KR20150121208A - 입자 크기 결정을 위한 방법 및 장치 - Google Patents

입자 크기 결정을 위한 방법 및 장치 Download PDF

Info

Publication number
KR20150121208A
KR20150121208A KR1020157026815A KR20157026815A KR20150121208A KR 20150121208 A KR20150121208 A KR 20150121208A KR 1020157026815 A KR1020157026815 A KR 1020157026815A KR 20157026815 A KR20157026815 A KR 20157026815A KR 20150121208 A KR20150121208 A KR 20150121208A
Authority
KR
South Korea
Prior art keywords
image
calibration mark
particle
particle size
determining
Prior art date
Application number
KR1020157026815A
Other languages
English (en)
Other versions
KR102054250B1 (ko
Inventor
네일 엠. 데이
징 동
Original Assignee
네일 엠. 데이
징 동
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 네일 엠. 데이, 징 동 filed Critical 네일 엠. 데이
Publication of KR20150121208A publication Critical patent/KR20150121208A/ko
Application granted granted Critical
Publication of KR102054250B1 publication Critical patent/KR102054250B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
    • G06T5/006—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G06T7/602—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Dispersion Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

입자 크기를 결정하는 컴퓨터-구현 방법 및 이러한 방법을 실행하기 위한 명령을 저장하는 컴퓨터-판독가능 매체가 제공된다. 이러한 방법은 적어도 하나의 입자 및 교정 마크의 이미지를 획득하는 단계로서, 상기 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있는, 단계, 정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하는 단계로서, 동일한 정정 인자가 상기 입자 및 교정 마크 양자에 적용되는, 이미지 정정 단계, 및 상기 정정된 이미지를 사용하여 상기 입자의 크기를 결정하는 입자 크기 결정 단계를 포함한다. 이러한 방법은 원하는 풍미를 생성할 커피 분말의 타겟 크기를 획득하기 위하여 유용할 수도 있다. 커피 분말은 교정 마크가 있고 교정 마크와 함께 이미징된 표면 상에 분무되어, 교정 마크에 대한 정정 인자가 커피 분말의 입자 크기 범위를 결정하기 위하여 사용될 수 있게 할 수도 있다.

Description

입자 크기 결정을 위한 방법 및 장치{METHOD AND APPARATUS FOR PARTICLE SIZE DETERMINATION}
관련 출원에 대한 상호 참조
본 출원은 2014 년 2 월 28 일에 출원된 미국 출원 번호 제 14/194,154 호, 및 2013 년 2 월 28 일에 출원된 미국 가출원 번호 제 61/770,743 호에 대한 우선권을 주장하는데, 이들은 본 출원에 원용되어 통합된다.
본 명세서에서 개시된 진보적 개념은 입자의 크기 분포를 결정하기 위한 방법 및 장치에 관한 것이다.
작은 입자의 크기 분포를 측정하기 위한 다양한 방법들이 존재한다. 이러한 방법은 체(sieves)를 사용하는 것, 침강속도법(sedimentometry), 레이저 회절, 동적 광 산란, 및 현미경의 사용을 포함한다. 체를 사용하는 것은, 입자를 분리하는 것 및 체의 변동하는 메시 크기에 기초하여 그들의 크기 분포를 측정하는 것을 수반한다. 침전 속도계(sediment meter)를 사용하는 측정인 침강 속도법은 입자가 점성 매체를 통과하여 침강하는 속도를 측정하는데, 이러한 속도는 이제 입자 크기에 상관된다. 레이저 회절 및 동적 광 산란법은 입자를 향해 디렉팅되는 레이저 광을 사용한다. 레이저 회절에 대하여 설명하면, 입자 크기 분포는 입자에 의하여 산란되는 광의 회절 패턴에 기초하여 결정된다; 동적 광 산란에 대하여 설명하면, 입자 크기 분포는 용액 내의 입자들에 의하여 산란되는 광의 강도에서의 변화에 기초하여 결정된다. 현미경이 입자 크기를 직접적으로 측정하기 위하여 사용될 수 있다.
위의 방법들에 있는 문제점들은, 이들이 고된 작업이고 시간을 많이 소요하며, 레이저 또는 적합한 현미경, 또는 양자 모두와 같은 전문화된 고가의 장비를 요구한다는 것이다. 각각의 방법도 역시 장비를 정확하게 사용하기 위해서 훈련된 인력을 통상적으로 요구한다. 이러한 요구 사항이 이러한 방법들을 산업적 및 실험용 애플리케이션으로 제한한다. 통상적 환경(예를 들어, 보통 가정에서) 개인에 의하여 더 용이하게 사용될 수 있는, 작은 입자의 크기 분포를 측정하기 위한 방법이 있다면 바람직할 것이다.
일 양태에서, 진보적 개념은 입자 크기를 결정하기 위한 컴퓨터-구현 방법에 적용된다. 이러한 방법은 적어도 하나의 입자 및 교정 마크의 이미지를 획득하는 단계로서, 상기 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있는, 단계, 정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하는 단계로서, 동일한 정정 인자가 상기 입자 및 교정 마크 양자에 적용되는, 이미지 정정 단계, 및 상기 정정된 이미지를 사용하여 상기 입자의 크기를 결정하는 입자 크기 결정 단계를 포함한다.
다른 양태에서, 진보적 개념은 커피 분말에 대해 원하는 입자 크기를 획득하는 컴퓨터-구현 방법에 적용된다. 이러한 방법은, 교정 마크를 가지는 표면에 분산된 커피 분말의 이미지를 획득하는 단계로서, 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있는, 단계, 정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하는 단계로서, 동일한 정정 인자가 상기 커피 분말 및 교정 마크 양자에 적용되는, 이미지 정정 단계, 및 상기 정정된 이미지를 사용하여 상기 커피 분말에 대한 입자의 크기 범위를 결정하는 단계를 수반한다.
또 다른 양태에서, 진보적 개념은 입자 크기를 결정하기 위한 명령을 저장하는 컴퓨터-판독가능 매체에 적용되는데, 상기 명령은 적어도 하나의 입자 및 교정 마크의 이미지를 획득하고 - 상기 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있음 -, 정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하며 - 동일한 정정 인자가 상기 입자 및 교정 마크 양자에 적용됨 -, 그리고 상기 정정된 이미지를 사용하여 상기 입자의 크기를 결정하기 위한 것이다.
