DE4419395C2 - Verfahren und Einrichtung zur Analyse und Verarbeitung von Farbbildern - Google Patents
Verfahren und Einrichtung zur Analyse und Verarbeitung von FarbbildernInfo
- Publication number
- DE4419395C2 DE4419395C2 DE4419395A DE4419395A DE4419395C2 DE 4419395 C2 DE4419395 C2 DE 4419395C2 DE 4419395 A DE4419395 A DE 4419395A DE 4419395 A DE4419395 A DE 4419395A DE 4419395 C2 DE4419395 C2 DE 4419395C2
- Authority
- DE
- Germany
- Prior art keywords
- color
- image
- processing system
- color space
- processing
- 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.)
- Expired - Lifetime
Links
- 238000012545 processing Methods 0.000 title claims description 58
- 238000000034 method Methods 0.000 title claims description 26
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 4
- 230000001427 coherent effect Effects 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 230000000712 assembly Effects 0.000 claims 1
- 238000000429 assembly Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 230000004456 color vision Effects 0.000 description 7
- 239000003086 colorant Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000015173 baked goods and baking mixes Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003851 biochemical process Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003562 morphometric effect Effects 0.000 description 1
- 238000013425 morphometry Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/462—Computing operations in or between colour spaces; Colour management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
Die Erfindung bezieht sich auf das Gebiet der elektronischen
Bildverarbeitung und Objekterkennung und betrifft ein Ver
fahren und eine Einrichtung zur Analyse und Verarbeitung von
Farbbildern. Sie findet in einer Vielzahl von Anwendungsfäl
len Verwendung, wo es darauf ankommt, farbige Objekte ent
sprechend angelernter Farbklassen zu erfassen und entspre
chend ihrer Anzahl, Form und Position auszuwerten und/oder
hinsichtlich ihrer Farbwerte zu analysieren, zu erkennen
und/oder zu vergleichen.
Obwohl beim menschlichen Sehen die Farbwahrnehmung zweifel
los eine grundlegende Bedeutung besitzt und im Bereich der
technischen Bildwiedergabe das Farbfernsehen, die Farbfoto
grafie und der Farbdruck selbstverständlich geworden sind,
dominiert in der industriellen digitalen Bildanalyse immer
noch die Grauwertverarbeitung. Die Ursache liegt sicherlich
darin, das bisher noch keine durchgängigen Systemlösungen
gefunden wurden, die in Bezug auf Universalität, echtzeit
nahe Verarbeitung, ausreichende Farbqualität, vertretbare
Hardwarekosten und Entwicklungsumgebung allen Anforderungen
einer breiten industriellen Anwendung gerecht werden.
Dabei ist die Farbe für viele Problemlösungen und industri
elle Anwendungsmöglichkeiten zum Teil unverzichtbar. In vie
len Fällen kann aber auch die Nutzung von Farbinformationen
eine Erkennungsaufgabe im Vergleich zur Grauwertverarbeitung
so vereinfachen und die Ergebnisse verbessern, daß der Mehr
aufwand gerechtfertigt ist bzw. sogar an anderer Stelle aus
geglichen wird.
Der Begriff Farbe hat nur im Zusammenhang mit einem Wahrneh
mungssystems eine Bedeutung. So ist z. B. das menschliche
Farbsehen ein äußerst komplexer Vorgang. Die Wirkungskette
zwischen Licht und Farbempfindung beginnt im Bereich der
Physik (Emission des Lichtes, Absorption und Reflektion
durch die unterschiedlichen Materialien, Entstehung eines
Zeit- und ortsabhängigen Farbreizes), durchläuft den Bereich
der Physiologie (optische Projektion des Farbreizes und Um
wandlung in eine "interne Kodierung") und endet im Bereich
der Psychologie, in der in Wechselwirkung mit dem Wissen und
der Erfahrung des Menschen erst die eigentliche Farbempfin
dung entsteht.
Bereits Anfang des 19. Jahrhunderts wurde von dem englischen
Arzt und Physiker Thomas Young die Theorie des trichromati
schen Farbsehens entwickelt. Deren Grundgedanke besteht
darin, daß jede Farbempfindung durch eine Mischung von drei
Lichtquellen mit unterschiedlicher aber konstanter Wellen
länge mittels Variation deren Intensität erzeugt werden
kann. Diese Theorie ist die Grundlage der Colorimetrie, bei
der durch Analyse des Farbreizes die resultierende Farbemp
findung vorausgesagt und quantitativ beschrieben werden
soll. In der Videotechnik, wo jeder Farbreiz durch eine Mi
schung aus rotem, grünen und blauen Licht erzeugt wird, fin
det dieser Ansatz unmittelbare Anwendung. Erst viel später
(1964) ist diese Arbeitshypothese durch Entschlüsselung des
biochemischen Prozesses im menschlichen Auge bestätigt wor
den. Demnach besteht die erste Stufe der Farbwahrnehmung
darin, daß durch das sichtbare Licht drei Arten von Photore
zeptoren der Retina (sogenannte Zapfen), die in verschiede
nen, sich allerdings überlappenden Spektralbereichen emp
findlich sind, unterschiedlich stark gereizt werden. Damit
wurde bestätigt, daß die Vielfalt spektraler Verteilungen
des sichtbaren Lichtes nicht in vollem Umfang wahrnehmbar
ist und das Farbsehen grundsätzlich auf ein dreidimensiona
les Problem zurückgeführt werden kann.
