或等于M的整数;
根据第三公式计算获得所述图像的灰度均匀性U,所述第三公式包括:
其中为图像的平均灰度值,ΔL为图像像素亮度均方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525403.2A CN109767425B (zh) | 2018-12-13 | 2018-12-13 | 机器视觉光源均匀性评估装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525403.2A CN109767425B (zh) | 2018-12-13 | 2018-12-13 | 机器视觉光源均匀性评估装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109767425A true CN109767425A (zh) | 2019-05-17 |
CN109767425B CN109767425B (zh) | 2021-09-14 |
Family
ID=66451812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811525403.2A Active CN109767425B (zh) | 2018-12-13 | 2018-12-13 | 机器视觉光源均匀性评估装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767425B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992465A (zh) * | 2019-12-05 | 2020-04-10 | 深圳科瑞技术股份有限公司 | 光源均匀度处理方法、装置及系统 |
CN113916370A (zh) * | 2021-11-10 | 2022-01-11 | 西北核技术研究所 | 金属丝电爆炸等离子体光辐射均匀性检测系统及检测方法 |
CN115790384A (zh) * | 2023-02-13 | 2023-03-14 | 钛玛科(北京)工业科技有限公司 | 一种基于凹版涂布的打光成像方法及装置 |
CN116609332A (zh) * | 2023-07-20 | 2023-08-18 | 佳木斯大学 | 新型组织胚胎病理切片全景扫描系统 |
CN117560576A (zh) * | 2023-11-13 | 2024-02-13 | 四川新视创伟超高清科技有限公司 | 一种焦平面区域的曝光方法及曝光系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630332A (zh) * | 2013-11-15 | 2014-03-12 | 南京中电熊猫照明有限公司 | 背光源亮度均匀性测量装置及测量方法 |
CN104596740A (zh) * | 2013-10-30 | 2015-05-06 | 鸿富锦精密工业(深圳)有限公司 | 光源稳定性测试系统及方法 |
CN104655403A (zh) * | 2014-01-29 | 2015-05-27 | 广西科技大学 | 一种点阵光源发光均匀性测试方法 |
US20150187060A1 (en) * | 2010-05-11 | 2015-07-02 | Sumco Corporation | Wafer defect inspection apparatus and method for inspecting a wafer defect |
CN105181302A (zh) * | 2015-10-12 | 2015-12-23 | 国网天津市电力公司 | 线性光源生产过程中led光亮度一致性的检测装置 |
CN107945152A (zh) * | 2017-10-27 | 2018-04-20 | 深圳市创科自动化控制技术有限公司 | 工业相机的缺陷检测控制系统及方法 |
-
2018
- 2018-12-13 CN CN201811525403.2A patent/CN109767425B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150187060A1 (en) * | 2010-05-11 | 2015-07-02 | Sumco Corporation | Wafer defect inspection apparatus and method for inspecting a wafer defect |
CN104596740A (zh) * | 2013-10-30 | 2015-05-06 | 鸿富锦精密工业(深圳)有限公司 | 光源稳定性测试系统及方法 |
CN103630332A (zh) * | 2013-11-15 | 2014-03-12 | 南京中电熊猫照明有限公司 | 背光源亮度均匀性测量装置及测量方法 |
CN104655403A (zh) * | 2014-01-29 | 2015-05-27 | 广西科技大学 | 一种点阵光源发光均匀性测试方法 |
CN105181302A (zh) * | 2015-10-12 | 2015-12-23 | 国网天津市电力公司 | 线性光源生产过程中led光亮度一致性的检测装置 |
CN107945152A (zh) * | 2017-10-27 | 2018-04-20 | 深圳市创科自动化控制技术有限公司 | 工业相机的缺陷检测控制系统及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992465A (zh) * | 2019-12-05 | 2020-04-10 | 深圳科瑞技术股份有限公司 | 光源均匀度处理方法、装置及系统 |
CN113916370A (zh) * | 2021-11-10 | 2022-01-11 | 西北核技术研究所 | 金属丝电爆炸等离子体光辐射均匀性检测系统及检测方法 |
CN113916370B (zh) * | 2021-11-10 | 2023-09-01 | 西北核技术研究所 | 金属丝电爆炸等离子体光辐射均匀性检测系统及检测方法 |
CN115790384A (zh) * | 2023-02-13 | 2023-03-14 | 钛玛科(北京)工业科技有限公司 | 一种基于凹版涂布的打光成像方法及装置 |
CN116609332A (zh) * | 2023-07-20 | 2023-08-18 | 佳木斯大学 | 新型组织胚胎病理切片全景扫描系统 |
CN116609332B (zh) * | 2023-07-20 | 2023-10-13 | 佳木斯大学 | 新型组织胚胎病理切片全景扫描系统 |
CN117560576A (zh) * | 2023-11-13 | 2024-02-13 | 四川新视创伟超高清科技有限公司 | 一种焦平面区域的曝光方法及曝光系统 |
CN117560576B (zh) * | 2023-11-13 | 2024-05-07 | 四川新视创伟超高清科技有限公司 | 一种焦平面区域的曝光方法及曝光系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109767425B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767425A (zh) | 机器视觉光源均匀性评估装置及方法 | |
CN102353519B (zh) | 三代微光像增强器分辨力评价方法 | |
Bolte et al. | A guided tour into subcellular colocalization analysis in light microscopy | |
CN101680848B (zh) | 检查装置和检查方法 | |
US7649628B2 (en) | Optical inspection of test surfaces | |
AU2007297473B2 (en) | Focal plane tracking for optical microtomography | |
JP6649379B2 (ja) | 生物学的粒子の位置の決定を含む分析方法 | |
TW201100779A (en) | System and method for inspecting a wafer (3) | |
JP2009258746A (ja) | 撮像システムおよび逆空間光学設計を用いる方法 | |
JP6605716B2 (ja) | 病理学的明視野画像における自動染色検出 | |
US9297990B2 (en) | Confocal microscope | |
US10169876B2 (en) | Systems, processes, methods and machines for transforming image data into sizing and volume measurements for tissue | |
CN113724256B (zh) | 一种内窥镜的照明镜体光效测试系统 | |
JP2020514704A (ja) | レンズレス撮像によるサンプル内の粒子の計数方法 | |
CN110207609A (zh) | 基于多种光谱的主动光的三维成像方法、装置及存储介质 | |
JP2009085691A (ja) | 検査装置 | |
JPWO2008059934A1 (ja) | 凝集判定方法 | |
CN108291870A (zh) | 用于确定样本介质的波长相关折射率的光显微镜和方法 | |
CN109632269A (zh) | 基于图像灰度信息检测光学衍射元件性能的方法 | |
EP4014198B1 (en) | Sample imaging via two-pass light-field reconstruction | |
CN106323877A (zh) | 用于测量焦炭内部组织的装置及其测量方法 | |
US11385158B2 (en) | Optical method for estimating a representative volume of particles present in a sample based on a size of each region of interest | |
US20190114769A1 (en) | Systems, Processes, Methods and Machines for Transforming Image Data Into Sizing and Volume Measurements for Tissue | |
CN218297994U (zh) | 一种成像系统 | |
RU54216U1 (ru) | Устройство для оценки и сравнения характеристик элементов оптических, фото- и телевизионных систем |
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 |