또 다른 양태에서, 진보적 개념은, 렌즈를 사용하여 적어도 하나의 입자의 이미지를 획득하는 단계, 상기 이미지 내의 입자의 측정을 획득하는 것, 상기 렌즈와 연관되는 렌즈 왜곡 파라미터 및 원근 왜곡 파라미터를 결정하는 것, 및 상기 렌즈 왜곡 파라미터 및 원근 왜곡 파라미터를 사용하여 상기 입자의 측정을 수정하는 것에 의하여 입자 크기를 결정하는 명령을 저장하는 컴퓨터-구현 방법에 적용된다.
도 1 은 입자 크기를 결정하기 위한 장치의 일 실시예이다.
도 2 는 본 개시물의 방법과 함께 사용될 수도 있는 교정 패턴의 일 예이다.
도 3 은 입자 크기 및 픽셀 치수에 관련되는 교정 패턴의 예시적인 치수를 도시한다.
도 4 는 교정 패턴 상의 샘플 입자의 이미지의 일 예를 도시한다.
도 5 는 본 명세서에서 개시된 입자 크기 결정 방법의 일 실시예의 흐름도이다.
도 6 은 이미지 내의 렌즈 및 원근 왜곡을 정정하기 위한 방법의 흐름도이다.
작은 입자의 이미지를 이러한 입자의 크기 분포를 사용하여 결정하기 위한 방법이 개시된다. 이러한 방법은 작은 입자 및 교정 패턴을 포함하는 이미지(예를 들어, 비트맵)를 생성하거나 또는 획득하는 것을 수반하는데, 여기에서 교정 패턴의 치수는 공지된다. 예를 들어, 이미지는 교정 패턴 상에 또는 주위에 포지셔닝된 작은 입자를 이미징하기 위한 임의의 종래의 카메라를 사용하여 생성될 수도 있다. 입자 크기가 작을 경우(예를 들어, 10-6 인치의 정도), 정정이 카메라 렌즈에 의하여 야기되는 왜곡을 설명하기 위하여 이루어진다.
개시된 방법의 일 실시예에서, 입자 크기는 공지된 치수의 마크를 포함하는 교정 패턴을 사용하여 결정된다. 교정 패턴 및 입자는, 동일한 왜곡이 교정 패턴 및 입자 양자에 적용될 것이라는 가정을 가지고 함께 이미징된다. 교정 패턴의 공지된 치수를 사용하면, 왜곡 효과를 제거하고 이미지를 왜곡 효과가 없는 정정된 이미지로 변환하기 위하여 변환이 생성된다. 그러면 변환이 정정된 이미지로부터 입자 크기 분포를 결정하기 위하여 적용된다.
바람직하게는, 임의의 카메라(또는 비트맵을 생성할 수 있는 다른 디바이스)가 비트맵을 기록하기 위하여 사용될 수 있고, 전문화된 이미징 또는 기록 장비가 요구되지 않는다. 더욱이, 교정 패턴 및 입자가 단일 이미지 내에 함께 기록되기 때문에, 카메라, 렌즈 및 다른 이미지 파라미터가 왜곡을 정정하고 정확한 입자 크기를 추출하기 위하여 알려질 필요가 없다. 입자 및 교정 패턴을 하나의 이미지 내에서 함께 캡쳐하면, 측정 이미지를 기록하기 이전에 왜곡을 정정하기 위한 파라미터들의 세트를 획득하기 위하여 추가적인 개별 교정 이미지를 기록해야 하는 필요성을 없앤다. 개시된 방법에서, 입자의 크기를 정확하게 결정하기 위하여 필요한 정보가 단일 이미지 내에 임베딩된다.
도 1 은 본 명세서에서 개시된 입자 크기 결정 기법을 구현하기 위하여 사용될 수도 있는 장치(100)의 일 실시예를 도시한다. 도시된 바와 같이, 장치(100)는 교정 패턴(120) 위에 놓인 입자(112)의 이미지를 캡쳐하기 위하여 포지셔닝되는 카메라(110)를 포함한다. 도시된 바와 같이, 카메라(110)는 캡쳐된 이미지를 메모리(150)에 저장하고 직접 연결에 의하여 또는 네트워크를 통하여 프로세서(140)와 통신한다. 일 실시예에서, 카메라(110)는 스마트 폰, 태블릿, 또는 랩탑과 같은 모바일 디바이스의 일부일 수도 있다. 본 명세서에서 사용될 때, "카메라"는 하나 이상의 렌즈를 사용하는 물리적 오브젝트의 전자적 이미지(예를 들어, 비트맵)를 생성할 수 있는 임의의 이미징 디바이스를 의미하도록 의도된다.
스탠드[미도시]가 카메라(110)를 홀딩하기 위하여 사용될 수도 있는데, 하지만 스탠드는 꼭 필요한 것은 아니고 카메라(110)는 사람에 의하여 홀딩될 수도 있다. 교정 패턴(120)으로부터 카메라(110)까지의 거리는 알려지거나 특이하게 설정될 필요가 없으며, 교정 패턴(120) 및 입자가 교정 마크 및 입자의 적합한 픽셀 커버리지를 가지고 구별될 수 있게 하는 범위 내에 있어야 한다. 예를 들어, 애플사의 아이폰을 사용할 경우 거리는 약 10 인치일 수도 있다.
도 2 는 교정 패턴(120)의 일 예시적인 실시예를 묘사한다. 교정 패턴(120)은 배경(121) 및 교정 마크(122)를 포함한다. 도 2 에 도시되는 예시적인 교정 패턴(120)에서, 교정 마크(122)는 일정한 치수 x 및 y를 가지는 사각형의 외곽선들인데, 이들은 실질적으로 일정한 두께의 선분으로 그려지고 행 및 열로 일정한 간격 w로 반복된다. 교정 마크(122)의 치수는 공지된다(예를 들어, 물리적 패턴을 측정함으로써). 교정 마크(122)는 원하는 입자 크기 범위에서 정확한 측정을 허용하는 정정된 이미지를 생성하기 위하여 충분한 정보를 제공하는 임의의 치수일 수 있다.