Ausgangspunkt aller Farbsysteme sind die sogenannten Tristi
muluswerte, die sich aus der Aufnahme eines Farbreizes mit
tels dreier Sensoren, die unterschiedliche spektrale Emp
findlichkeitskurven besitzen, ergeben. Sie werden allgemein
mit R, G und B (für Rot, Grün und Blau) bezeichnet. Die mei
sten Farbsysteme sind nun darauf ausgerichtet, diese Werte
in einen anderen dreidimensionalen Raum zu transformieren,
der die explizite Trennung einer zweidimensional beschriebe
nen Buntheit (im CIE-System die Normfarbwertanteile) der
Farbe von ihrer eindimensional beschriebenen Helligkeit er
möglicht. In der Buntheitsebene ist stets ein Punkt als Un
buntpunkt ausgezeichnet. In diesem Punkt bilden sich Farben
mit energiegleichen Spektren bzw. mit identischen Tristimu
luswerten (R = G = B), d. h. die unbunten Farben, ab. Die Entfer
nung einer Farbe von diesem Punkt kennzeichnet ihre Sätti
gung (spektraler Farbanteil, saturation), die Richtung vom
Unbuntpunkt zum Abbildungspunkt einer mehr oder weniger bun
ten Farbe definiert ihre Buntart (Buntton, hue). Die Hellig
keit ergibt sich in fast allen Systemen aus einer linearen
Verknüpfung der RGB-Werte, wobei in verschiedenen Systemen
diese unterschiedlich gewichtet werden. Die entscheidenden
Unterschiede treten in der Beschreibung der Buntheit auf. In
einigen Systemen wird die zweidimensionale Buntheit mit
karthesischen Koordinaten beschrieben, wobei wie im CIExyz-
System der Unbuntpunkt nicht im Koordinatenursprung liegen
muß. Entsprechend der Unterscheidung von Sättigung und Bunt
art verwenden andere Systeme Polarkoordinaten.
In beiden Fällen muß deutlich unterschieden werden, ob der
Maßstab der Buntheitsebene auf die Helligkeit normiert ist
oder nicht, d. h. ob es sich um eine absolute oder eine rela
tive Angabe der Sättigung handelt. Letztendlich ist in der
Farbbildverarbeitung die Bezugnahme auf die absolute Sätti
gung unerläßlich, da im Falle eines kleinen absoluten Ab
standes des Abbildungspunktes einer Farbe in der Buntheits
ebene vom Unbuntpunkt kleine Änderungen der RGB-Werte zu
großen, sprunghaften Änderungen der Buntart führen und diese
demzufolge nicht oder nur mit Vorsicht auswertbar ist. Ande
rerseits ist aber auch eine relative Sättigungsangabe erfor
derlich, wenn zwei bunte Farben, die sich im Fall gleicher
Beleuchtung nur in ihrer absoluten Sättigung und nicht in
ihrer Buntart unterscheiden auch bei Veränderung der Hellig
keit wiedererkannt und unterschieden werden sollen. Da ein
Farbeindruck sich immer aus Buntheit und Helligkeit zusam
mensetzt, folgt natürlich auch, daß Objekte, deren Farben
sich nur in der Helligkeit unterscheiden, bei wechselnder
Helligkeit der Beleuchtung nicht anhand ihrer Farbe wieder
erkannt bzw. voneinander getrennt werden können.
Bekannt sind exakte farbmetrische Messungen und Qualitäts
kontrollen, die nur unter genau definierten Beleuchtungs-
und Betrachtungsbedingungen möglich sind. Mit vertretbarem
Aufwand können solcher Art Farbanalysen derzeit mittels
Spektralphotometern nur für kleine, punktförmige Meßflächen
realisiert werden. In vielen Fällen, die mit einer bildhaf
ten Farbaufnahme und -auswertung verbunden sind, ist eine
solche Genauigkeit jedoch nicht erforderlich. Es geht nicht
um farbmetrische Messungen an Objekten, sondern Farbe wird
als ein weiteres Merkmal neben Größe, Form und Oberflächen
textur zur Detektion und Bewertung von Objekten benutzt, wo
bei mitunter relativ grobe Unterscheidungen ausreichend
sind.
Auf dem Gebiet der digitalen Bildverarbeitung sind bereits
aus den deutschen Patentanmeldungen DE-OS 43 10 727, DE-OS
43 09 877, DE-OS 43 09 879, DE-OS 43 35 215 Verfahren und Einrich
tungen bekannt, die der Vorlagen-Analyse einer zu reprodu
zierenden farbigen Bildvorlage dienen und das bisher bekann
te Wissen auf dem Gebiet der Analysen von Bildvorlagen sinn
voll zusammenfassen. Diese Lösungen gehen ebenfalls von der
punkt- und zeilenweisen, trichromatischen Abtastung eines
Farbbildes aus. Die Bildwerte (R, G, B) eines Eingabegerätes,
die einen ersten Farbraum bilden, werden in funktionsmäßig
zugehörige Bildwerte (L*, a*, b*) eines zweiten Farbraumes
transformiert. An Hand dieses zweiten Farbraumes werden be
reits alle notwendigen Farbanalyse- und Bildbearbeitungs-
Funktionen für die exakte Erstellung einer Reproduktions-
Vorlage realisiert. Eine effektive Muster- und Objekterken
nung, wie sie bei vielen industriellen, sicherheitstechni
schen und militärischen Aufgaben gefordert wird, ist mit den
bekannten Verfahren bei einem vertretbaren Aufwand nicht zu
realisieren.