교정 패턴(120)은, 배경(121)의 메인 컬러 또는 음영이 측정될 입자의 컬러 및 교정 마크(122)의 컬러에 대해 높은 대비를 가지는 경우 가장 유용하다. 또한 교정 마크(122)의 컬러가 그 크기가 결정되어야 하는 입자의 컬러와 상이하게 하는 것이 유용하다. 예를 들어, 입자가 갈색이거나 검정색이라면, 배경(121)은 백색일 수도 있고 교정 패턴(122)은 청색 색상을 가질 수도 있다. 일반적으로, 임의의 재료가 교정 패턴(120)으로 사용될 수도 있고, 교정 패턴(120)의 표면이 입자의 재료에 의해 영향받지 않아서 입자가 교정 패턴(120)을 손상시키지 않게 한다면 유용할 수도 있다. 일 예에서, 교정 패턴(120)은 종이의 시트에 인쇄된 패턴이고, 입자가 그 위에 분사된다. 교정 패턴(120)의 디지털 이미지가 사용자에 의하여 획득될 수도 있고 가정에서 인쇄될 수도 있다.
본 명세서에서 개시된 기법을 사용하여 결정될 수 있는 최소 입자 크기는 다수 개의 인자에 의존하는데, 이들 중 하나는 최소 측정가능 오브젝트의 픽셀 커버리지 및 교정 마크의 픽셀 커버리지 사이의 비율이다. 또한 통계를 수집하기 위하여 하나 이상의 교정 마크 및 샘플의 충분한 입자를 캡쳐하는 충분한 카메라 해상도가 제공되어야 한다. 현재 시장에서 입수가능한 아이폰®의 부품인 카메라는 1 x 10-6 인치만큼 작은 입자 크기를 결정하도록 한다. 일 실시예에서, 교정 마크(122)의 치수는 카메라의 디지털 해상도 및 측정될 최소 입자의 크기에 의존한다. 예를 들어 도 3 에 도시된 바와 같이, 3264 x 2448 픽셀의 해상도를 가지는 카메라에 대하여, 2 픽셀 바이 2 픽셀의 사각형(310)이 25 x 10-6 인치의 직경을 가지는 입자를 측정하기 위하여 필요하고, 한 변이 400 픽셀인 교정 패턴(322)(즉, 160,000 개의 픽셀의 면적을 둘러쌈)이 사용된다. 도 1 에 도시되는 장치에서, 이러한 교정 패턴(120)은 1 인치 사각형인 교정 패턴(222)을 포함할 것이다.
도 2 에 도시되는 반복하는 사각형 외의 패턴들이 교정 패턴(122)으로서 사용될 수도 있다. 그러나, 교정 패턴(122)에 대하여 수학적으로 모델링하기가 용이한 정규 패턴, 예를 들어 직교 선분을 포함하는 패턴이 기록된 이미지의 처리를 용이하게 할 수도 있다. 추가적으로, 도 2 에 도시된 바와 같이, 교정 마크(122)는 그 크기가 결정되고 있는 입자의 컬러에 높은 대비를 가지는 컬러의 최대 사용을 이용한다. 예를 들어, "체커보드" 패턴과 같은 패턴은 효율적으로 작동하지 않을 수도 있는데, 이는 박스의 절반이 어두울 것이고, 입자가 어두운 경우에는 너무 많은 입자들이 입자 및 입자가 놓인 표면 사이에 큰 대비가 없는 어두운 영역에 놓일 것이기 때문이다.
도 4 는 교정 패턴(120) 상의 입자(112)의 일 예를 도시한다. 측정치를 얻기 위해서, 측정될 입자의 샘플은 교정 패턴(120) 상에 무작위로 배치된다(예를 들어, 분사된다). 교정 마크(122)를 그 크기가 결정되고 있는 입자(112)에 대해 상보적 컬러를 가지게 하는 것이 바람직할 수도 있다. 예를 들어, 만일 입자(112)가 청색이라면, 교정 마크(122)는 적색일 수도 있다.
이미지로부터 입자 크기 분포를 결정하는 방법이 도 5 및 도 6 에서 설명된다.
도 5 는 입자 크기를 결정하기 위한 방법의 일 실시예를 도시한다. 측정될 입자가 교정 패턴(120) 상에 분포된 이후에, 교정 패턴(120) 상의 입자의 디지털 이미지를 캡쳐(예를 들어 비트맵을 기록)하기 위하여 카메라(110)가 사용된다(단계 S510). 이미지 생성은, 예를 들어 이미지의 선명도/해상도를 개선하기 위한 이미지 프로세싱 기법(노이즈 감소 및/또는 쓰레시홀딩(thresholding) 및/또는 필터링을 포함하지만 이들로 한정되는 것은 아님)을 적용함으로써 오브젝트 인식을 용이화하도록 이미지를 준비하는 것을 포함할 수도 있다. 임의의 적합한 노이즈 감소 기법이 사용될 수도 있다.
사진술(photographic), 초음파, x-선, 또는 레이더를 이용하는 기법을 포함하는, 2-차원 또는 3-차원 이미지를 캡쳐 또는 생성하기 위한 임의의 기술이 단계 S510에서 사용될 수도 있다. 진보적 개념은 비트맵을 캡쳐하는 임의의 특정 방법으로 한정되지 않는다.