Grundlage der meisten Verfahren zur Objekt- und Mustererken
nung bildet die Grauwertverarbeitung, d. h. die Detektion von
Grauwertsprüngen (Grauwertkanten) in einem Bild. Daraus er
geben sich linienhafte Informationen, die die Kontursegmente
der verschiedensten Objekte erfassen, aus denen unter Einbe
ziehung geeigneter Modelle die gesuchten Objekte abgeleitet
werden. Der flächenhafte Zusammenhang der Objekte kann auf
diesem Weg i. a. nur nachträglich und modellgestützt abgelei
tet werden. Das kann sich bei geringen Helligkeitsunter
schieden zwischen Objekt und Umgebung und anderen Störungen
(z. B. Verdeckungen, Schattenbildungen, Reflexionen) als sehr
schwierig erweisen, da die Kantensegmente nur lückenhaft
oder stark gestört vorliegen. Die unmittelbare Ableitung
flächenhafter Informationen auf der Basis von Grauwert
schwellen oder Texturmerkmalen, ist deshalb in vielen Fällen
nicht praktikabel. Da bekannt ist, daß sich bunte Objekte
bzw. Markierungen besser vom Untergrund bzw. der Umgebung
unterscheiden, bietet sich die Hinzunahme der Farbinformati
on in die Bildverarbeitung geradezu an. Die einfache summa
rische Verbindung der bekannten Verfahren zur Farbbildanaly
se und zur Muster- bzw. Objekterkennung ist zwar theoretisch
möglich, jedoch zu aufwendig und unökonomisch.
Aus der deutschen Patentschrift DE-PS 41 41 880 ist ein Ver
fahren und eine Vorrichtung zur automatischen Erkennung von
farbigen und/oder auch schwarz/weißen Objekten bekannt, wel
che unregelmäßig oder unzusammenhängend geformt sein können,
wie beispielsweise Zellcluster. Die von einer Videokamera
gelieferten Bildpunktsignale werden mit einem Fensterkompa
rator, bei Farbsignalen mit drei Fensterkomparatoren, mit
oberen und unteren Schwellenwerten verglichen. Es wird für
einzelne Bereiche eines über das Gesamtbild gelegten Rasters
die Zahl der zwischen den Schwellenwerten liegenden Bild
punktsignale bestimmt, und die so ermittelten Zahlen werden
in einer Speichermatrix gespeichert, bei der jedes Element
einem Bereich des über das Ausgangsbild gelegten Rasters
entspricht. Das so im Informationsgehalt reduzierte Bild
wird anschließend mit einer Maske abgetastet, um zu bestim
men, welche Elemente der Speichermatrix einen vorgegebenen
Wert überschreiten und um welchen Abstand sie von anderen
Matrixelementen mit einem ebenfalls über dem Schwellenwert
liegenden Inhalt getrennt sind.
Dieses bekannte Verfahren der Objekterkennung beruht auf ei
nem Bildvergleich und ist speziell im medizinisch biologi
schen Bereich einsetzbar, wo es darum geht unregelmäßige
und/oder auch unzusammenhängend geformte Zellstrukturen zu
Erkennen und/oder diese Zellcluster zu zählen. Zur besseren
Erkennung werden die Zellstrukturen in bestimmter Weise ein
gefärbt und diese Farbinformation zusätzlich in die Auswer
tung mit einbezogen. Dazu ist es notwendig, die allgemein im
Stand der Technik bekannte Farbtransformation aus dem RGB-
Raum in den HSI-Raum (H = Hue = Farbton, Buntart; S = Sa
turation = Sättigung; I = Intensity = Intensität, Hellig
keit) durchzuführen.
Insgesamt wird auch in dieser Erfindung lediglich die Grau
wertskala durch eine Farbskala erweitert, ohne das die Farbe,
wie bei der menschlichen Farbwahrnehmung, integrativ in den
komplexen Erkennungsprozeß einbezogen wird.
In der Erfindungsbeschreibung DE 39 06 215 A1 werden Pflänz
linge automatisch klassifiziert. Mit Hilfe eines optischen
Meßkopfes, bestehend aus zwei Farbkameras in Stereoanordnung
und eines programmierbaren Lichtmuster-Projektors werden die
Pflänzlinge erfaßt, die Bilder digitalisiert und mit Hilfe
eines Bildverarbeitungsrechners ausgewertet. Die Bildwerte
werden in den HSI-Raum umgesetzt und anschließend, also
vollständig im HSI-Raum, erfolgt eine Tabellenklassifikati
on für zusammenhängende Labelgebiete.
Die weitere Verarbeitung, die in dieser Erfindung zur Klassi
fizierung der geometrischen Form dient, ist umständlich und
erfolgt durch eine signifikante Clusterbildung.
In der US 4 991 223, findet eine Umsetzung von einem ersten
in einen zweiten Farbraum sowie die Trennung von Buntheit und
Helligkeit im analogen Bereich statt. Diese Erfindung hat
ebenfalls den Nachteil, daß auch hier anschließend die Struk
turanalyse über die Kantenerkennung erfolgt.
Schließlich wird in dem Aufsatz von P. Böttger und R. Massen
"Form und Farbe: Farbbildverarbeitung für die industrielle
Überwachung" in: H. Ernst "Maschinelles Sehen", Europa-
Fachpresse-Verlag GmbH, München (1990), Seiten 121-125, eine
Kantenerkennung verbunden mit einer Vektorisierung durchge
führt. Eine Echtzeitverarbeitung bei gleichzeitiger metrisch
topologischer Beschreibung ist nach diesem Verfahren nicht
möglich.
Es ist daher Aufgabe der Erfindung, ein Verfahren zur Analyse
und Verarbeitung von Farbbildern und eine Einrichtung zur
Durchführung des Verfahrens zu schaffen, in denen bewährte
Elemente bekannter Verfahren und Einrichtungen zur Farbbilda
nalyse und zur Muster- und Objekterkennung mit neuen Elemen
ten verbunden werden, so daß ein komplexes und in Echtzeit
arbeitendes Farbbild-, Erkennungs- und - Verarbeitungssystem
entsteht, welches einfacher, ausreichend genau, schneller und
zuverlässiger arbeitet sowie universell in der Anwendung und
billiger in der Realisierung ist.
Erfindungsgemäß wird die Aufgabe in Bezug auf das Verfahren
mit den in dem 1. Anspruch angegebenen Verfahrensschritten
und in Bezug auf die Einrichtung mit den Merkmalen des 5. An
spruches gelöst, indem die von einem Eingabegerät, welches
eine Videokamera, ein Scanner oder eine CCD-Matrix sein kann,
gewonnenen Bildwerte (R, G, B) eines ersten Farbraumes pixel
weise klassifiziert und gleichzeitig in einen hinsichtlich
Buntart (Hue), Sättigung (Saturation) und Helligkeit
(Intensity) (H, S, I) speziell definierten und von dem ersten
Farbraum unabhängigen zweiten Farbraum transformiert werden.
Die Umsetzung der Farbwerte aus dem ersten in den zweiten
Farbraum erfolgt hardware-mäßig in Videoechtzeit unter Ver
wendung von Look-Up-Table (LUT)-Bauelementen.
In dem zweiten Farbraum wird eine Trennung von Buntheit
(Buntart und Sättigung) und Helligkeit durchgeführt, was die
Erkennung bestimmter Farbklassen auch bei Helligkeitsschwan
kungen erlaubt. Für die später im Verfahren durchzuführende
Muster- und Objekterkennung wird zusätzlich der Vorteil ge
nutzt, daß die Klassifikation der einzelnen Bildpunkte anhand
ihrer Farbe unmittelbar zu einer flächenhaften Segmentierung
des Abbildes führt.
Die Farbwerte, die im ersten Farbraum, parallel zur Umsetzung
in den HSI-Raum, pixelweise klassifiziert wurden, werden in
ein sogenanntes Labelbild (Label = Adresse, Kennzeichnung),
welches nur noch Klassennummern enthält, überführt.
Technisch erfolgt die Farbklassifikation und die Erzeugung
des Labelbildes gleichzeitig und parallel zur Farbtransforma
tion mittels dem selben LTU, der dafür mit einer entsprechend
großen Ausgangswortbreite zur gleichzeitigen Kodierung der
Werte des zweiten Farbraumes und der Label ausgestattet ist.
Die Belegung der Ausgangswerte in Form einer Tabelle wird
durch ein Verarbeitungssystem vorgenommen. Die Zuordnung der
Label, d. h. die Farbklassifikation kann sowohl auf der Basis
einer interaktiven Belehrung anhand von Beispielobjekten als
auch auf der Basis einer automatischen Analyse von Bildern im
zweiten Farbraum durch das Verarbeitungssystem erfolgen.
In dem Labelbild erfolgt dann eine Erkennung der Grenzberei
che zwischen Gebieten mit verschiedenen Label in Videoecht
zeit, indem ein Übergang zu einer objektbezogenen Listenver
arbeitung durch Detektion der Ecken (Erstellung einer Ecken
kodeliste) durchgeführt wird.
Gegenüber der allgemein bekannten Kantenkodierung (auch das
englische Wort "edge" wird mit Kante übersetzt und ist auch
eine solche) bei der nebeneinander liegende Pixel erfaßt wer
den, wird bei der Eckenkodierung die gesamte Umgebung einer
Ecke erfaßt. Bei der Auswertung des Eckenkodes können sofort
zusammenhängende Gebiete pixelgenau metrisch topologisch be
schrieben und weiter verarbeitet werden, so daß eine "echte"
Echtzeitverarbeitung erst durch die vorliegende Erfindung
möglich ist.
Hardware-mäßig erfolgt die Realisierung der Eckenkodeumset
zung kostengünstig und zweckmäßigerweise in einem speziell
dafür entwickelten Eckenkodierer auf der Basis von frei pro
grammierbaren LCA-Bauelementen. Damit ist die das Verfahren
realisierende Schaltung optimal an verschiedene Zwecke anpaß
bar, ohne für weitere Implementierungen erneut Leiterkar
tenentwürfe herstellen zu müssen.
Die entstehende Eckenkodeliste, die das Labelbild eindeutig
beschreibt, aber wesentlich weniger Daten erfordert als das
Labelbild selbst, wird durch das Verarbeitungssystem, das
auf einem Universalprozessor beruht, weiterverarbeitet. Zu
nächst wird eine metrisch-topologische Beschreibung zusam
menhängender Labelgebiete unter Einbeziehung schneller Kon
turapproximationsverfahren abgeleitet. Auf dieser Basis und
unter Einbeziehung der zielgerichteten Auswertung des ge
speicherten und transformierten Farbbildes können komplexe
Objekte und Objektzusammenhänge auf einer symbolischen Ebene
erkannt und analysiert werden.
Eine vorteilhafte Ausgestaltung der Erfindung betrifft die
besondere Arbeitsweise und den Aufbau des Eckenkodierers,
der aus den in einer Rasterbilddarstellung enthaltenen Kon
turecken eine Listendarstellung erzeugt. Die als Liste vor
liegenden Bilddaten werden dann ohne weitere Bildverarbei
tungs-Spezialhardware in einem Verarbeitungssystem ausgewer
tet. Der Eckenkodierer erzeugt die Listendarstellung aus der
Verarbeitung 2- oder mehrlabeliger (z. B. 16-labeliger) Bild
daten.