단계 S520 에서, 교정 패턴(120)의 이미지가 왜곡을 제거하기 위하여 정정된다. 입자 크기를 결정하기 위하여 이미징을 사용하는 것의 문제점들 중 하나는 기록된 이미지 내의 다양한 왜곡이 크기 결정에 있어서 부정확성을 초래할 것이라는 것이다. 특히 이러한 왜곡은, 예를 들어 10-6 인치의 크기 범위에 있는 작은 입자의 정확한 측정을 하려고 시도할 경우 문제가 된다. 이러한 왜곡은 렌즈 기하학적 구조 또는 정렬에 있어서의 불완전성의 결과일 수 있고, 이것은 예를 들어 이미지 내에서 캡쳐될 직선이 비-직선이 되게 할 수도 있다. 또한 왜곡은 원근 왜곡의 결과일 수 있는데, 이것은 카메라의 광축이 이미징되고 있는 오브젝트의 중앙에 수직이 아닌 경우에 발생하고, 평행선이 이미지에서 평행이 아닌 것으로 나타나게 한다. 입자 크기가 교정 마크(122)의 치수를 사용하여 결정되기 때문에, 교정 마크(122)의 이미지에 존재하는 왜곡은 크기 결정 과정에서 오류를 초래할 가능성이 있다. 그러므로, 교정 마크(122)에 있는 왜곡은 입자 크기 결정이 완료되기 이전에 정정된다. 단계 S520 이 끝나면, 무왜곡 교정 마크(122) 및 입자의 원래의(비교정) 이미지를 포함하는 "정정된 이미지"가 생성된다.
단계 S520 에서 왜곡을 제거하기 위한 하나의 접근법에서, 교정 마크(122)가 이미지로부터 추출된다. 도메인 필터링 기법이 이러한 추출을 위하여 사용될 수도 있다. 예를 들어, 교정 마크(122)가 청색인 경우, 청색 색상 범위에 있는 패턴을 추출하기 위한 크로마 범위를 사용하는 기법이 사용될 수도 있다(교정 패턴(120)의 배경(121)은 마크(122)와는 상이한 컬러임). 결과는 컨투어를 이미지의 청색 부분으로부터 추출함으로써 만들어지는 교정 마크 오브젝트 어레이이다. 오르도포토그래프(orthophotographs)에서와 같이, 교정 마크 오브젝트 어레이가 이미지의 매핑을 위하여 유용한 일정한 스케일을 생성하기 위하여 사용된다. 균일한 스케일의 이러한 생성은 직교(ortho)-변환인데, 이것은 생성되기만 하면 반복적으로 동일한 교정 패턴(120)과 함께 재사용될 수도 있다.
단계 S530 에서, 입자 크기는 교정 패턴(120)의 정정된 이미지를 사용하여 결정된다. 이러한 프로세스는 도메인 필터링을 사용하여 정정된 이미지로부터 입자를 추출하는 것을 수반한다. 예를 들어, 도메인 필터링은 갈색/블랙 컬러 범위에 있는 것으로 알려진 입자를 추출하기 위한 크로마 범위를 사용하여 달성될 수도 있다. 입자 오브젝트 어레이는 처리된 이미지로부터 입자의 컨투어를 추출함으로써 생성된다. 그러면 입자 오브젝트 어레이의 각각의 엘리먼트가 입자 치수, 예를 들어 각각의 입자의 크기(extent)(직경), 면적 및 원형성(circularity)을 결정하기 위하여 측정될 수 있다. 이러한 측정으로부터, 측정된 입자의 크기 분포가 획득된다. 입자 크기를 측정할 때에, 교정 패턴은 치수의 기준으로서의 역할을 한다.
위에서 언급된 바와 같이, 물리적 세계(이미지 내에서와 대조됨)에서의 교정 마크(122)의 치수는 알려져 있다. 선택적으로, S520 에서 사용되는 교정 마크 왜곡 정정의 정확도는 정정된 이미지 내에서 교정 마크를 측정하고 교정 패턴(120) 내의 교정 마크(122)의 공지된 크기로부터의 불일치를 계산함으로써 교차-체크될 수 있다.
단계 S540 에서, 입자 오브젝트 어레이의 측정이 특징지어진다. 크기 분포 히스토그램, 영역 분포 히스토그램, 볼륨 분포 히스토그램, 최소, 최대 및 표준 편차 및 분포 피크 분석이 입자의 크기 및 형상을 특징짓는 파라미터들의 세트를 결정하기 위하여 사용될 수도 있다. 본 명세서에서 사용될 때 파라미터의 "세트"는 적어도 하나의 파라미터를 의미하도록 의도된다.
몇 가지 경우들에서, 입자 크기 결정은 입자를 처리(예를 들어, 분쇄) 하여 원하는 크기를 획득하는 목적을 가지고 이루어질 수도 있다. 이러한 경우에, 이용가능한 타겟 입자의 프로파일이 존재할 수도 있고, 이러한 프로파일은 단계 S540 에서 사용되는 파라미터의 세트의 관점에서 정의될 수도 있다. 측정된 파라미터의 타겟 입자의 프로파일에 대한 비교(단계 S540 의 결과)에 기초하여, 두 개의 프로파일을 더 근접하게 만들기 위해서 어떠한 동작이 취해져야 하는지를 결정할 수도 있다. 이러한 결정은 프로세서에 의하여 자동적으로 또는 사람에 의하여 수행될 수도 있다. 결정이 자동적으로 수행되는 경우에, 프로세서는 운영자에게 추가적 분쇄가 측정 결과가 타겟 프로파일에 더 근접하게 할 것이라는 것을 표시할 수도 있다(예를 들어, 시각적으로 및/또는 사운드에 의하여).
위에서 설명된 입자 크기 결정 방법의 하나의 가능한 애플리케이션은 커피, 특히 커피 원두를 분쇄하는 분야이다. 커피 음료의 맛이 여러 파라미터에 의하여 영향받으며, 이들 중 하나는 커피 가루(coffee grind)의 미세함(fineness) 또는 거침(coarseness)이다. 특정 풍미의 커피를 만들기를 원하는 사용자는, 그의 커피 메이커에서 특정한 셋팅으로 사용될 경우 그가 원하는 풍미를 생성할 것이라고 그가 알고 있는 타겟 커피 가루의 프로파일을 획득할 수도 있다. 이러한 사용자는 일부 커피 가루를 교정 패턴(120) 상에 분사하고, 위의 방법을 사용하여 그의 가루를 특징짓는 파라미터의 세트를 획득하며, 그리고 파라미터를 타겟 프로파일과 비교할 수 있다. 예를 들어, 파라미터의 세트가, 그의 가루에 대한 측정치 분포가 0.035 인치에 중간점을 두고 타겟 프로파일이 0.0475 인치에 대한 것임을 표시한다면, 사용자는 그가 원두를 너무 미세하게 분쇄했으며 그가 더 거칠게 준비하는 것부터 다시 시작할 필요가 있다는 것을 알게될 것이다.
이제, 도 5 의 왜곡 정정 단계(S520)에 대하여, 그리고 특히 원래의 왜곡된 이미지를 무왜곡 정정된 이미지로 변환하기 위한 변환 행렬의 생성에 대하여 제공될 것이다. 교정 패턴의 실제 포지션은 물리적, 실세계 교정 패턴으로부터 알려진다. 그러므로, 두 개의(즉, 실제 포지션 및 이미지 내의 포지션)의 비교가, 이미징된 교정 패턴을 실제 교정 패턴으로 다시 변환하는 변환 행렬(또는 임의의 다른 스칼라)을 결정하기 위하여 사용될 수 있다. 교정 패턴에 대한 이러한 변환 행렬은, 어떻게 이미지를 실세계 측정으로, 그리고 그 반대로 변환하는지를 보여준다. 변환 행렬은 픽셀의 세트에 걸쳐 외삽되고, 다시 크로마 범위 추출(chroma range extraction)을 사용하여, 전체 이미지 또는 오직 입자들만이 도시되는 이미지(단계 S530 에서 획득됨)의 선택된 부분으로 적용될 수도 있다. 변환 행렬을 이미지로 적용한 이후에, 더 적게 왜곡된(그리고 원근 또는 기하학적 왜곡이 실질적으로 없을 수도 있는) 부분적으로-정정된 이미지가 획득된다. 이러한 접근법은 왜곡을 정정하기 위한, 각각의 교정 마크(122)로의 정정 인자를 생성한다.
도 6 은 왜곡 정정을 위한 다른 접근법(600)을 묘사한다. 실험적으로-생성된 변환 행렬을 사용하는 제 1 접근법과는 달리, 이러한 제 2 접근법은 렌즈 왜곡 및 원근 왜곡에 대하여 이미지를 정정하는 것을 수반한다. 위에서 설명된 교정 마크 오브젝트 어레이 및 교정 마크 오브젝트 어레이에 의하여 참조되는 이미지의 영역을 단계 S610 및 S620 에서 사용하면, 왜곡 계수가 획득된다. 예를 들어, "A flexible new technique for camera calibration," IEEE Transaction on Pattern Analysis and Machine Intelligence, 22(11):1330-1334, 2000 에서 설명된 바와 같은 Z. Zhang의 방법이 사용될 수도 있는데, 이것은 본 명세서에서 원용되어 통합된다. Zhang에서 설명되는 방법은 후속 사진에서 사용될 수 있는 교정 파라미터를 획득하기 위하여 체커보드 패턴을 사용한다. 그러나, 본 명세서에서 개시된 진보적 개념에 대해서, 위에서 설명된 바와 같이 이미지로부터 추출된 교정 패턴(120)이 사용된다. 획득된 교정 결과는 k 1 및 k 2와 같은 렌즈 왜곡 파라미터를 포함할 것이다.
Zhang에 의하여 제안된 기법은 도시된 몇 개의(적어도 두 개의) 상이한 지향에서 보여지는 평면 패턴을 관찰하기 위하여 카메라를 사용한다. 패턴은 레이저 프린터에 프린트되고 "실질적" 평평한 면(예를 들어, 하드 북 커버)에 부착될 수 있다. 카메라 또는 평면 패턴 중 하나가 이동될 수도 있고, 이동의 세부사항이 알려질 필요가 없을 수도 있다. 제안된 접근법은 사진측량(photogrammetric) 교정 및 자기-교정 사이에 위치하는데, 이는 3D 또는 순전히 암시적인 것이 아니라 2D 메트릭 정보가 사용되기 때문이다. 컴퓨터 시물레이션 및 실제데이터 양자가 제안된 기법을 테스트하기 위하여 사용되었다. 본 명세서에서 설명되는 기법은 3D 컴퓨터 비젼을 실험실 환경으로부터 실세계로 진보시킨다.
카메라의 내재적 파라미터에 대한 제약이 단일 평면을 관찰함으로써 제공된다. 2D 포인트는 m = [u,v]T에 의하여 표시된다. 3D 포인트는 M = [X, Y, Z]T에 의하여 표시된다. 심볼
Figure pct00001
는 마지막 엘리먼트로서 1 을 가산함으로써 증강된 벡터를 표시한다:
Figure pct00002
및
Figure pct00003
. 카메라는 보통 핀홀을 사용하여 모델링된다: 3D 포인트 M 및 이것의 이미지 투영 m 사이의 관련성은 수학식 1 에 의하여 주어진다:
Figure pct00004
여기에서 s는 임의의 스케일 인자이고; 외재적 파라미터라고 불리는 (R, t)는 실세계 좌표 시스템을 카메라 좌표 시스템에 관련시키는 회전 및 병진이며; 카메라 내재적 행렬이라고 불리는 A는 다음에 의하여 주어진다:
Figure pct00005
(u 0, v 0)는 주된 포인트의 좌표이고, α 및 β는 이미지 u 및 v 축에서의 스케일 인자이며, γ는 두 개의 이미지 축들의 왜도(skewness)를 기술하는 파라미터이다. 약자 A-T 는(A-1)T 또는(AT)-1을 나타내기 위하여 사용된다.
모델 평면은 실세계 좌표 시스템의 Z = 0 에 존재하는 것으로 가정될 수도 있다. 회전 행렬 R의 i번째 열은 r i 라고 표현될 것이다. 수학식 1 로부터 다음을 얻는다:
Figure pct00006
심볼 M 이 모델 평면 상의 포인트를 표시하기 위하여 여전히 사용되는데, 하지만 M = [X, Y]T이고 이는 Z가 0 이기 때문이다. 차례대로, M
Figure pct00007
= [X, Y, 1]T이다. 그러므로, 모델 포인트 M 및 이것의 이미지 m은 호모그래피 H에 의하여 관련된다:
Figure pct00008
명확한 바와 같이, 3 x 3 행렬 H가 스케일 인자까지 정의된다.