Eine im Eckenkodierer integrierte Vorverarbeitungsstufe er
möglicht eine Binarisierung von Bilddaten bezüglich program
mierbarer Schwellenwerte und damit auch die Verarbeitung von
Grauwertbildern.
Der Eckenkodierer ist somit für die Verarbeitung von:
- - Binärbildern (2-labelig)
- - Grauwertbildern (nach Binarisierung 2-labelig oder jedem Grauwert ein Label zugeordnet) und
- - Farbbildern (jedem Farbwert oder Farbbereich z. B. über eine LUT ein Label zugeodnet) geeignet.
Die Baugruppe führt die im Rasterbild auszuführenden verar
beitungs- und rechenzeitintensiven Teilfunktionen des Verar
beitungsalgorithmusses in Videoechtzeit aus und erzeugt beim
Auftreten von Ecken im Bild Codes, die in Listenform ausge
geben und durch ein Verarbeitungssystem ausgewertet werden.
Die Erfindung wird im folgenden anhand der Figuren 1 bis 7
näher erläutert.
Es zeigen:
Fig. 1 eine schematische Anordnung zur Realisierung des er
findungsgemäßen Verfahrens
Fig. 2 ein Komunikationsmodell für ein Farbbildverarbei
tungssystem
Fig. 3 ein Prinzipschaltbild des Eckenkodierers
Fig. 4 die Funktionsweise der Eckenkodegenerierung
Fig. 5 ein aufgenommenes Farbbild in Grauwertdarstellung
Fig. 6 das Ergebnis einer pixelweisen Farbklassifikation
entsprechend angelernter Farbklassen
Fig. 7 die Erkennung kreisförmiger Objekte.
Fig. 1 zeigt in einer schematischen Darstellung den prizipi
ellen Aufbau einer Einrichtung zur Analyse und Verarbeitung
von Farbbildern entsprechend des erfindungsgemäßen Verfah
rens und Fig. 2 ein Kommunikationsmodell des Farbbildverar
beitungssystems nach Fig. 1. Die Einrichtung besteht aus ei
nem Eingabegerät 1, einem Farbbildanalysator 2, einem Verar
beitungssystem 3 und einem Steuerrechner 4. Mit dem Eingabe
gerät 1 wird eine zu erkennende Bildszene punkt- und zeilen
weise, trichromatisch abgetastet. Die durch das Eingabegerät
1 gewonnenen Bildwerte (R, G, B) eines ersten Farbraumes 9
werden in Echtzeit über ein A/D-Wandlermodul 5 in eine Farb
transformations- und -klassifikationstabelle 6 eingelesen,
welche die Bildwerte (R, G, B) eines dem Eingabegerät 1 zuge
ordneten ersten Farbraumes 9 in die funktionsmäßig zugeord
neten Bildwerte eines von dem ersten Farbraum 9 unabhängigen
zweiten Farbraumes 10 sowie in Farbklassennummern (Label 11)
umsetzt. Aus dem Labelbild 11 wird anschließend in einem
Eckenkodierer 8 eine Eckenkodeliste 12 erstellt und in den
Speicher des Verarbeitungssystems 3 übertragen. In einem
Bildspeicher 7 werden das klassifizierte Farbbild 10 und das
Labelbild 11 gespeichert. In dem Verarbeitungssystems 3, das
sowohl mit der Farbtransformations- und -klassifikationsta
belle 6, dem Bildspeicher 7 und dem Eckenkodierer 8 verbun
den ist und Informationen aus dem Bildspeicher 7 und dem
Eckenkodierer 8 erhält, erfolgt das eigentliche Erkennen
(Wahrnehmen) der erfaßten Muster oder Objekte. Über einen
Steuerrechner 4 stehen die durch das Verarbeitungssystem 3
erfaßten Ergebnisse zur Ausgabe oder einer anderen Verarbei
tung, wie beispielsweise einer Prozeßsteuerung, zur Verfü
gung. Der Steuerrechner 4 übernimmt außerdem die Bildvisua
lisierung und interaktive Aufgaben.
In dem Verarbeitungssystem 3 wird zunächst wird eine me
trisch-topologische Beschreibung zusammenhängender Labelge
biete 13 (Fig. 2) unter Einbeziehung schneller Kontur
approximationsverfahren aus der Eckenkodeliste 12 abgeleitet
und anschließend unter Einbeziehung einer zielgerichteten
Auswertung des gespeicherten und transformierten Farbbildes
(HSI 10 und Label 11) wird eine komplexe metrisch-topologi
sche und farbliche Objektbeschreibung 14 durchgeführt.
Fig. 3 beschreibt den prinzipiellen Aufbau des Eckenkodie
rers 8, der aus einem Prozessorkern 15, welcher typischer
weise mit einem ASIC (z. B. LCA der Fa. XILINX) realisiert
wird, einem Zeilenspeicher 16 (z. B. mittels FIFO realisiert)
sowie einem (optionalen) Pufferspeicher 17 (ebenfalls mit
tels FIFO realisiert) besteht.
Der Zeilenspeicher 16 dient der Generierung eines 2 . 2 Bild
fensters im Prozessorkern 15, in dem die Eckendetektion er
folgt. Der Pufferspeicher 17 entkoppelt die Datenerzeugung
durch den Prozessorkern 15 von der Datenübernahme durch das
Verarbeitungssystem 3, so daß z. B. eine blockweise Übertra
gung der unregelmäßig anfallenden Listendaten möglich wird.
Die Funktionsweise des Eckenkodierers 8 ist in Fig. 4 darge
stellt. Die zu verarbeitenden Bilddaten werden dem Eckenko
dierer 8 nach Fig. 3 durch ein Eingangsinterface bereitge
stellt. Die temporäre Speicherung der jeweils vorangehenden
Bildzeile erfolgt mit einem Zeilenspeicher (FIFO 1) 16. Aus
den Daten der aktuellen und der vorhergehenden Bildzeile
wird für jeden einlaufenden Bildpunkt die Belegung des ihn
einschließenden 2 . 2-Fensters abgeleitet. Ist in diesem Fen
ster mehr als ein Label vertreten, wird entsprechend Fig. 4
auf das Vorhandensein einer Ecke geprüft. Entsprechend der
Art der Ecke wird ein Code gebildet, der zusammen mit der
Zeilenposition der Ecke und der aktuellen Belegung des Fen
sters (4 Label) ausgegeben wird. Zusätzlich wird an jedem
Zeilenende ein Zeilenendecode generiert. Aus diesen Werten
kann das Verarbeitungssystem 3 (Fig. 1) die vollständige
Kontur und morphometrischen Merkmale der im Bild enthaltenen
Objekte ermitteln. Der generierte Code dient der Beschleuni
gung der Auswertung.
Die erzeugten Ausgangsdaten werden in einem Pufferspeicher
(FIFO 2) 17 (Fig. 3) abgelegt und zum Verarbeitungssystem 3
(Fig. 1) blockweise übertragen. Der Pufferspeicher 17 ermög
licht sowohl eine Entkopplung der Datenströme vom Eckenko
dierer 8 und dem Verarbeitungssystem 3 als auch eine Verar
beitung von Bildern mit stark gestörten Bildteilen, die
kurzzeitig einen Datenanfall erzeugen, der größer ist als
die Datenübernahmerate des Verarbeitungssystems 3.
Die Fig. 5 bis 7 zeigen ein Beispiel für die Klassifika
tion von bunten Objekten nach Farbe, Größe und Form. Fig. 5
gibt das unverarbeitete Originalbild (hier in Grauwertdar
stellung) wieder. Es handelt sich um linsenförmige bunte Ob
jekte, von denen einige zerbrochen sind, auf einem unbunten
Hintergrund.
Fig. 6 zeigt das Ergebnis einer pixelweisen Farbklassifika
tion. Bildpunkte, die einer der angelernten Farbklassen ent
sprechen, sind weiß wiedergegeben, alle anderen schwarz. Das
Ergebnis, d. h. die Erkennung von intakten, kreisförmigen Ob
jekten eines bestimmten Durchmessers, ist in Fig. 7 darge
stellt.
Nach dieser Systematik, bei der von einer Bildsegmentierung
auf Basis von Farbmerkmalen ausgegangen wird, können viele
Probleme der Sortierung und Kontrolle von Objekten nach Far
be, Größe und Form gelöst werden. Das betrifft zum Beispiel
die Sortierung und Verpackung von Obst und Gemüse, die Kon
trolle des Bräunungsgrades von Backwaren, Kontrolle von Ta
blettenpackungen und vieles andere mehr.
In der Robotertechnik kann auf dieser Basis das Erkennen und
Greifen nach unsortierten Teilen in einer Kiste gelöst wer
den, wenn diese geeignete farbige Merkmale besitzen oder
zielgerichtet mit solchen versehen werden.
Auch Überwachungsfunktionen und Bewegungsanalysen können
durch bewußte farbliche Gestaltung bzw. Markierungen verein
facht und nach der Erfindung ausgeführt werden.
Claims (8)
1. Verfahren zur Analyse und Verarbeitung von Farbbildern einer zu erkennenden
Bildszene durch Auswerten der durch eine punkt- und zeilenweise, trichromatische
Abtastung der Bildszene mittels eines Eingabegerätes (1) gewonnenen Bildwerte (R, G, B)
durch ein digital in Echtzeit arbeitendes Bildverarbeitungssystem, wobei die von dem
Eingabegerät (1) gewonnenen Bildwerte (R, G, B) eines ersten Farbraumes (9) in einen
hinsichtlich Buntheit, Sättigung und Helligkeit (H, S, I) speziell definierten und vom
ersten Farbraum (9) unabhängigen zweiten Farbraums (10) pixelweise transformiert und
klassifiziert werden und in dem zweiten Farbraum (10) eine Trennung von Buntheit und
Helligkeit durchgeführt wird, was die Erkennung bestimmter Farbklassen auch bei
Helligkeitsschwankungen erlaubt, dadurch gekennzeichnet, daß
- - die Bildwerte (R, G, B) des ersten Farbraumes (9) gleichzeitig über eine an sich bekannte Farbklassifikations- und -transformationstabelle (6) pixelweise klassifiziert werden und dieses so klassifizierte Labelbild (11), welches nur noch die Klassennummern enthält, überführt und zusammen mit den Bildwerten des zweiten Farbraumes (10) in einem dafür vorgesehenen Bildspeicher (7) gespeichert wird,
- - in dem Labelbild (11) eine Verarbeitung in Videoechtzeit stattfindet, indem ein Übergang zur objektbezogenen Listenverarbeitung durch Detektion der Ecken (Erstellung einer Eckenkodeliste (12)) durchgeführt wird und aus der Eckenkodeliste (12) in einer Verarbeitungseinheit (3) die Ableitung von zusammenhängenden mehrwertigen Labelgebieten (13) erfolgt und schließlich
- - die zusammenhängenden Labelgebiete (13) in der Verarbeitungseinheit (3) metrisch- topologisch analysiert werden als Basis für die Erkennung komplexer Objekte und Objektzusammenhänge auf einer symbolischen Ebene (14), wobei durch den Zugriff auf den Bildspeicher (7) die Auswertung der Farbinformation des zweiten Farbraumes (10) einbezogen wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß
die Belehrung der Farbklassifikations- und -transforma
tionstabelle (6), der klassifi
zierten Farbwerte, interaktiv anhand von Beispielobjek
ten oder automatisch durch Analyse der Bildwerte des
zweiten Farbraumes (10) durch das Verarbeitungssystem
(3) erfolgt.