모델 평면의 이미지가 주어지면, 호모그래피가 추정될 수 있다. 호모그래피를 수학식 2 로부터 H = [h1 h2 h3]에 의하여 표시하면, 다음을 얻는다\
[h1 h2 h3] = λA [r1 r2 t]
여기에서 λ는 임의의 스칼라이다. r1 및 r2가 직교정규(orthonormal)라는 저식을 사용하면, 후속하는 제약이 획득된다:
Figure pct00009
Figure pct00010
이것들은 하나의 호모그래피가 주어질 경우의 내재적 파라미터에 대한 두 개의 기본적인 제약이다. 호모그래피가 8 자유도를 가지고 6 개의 외재적 파라미터(회전에 대하여 3 개 및 병진에 대하여 3 개), 2 개의 제약이 내재적 파라미터에 대하여 획득된다. 파라미터 A-TA-1는 절대 원뿔 곡선의 이미지를 실제로 기술한다. 기하학적 해석이 이제 제공될 것이다.
본 명세서에서 사용되는 바와 같은 표시법에 하에서의 모델 평면은 후속하는 수학식에 의하여 카메라 좌표 시스템 내에 기술된다:
Figure pct00011
여기에서 무한대의 포인트에 대하여 w = 0 이고 그렇지 않으면 w = 1 이다. 이러한 평면은 직선에서 평면에 무한대로 교차하고,
Figure pct00012
및
Figure pct00013
가 그 선분에 두 개의 특정 포인트들이라는 것을 쉽게 알 수 있다.
이것 상의 임의의 포인트는 이러한 두 개의 포인트의 선형 조합이며, 즉
Figure pct00014
이다.
위의 라인과 절대 원뿔 곡선과의 교차점을 계산하고, 정의에 의하여 이것을 알면, 포인트
Figure pct00015
(원형 포인트)은
Figure pct00016
T
Figure pct00017
= 0 을, 즉
(ar1 + br2)T (ar1 + br2) = 0, 또는 a 2 + b 2 = 0 를 만족한다.
해는 b = ±ai인데, 여기에서 i 2 = -1 이다. 즉, 두 개의 교점들은
Figure pct00018
이다
그러면 이미지 평면 내에 그들의 투영이 다음에 의하여 스케일 인자까지 주어진다.
Figure pct00019
포인트
Figure pct00020
은 AT A-1 라고 기술되는 절대 원뿔 곡선의 이미지 상에 있다. 이것은
Figure pct00021
이 된다.
모두의 실수 및 허수 부분 모두가 제로가 되도록 하면 수학식 3 및 수학식 4 가 된다.
어떻게 카메라 교정 문제를 효과적으로 풀어낼 수 있을지에 대한 세부사항이 이제 제공될 것이다. 분석적 해가 제공된 이후에 최대 우도 기준에 기초한 비선형 최적화 기법이 후속된다. 마지막으로, 분석적 및 비선형 해의 모두가 렌즈 왜곡을 고려하면서 제공될 것이다.
다음 수학식 5 를 고려한다:
Figure pct00022
B가 대칭이고 다음 6D 벡터에 의하여 정의되는 것에 주의한다
Figure pct00023
H의 i번째 열 벡터가 hi = [h i1, h i2, h i3]T 라고 한다. 그러면, 우리는 다음을 가진다.
Figure pct00024
여기에서
vij = [h i1 h j1, h i1 h j2 + h i2 h j1, h i2 h j2, h i3 h j1 + h i1 h j3, h i3 h j2 + h i2 h j3, h i3 h j3]T
이다.
그러므로, 주어진 호모그래피로부터의 두 개의 기본 제약인 수학식 3 및 4 가 수학식 8 에서와 같이 아래 보이는 것처럼 b 내의 2 호모지니어스(homogeneous) 방정식으로서 재기록될 수 있다:
Figure pct00025
모델 평면의 n 개의 이미지가 관찰된다면, 수학식 8 과 같은 n 개의 이러한 수학식을 누적함으로써 결과는 다음 수학식 9 와 같이 표현될 수 있다:
Figure pct00026
여기에서 V는 2n x 6 행렬이다. 만일 n > 3 이라면, 스케일 인자까지의 일반적으로 고유한 해 b가 획득된다. 만일 n = 2 라면, 무왜도 제약 = 0 이고, 즉, [0, 1, 0, 0, 0, 0]b = 0 이 추가적 수학식으로서 수학식 9 에 부가되고 추가될 수 있다. (만일 n = 1 이라면, 두 개의 카메라 내재적 파라미터, 예를 들어 α 및 αβ는 u 0 및 v 0 가 공지되고(예를 들어, 이미지 중심에 있음) γ = 0 라고 가정하면서 풀어질 수도 있다. 수학식 9 에 따른 해는 최소 고유값(eigenvalue)과 연관된 VTV의 고유벡터(등가적으로, 최소 특이값과 연관되는 V의 정확한 특이 벡터(right singular vector))라고 공지된다.
b가 추정되면, 카메라 내재적 행렬 A 안의 값이 계산될 수 있다. A가 알려지면, 각각의 이미지에 대한 외재적 파라미터가 계산될 수도 있다. 예를 들어 수학식 2 를 사용하면 다음이 획득될 수도 있다:
Figure pct00027
여기에서,
Figure pct00028
이다. 데이터 내에 노이즈의 존재에 기인하여, 이와 같이 계산된 행렬 R = [r1, r2, r3]는 회전 행렬의 성질을 만족시키지 않는다.
모델 평면의 n 개의 이미지 및 모델 평면 상에 m 개의 포인트가 존재한다고 가정한다. 또한 이미지 포인트가 독립적이고 동일하게 분포된 노이즈에 의하여 손상된다고 가정한다. 최대 우도 추정은 후속하는 함수를 최소화함으로써 획득될 수 있다:
Figure pct00029
여기에서
Figure pct00030
는 수학식 2 에 따르는, 이미지 i 내의 포인트 Mj의 투영이다. 회전 R은 3 개의 파라미터의 벡터에 의하여 파라미터화되고, r로 표시되며, 이것은 회전 축에 평행하고 이것의 크기는 회전 각도와 동일하다. R 및 r은 로드리게스(Rodrigues) 공식에 의하여 관련된다. 값을 최소화하는 수학식 10 은 비선형 최소화 문제인데, 이것은 알레벤버그-마르쿠아트(Alevenberg-Marquardt) 알고리즘으로써 풀 수도 있다. 이것은 위에서 설명된 기법을 사용하여 획득될 수 있는 A의 초기 가정
Figure pct00031
을 사용한다.
위의 해는 카메라의 렌즈 왜곡을 고려하지 않는다. 그러나, 데스크탑 카메라는 보통 상당한 렌즈 왜곡, 특히 방사상 왜곡을 나타낸다. 이제, 방사상 왜곡의 처음 두 개의 항이 논의될 것이다. 왜곡 함수가 방사상 컴포넌트에 의하여, 그리고 특히 첫 번째 항에 의하여 크게 영향받을 가능성이 높다.
(u, v)가 이상적인(무왜곡) 픽셀 이미지 좌표라고 하고,
Figure pct00032
가 대응하는 실제 관찰된 이미지 좌표라고 한다. 이상적인 포인트들은 핀홀 모델에 따르는 모델 포인트들의 투영이다. 이와 유사하게, (x, y) 및
Figure pct00033
는 이상적(무왜곡) 및 실제(왜곡된) 정규화된 이미지 좌표들이다.
Figure pct00034
Figure pct00035
여기에서 k1 및 k2 는 방사상 왜곡의 계수들이다. 방사상 왜곡의 중심은 주된 포인트와 동일하다. 여기에서
Figure pct00036
Figure pct00037
교번에 의한 방사상 왜곡 추정. 방사상 왜곡이 작을 것으로 기대되기 때문에, 위에서 단순히 왜곡을 무시함으로써 잘 설명된 기법을 사용하여 다른 5 개의 내재적 파라미터를 추정하기를 기대할 것이다. 그러면 하나의 전략은 다른 파라미터를 추정한 이후에 k1 및 k2 를 추정하는 것인데, 이렇게 하면 이상적인 픽셀 좌표(u, v)가 주어질 것이다. 그러면, 수학식 11 및 수학식 12 로부터, 각각의 이미지 내의 각각의 포인트에 대해서 두 개의 방정식이 생긴다:
Figure pct00038
n 개의 이미지 내에 m 개의 포인트가 주어지면, 모든 방정식을 함께 누적하여 총 2mn 개의 방정식을 얻을 수 있으며, 행렬 형식으로는 Dk = d를 얻을 수 있는데, 여기에서 k = [k 1, k 2]T 이다. 선형 최소제곱 솔루션이 다음과 같이 주어진다
Figure pct00039
k 1 및 k 2가 추정되면,
Figure pct00040
을 수학식 11 및 수학식 12 로 바꾸고 수학식 10 을 풀어냄으로써 다른 파라미터의 추정을 정제할 수 있다. 이러한 두 개의 프로시저를 수렴될 때까지 번갈아 수행할 수 있다.
위의 교번 기법의 수렴은 늦게 이루어질 수도 있다. 수학식 10 에 대한 자연적인 확장은 후속하는 함수를 최소화함으로써 파라미터의 완전한 세트를 추정하는 것인데:
Figure pct00041
여기에서
Figure pct00042
는 수학식 2 에 따른 이미지 i 내의 포인트 Mj의 투영이고, 이후에 수학식 11 및 수학식 12 에 따르는 왜곡이 후속한다. 이것은 비선형 최소화 문제이고, 레벤버그-마콰트 알고리즘을 사용하여 풀 수 있다. 다시 말하건대 회전은 위에 개시된 바와 같이 3-벡터 r에 의하여 파라미터화된다. A 및
Figure pct00043
의 초기 가정이 위에서 설명된 기법을 사용하여 획득될 수 있다. k1 및 k2 의 초기 가정은 위에서 설명된 방사상 왜곡 솔루션으로써, 또는 간단히 이들을 0 으로 설정함으로써 획득될 수 있다.
단계 S630 에서, 렌즈 왜곡 파라미터 k 1 및 k 2 가 이제 렌즈 왜곡에 대하여 정정된 이미지(615)를 획득하기 위하여 원본 이미지(605) 사용된다. 대안적으로는, 이러한 이미지를 사용하는 대신에, 입자의 기하학적 구조를 기술하는 입자 오브젝트 어레이가 정정될 수도 있다. 렌즈 왜곡 파라미터 k1 및 k2 는 후속하는 수학식 15 및 수학식 16 을 사용하여 렌즈 왜곡에 대하여 이미지를 정정하기 위하여 사용된다.
(x correct , y correct )가 렌즈에 기인한 왜곡이 없다면 이미지 내의 정확한 위치를 나타낸다고 한다. 그러면:
Figure pct00044
Figure pct00045
인데, 여기에서 r 2 =(x correct -u 0)2 +(y correct -v 0)2 이고, u 0 및 v 0는 주된 포인트(즉, 카메라의 광축 및 이미지 평면의 교점)이다.
그러면 렌즈 왜곡은 기록된 비트맵을 역방향 왜곡으로써 워핑(warping)함으로써 정정될 수 있다. 정정된 이미지 내의 각각의 픽셀에 대하여, 이것의 대응하는 위치는 위의 수학식 15 및 수학식 16 을 사용하여 왜곡된 이미지 내로 매핑된다. 아래에 기하학적 이미지 변환이라고 명명된 섹션은 어떻게 2-차원 이미지 좌표 및 3-차원 세계 좌표가 카메라의 내재적 파라미터(예를 들어, 초점 렌즈, 주된 포인트, 왜곡 계수) 및 외재적 파라미터(회전 및 병진 행렬)에 의하여 관련되는지를 기술한다. 목적지(정정된 비트맵) 내의 각각의 정수 픽셀 좌표에 대하여, 소스(기록된 비트맵)로 역추적하고, 대응하는 부동 좌표(float coordinates)를 보간하기 위하여 주위의 정수 픽셀(integer pixels)을 사용하면서 그 부동 좌표를 찾아낸다. 이중선형 보간이 이러한 프로세스에서 사용될 수도 있다.