3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß
die metrisch-topologische Beschreibung des Labelbildes
(14) durch die Einbeziehung
schneller Konturapproximationsverfahren zur Sicherung
einer stark verdichteten Beschreibung des Labelbildes
(14) erfolgt.
4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß
in dem Verarbeitungssystem (3) auf der Basis der Ecken
kodeliste (12) und des in den zweiten Farbraum (10)
transformierten Bildes eine Analyse der gefundenen farbi
gen Objekte oder Muster durch das Verarbeitungssystem
(3) in Videoechtzeit oder angenäherter Videoechtzeit er
folgt.
5. Einrichtung zur Analyse und Verarbeitung von Farbbildern einer zu erkennenden
Bildszene durch Auswerten der durch eine punkt- und zeilenweise, trichromatische
Abtastung der Bildszene mittels eines Eingabegerätes (1) gewonnenen Bildwerte (R, G, B)
durch ein digital in Echtzeit arbeitendes Bildverarbeitungssystem, das aus einem
Eingabegerät (1), einem Farbbildanalysator (2), einem Verarbeitungssystem (3) und
einem Steuerrechner (4) besteht, dadurch gekennzeichnet, daß
in dem Farbbildanalysator (2), bestehend aus einem A/D-Wandlermodul (5), einer
Farbklassifikations- und -transformationseinrichtung (6) und einem Bildspeicher (7),
parallel zum Bildspeicher (7) ein Eckenkodierer zur Erstellung einer Eckenkodeliste (12)
angeordnet ist.
6. Einrichtung nach Anspruch 5, dadurch gekennzeichnet, daß
die Farbklassifikations- und -transformationseinrichtung
(6) im Farbbildanalysator (3) aus Look-Up-Table (LUT)-
Baugruppen besteht.
7. Einrichtung nach Anspruch 5, dadurch gekennzeichnet, daß
der Eckenkodierer (8) aus frei programmierbaren LCA-Bau
elementen und FIFO-Bauelementen besteht.
8. Einrichtung nach Anspruch 5, dadurch gekennzeichnet, daß
das Bildverarbeitungssystem (3) ein kommerziell verfüg
bares Signalprozessorboard ist.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4419395A DE4419395C2 (de) | 1994-05-30 | 1994-05-30 | Verfahren und Einrichtung zur Analyse und Verarbeitung von Farbbildern |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4419395A DE4419395C2 (de) | 1994-05-30 | 1994-05-30 | Verfahren und Einrichtung zur Analyse und Verarbeitung von Farbbildern |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4419395A1 DE4419395A1 (de) | 1995-12-14 |
DE4419395C2 true DE4419395C2 (de) | 2000-09-28 |
Family
ID=6519689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4419395A Expired - Lifetime DE4419395C2 (de) | 1994-05-30 | 1994-05-30 | Verfahren und Einrichtung zur Analyse und Verarbeitung von Farbbildern |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4419395C2 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10258599A1 (de) * | 2002-12-14 | 2004-06-24 | Massen, Robert, Prof. Dr.-Ing. | Optische Erkennung von groben und feinen Objekten und Strukturen mit einfachen 1-Chip Farbkameras |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0858641B1 (de) * | 1995-10-27 | 2002-02-20 | Alfa Laval Agri Ab | Analyse von farbtönen in bildern zur verwendung in der tierzucht |
FI105059B (fi) * | 1996-12-18 | 2000-05-31 | Graafisen Teollisuuuden Tutkim | Järjestelmä ja menetelmä kuvan käsittelemiseksi |
WO2002003335A1 (de) | 2000-07-05 | 2002-01-10 | Towitoko Ag | Photosensitive ccd-kameraanordnung |
ES2204282B1 (es) * | 2002-04-24 | 2005-07-16 | Universidad Publica De Navarra | Elaboracion y uso de patrones para la evaluacion visual de alimentos. |
DE10234085B4 (de) | 2002-07-26 | 2012-10-18 | Koenig & Bauer Aktiengesellschaft | Verfahren zur Analyse von Farbabweichungen von Bildern mit einem Bildsensor |
DE102014106224A1 (de) | 2014-05-05 | 2015-11-05 | Carl Zeiss Microscopy Gmbh | Verfahren zum Segmentieren eines Farbbildes sowie digitales Mikroskop |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3906215A1 (de) * | 1989-02-28 | 1990-08-30 | Robert Prof Dr Ing Massen | Automatische klassifikation von pflaenzlingen |
US4991223A (en) * | 1988-06-30 | 1991-02-05 | American Innovision, Inc. | Apparatus and method for recognizing image features using color elements |
DE4141880C1 (de) * | 1991-12-18 | 1993-03-11 | Hendrik Hoefer | |
DE4309879A1 (de) * | 1992-04-06 | 1993-10-21 | Hell Ag Linotype | Verfahren und Einrichtung zur Analyse des Bildumfangs von Bildvorlagen |
DE4309877A1 (de) * | 1992-04-06 | 1993-10-21 | Hell Ag Linotype | Verfahren und Einrichtung zur Analyse von Farbstichen in Farbvorlagen |
DE4310727A1 (de) * | 1992-04-06 | 1993-10-28 | Hell Ag Linotype | Verfahren und Einrichtung zur Analyse von Bildvorlagen |
DE4335215A1 (de) * | 1992-10-29 | 1994-05-05 | Hell Ag Linotype | Verfahren und Einrichtung zur Farbwert-Bearbeitung |
-
1994
- 1994-05-30 DE DE4419395A patent/DE4419395C2/de not_active Expired - Lifetime
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4991223A (en) * | 1988-06-30 | 1991-02-05 | American Innovision, Inc. | Apparatus and method for recognizing image features using color elements |
DE3906215A1 (de) * | 1989-02-28 | 1990-08-30 | Robert Prof Dr Ing Massen | Automatische klassifikation von pflaenzlingen |
DE4141880C1 (de) * | 1991-12-18 | 1993-03-11 | Hendrik Hoefer | |
DE4309879A1 (de) * | 1992-04-06 | 1993-10-21 | Hell Ag Linotype | Verfahren und Einrichtung zur Analyse des Bildumfangs von Bildvorlagen |
DE4309877A1 (de) * | 1992-04-06 | 1993-10-21 | Hell Ag Linotype | Verfahren und Einrichtung zur Analyse von Farbstichen in Farbvorlagen |
DE4310727A1 (de) * | 1992-04-06 | 1993-10-28 | Hell Ag Linotype | Verfahren und Einrichtung zur Analyse von Bildvorlagen |
DE4335215A1 (de) * | 1992-10-29 | 1994-05-05 | Hell Ag Linotype | Verfahren und Einrichtung zur Farbwert-Bearbeitung |
Non-Patent Citations (1)
Title |
---|
BÖTTCHER, P., MASSEN, R.: "Form und Farbe: Farb- bildverarbeitung für industrielle Überwachung" in:H. ERNST "Maschinelles Sehen" Europa-Fachpresse- Verlag GmbH, München, 1990, S. 121-125 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10258599A1 (de) * | 2002-12-14 | 2004-06-24 | Massen, Robert, Prof. Dr.-Ing. | Optische Erkennung von groben und feinen Objekten und Strukturen mit einfachen 1-Chip Farbkameras |
Also Published As
Publication number | Publication date |
---|---|
DE4419395A1 (de) | 1995-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4202579C2 (de) | System zur Bearbeitung von Dokumenten | |
EP0692089B1 (de) | Produktionsnahe farbkontrolle mit bildgebenden sensoren | |
EP0425595B1 (de) | Verfahren und anordnung zur automatischen optischen klassifikation von pflanzen | |
DE2544703C3 (de) | Verfahren und Schaltungsanordnung zum Erkennen von Farben einer farbigen Fläche | |
EP1625936A2 (de) | Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal | |
DE2740483A1 (de) | Merkmal-detektor | |
EP0474304B1 (de) | Schaltungsanordnung zum Erkennen eines menschlichen Gesichts | |
DE2706655B2 (de) | Verfahren zum Klassifizieren von Gegenstanden entsprechend ihrer Oberflächenleuchtstärke | |
DE69532025T2 (de) | Farbbildverarbeitungsverfahren und -Vorrichtung | |
DE19904997A1 (de) | Automatische Farbausfällung unter Verwendung von Luminanz/Chrominanz-Zwischenraumverarbeitung | |
DE68922923T2 (de) | Mehrfarbiges Dokumentenlesegerät für Faksimile und mehrfarbiges Faksimile. | |
DE102008013789A1 (de) | Vorrichtung, Verfahren und Programm zum Eliminieren von Zeichenstörungen | |
EP0059705A1 (de) | Verfahren und schaltungsanordnung zur partiellen korrektur der zeichnung bei der farbbildreproduktion. | |
DE2853511C2 (de) | Verfahren und Vorrichtung zur Herstellung von Farbauszügen insbesondere für den Textildruck | |
DE4419395C2 (de) | Verfahren und Einrichtung zur Analyse und Verarbeitung von Farbbildern | |
DE102016100134A1 (de) | Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen | |
DE10027737B4 (de) | Digitaler Bildverarbeitungsapparat | |
EP0042981B1 (de) | Verfahren zur Codierung von elektrischen Signalen, die bei der Abtastung eines grafischen Musters mit aus Text und Bildern gemischtem Inhalt gewonnen werden | |
DE3303841A1 (de) | Musterpruefeinrichtung | |
EP0950310A1 (de) | Verfahren zur bestimmung der geometriedaten von abtastvorlagen | |
DE102004062841A1 (de) | Verfahren, Computerprogramm, Computer und Drucksysteme zum Trapping von Bilddaten | |
EP0220467B1 (de) | Verfahren zur einheitlichen symbolischen Beschreibung von Dokumentmustern in einem Automat | |
EP1741060A2 (de) | Verfahren zum vergleich eines bildes mit mindestens einem referenzbild | |
EP1139285B1 (de) | Verfahren und Vorrichtung zur Prüfung bzw. Untersuchung von Gegenständen | |
DE19700352A1 (de) | Verfahren zur Bestimmung der Geometriedaten des relevanten Bildausschnitts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8110 | Request for examination paragraph 44 | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
R071 | Expiry of right | ||
R071 | Expiry of right |