요약하면, 그 일부가 Zhang의 기법을 통합하는 여기에서 제안된 렌즈-왜곡 정정 프로시저는 다음과 같다:
1) 패턴을 인쇄하고 이것을 평면에 부착한다;
2) 평면 또는 카메라 중 어느 하나를 이동시켜서 상이한 지향으로 모델 평면의 몇 장의 이미지를 촬영한다;
3) 이미지 내의 특징점을 검출한다;
4) 위에 제공된 닫힌-형태 솔루션을 사용하여 5 개의 내재적 파라미터 및 모든 외재적 파라미터를 추정한다;
5) 선형 최소제곱 수학식 13 를 풀어냄으로써 방사상 왜곡의 계수를 추정한다;
6) 수학식 14 의 값을 최소화하여 모든 파라미터를 정제한다; 여기서, k1 및 k2 는 지정된 값을 가진다;
7) 아래의 수학식 15 및 수학식 16 및 렌즈 왜곡된 이미지의 폭 및 높이를 사용하여, 렌즈 왜곡이 없는 이미지의 높이 및 폭을 찾는다. 스칼라를 사용하여 두 개의 이미지가 동일한 폭을 가지도록 하고, 높이를 이에 상응하게 척도변환한다; 그리고
8) 렌즈 왜곡이 없는 이미지 내의 각각의 픽셀에 대하여, 렌즈 왜곡을 가지는 이미지 내의 이것의 대응하는 위치를 수학식 15 및 수학식 16 를 사용하여 찾고, 왜곡된 이미지 내의 인접한 이웃의 쉐퍼드(Shepard)의 보간을 적용하여 정정된 이미지의 컬러 정보를 얻는다.
단계 S640 에서, 원근 왜곡에 대한 정정은 사각형 교정 마크의 4 개의 모서리를 사용하여 획득되어 다음 프로세스를 사용해서 호몰로지(homology) H를 풀어낼 수도 있다:
우리가 실세계 좌표
Figure pct00046
내의 포인트를 가지고 있으며, 이것을
Figure pct00047
과 같이 호모지니어스한 좌표로서 기록한다고 가정한다. 이와 유사하게, 이미지 좌표 내의 대응하는 포인트는
Figure pct00048
이고, 우리는 이것을 호모지니어스한 좌표에서
Figure pct00049
과 같이 기록한다. 이러한 두 개 사이의 관련성은 다음 방정식에서 표현될 수 있는데,
Figure pct00050
여기에서
Figure pct00051
는 우리가 풀려고 하는 호모그래피이다.
행렬 곱셈을 사용하여 방정식의 양측을 확장하면 다음을 얻는다:
Figure pct00052
.
세 번째 방정식을 앞의 두 개로 대입하면, 이러한 쌍의 포인트로부터 두 개의 방정식을 얻는다:
Figure pct00053
.
이것들이 H의 8 개의 미지수이기 때문에, H를 풀기 위해서는 4 개의 쌍의 포인트가 필요하다. 우리는 8 개의 방정식을 다음과 같은 행렬 형태로 쓴다:
Figure pct00054
따라서, 투영 왜곡이 있는 각각의 이미지에 대하여, 이러한 이미지 내에 네 개의 점들을 고르게 되고, 이러한 네 개의 점들의 실세계 좌표가 주어지면, H를 풀어낼 수 있다.
위의 수학식에서 "k"는 렌즈 계수 k1, k2와는 상이한, 2-차원 좌표의 호모지니어스 표현에 대한 스칼라이다. 다수의 교정 마크(122)의 4 개의 포인트(예를 들어, 형상이 사각형인 경우 4 개의 모서리)가 왜곡의 불균일성(nonuniformity)을 설명하기 위하여 사용될 수도 있다. 도 6 에 도시된 바와 같이, 이러한 접근법에서 원근 정정을 위한 시작점은 원본 이미지가 아니고, 하지만 렌즈 왜곡 효과가 제거된 정정된 이미지이다. 호모그래피 H는 렌즈 왜곡에 대하여 정정된 이미지 내에서 식별된 교정 마크의 세트로부터의 4 개의 포인트를 사용하여 결정되고, 그리고 정정된 이미지로 인가되어 렌즈 및 원근 왜곡 양자에 대하여 정정된 바 있는 비트맵(625)(정정됨, 또는 실제-크기, 비트맵)을 결정한다.
원근 왜곡은 보통 카메라의 광축이 오브젝트의 중심과 수직이 아닐 경우에 발생한다. 그리드-패터닝된 배경에서 캡쳐된 입자의 이미지를 사용하면, 장면 내의 다수의(예를 들어, 5 개의) 쌍의 직교 라인이 원근 왜곡을 정정하기 위한 호모그래피를 찾기 위하여 사용될 수도 있다. 이러한 정정은 흔히, 물리적 세계 내의 평행선이 이미지에서도 평행하게, 물리적 세계에서의 직교 라인이 이미지에서도 직교하게, 물리적 세계의 사각형이 이미지 내에서 단위 종횡비를 가지게, 그리고/또는 물리적 세계의 원이 이미지 내에서 원형이 되게 할 것이다.
위에서 상세하게 설명된 원근 왜곡 정정 프로세스를 요약하면, 프로세스는 다음 단계들을 수반한다:
1) 공지된 치수의 직교 라인을 포함하는 교정 패턴을 획득하고, 입자들을 교정 패턴 상에 분산시키며, 동일한 렌즈를 사용하여 이미지를 캡쳐한다;
2) 이미지 상에서 다수의(예를 들어, 5 개의) 쌍의 직교 라인을 선택한다;
3) 투영-왜곡된 이미지 및 투영 왜곡이 없는 이미지 사이에서 호모그래피 H를 풀어낸다;
4) H 및 투영-왜곡된 이미지의 폭 및 높이를 사용하여, 투영 왜곡이 없는 이미지의 높이 및 폭을 찾는다. 스칼라를 사용하여 두 개의 이미지가 동일한 폭을 가지도록 하고, 높이를 이에 상응하게 척도변환한다; 그리고
5) 투영 왜곡이 없는 이미지 내의 각각의 픽셀에 대하여, 투영-왜곡된 이미지 내의 이것의 대응하는 위치를 찾고 올바른 이미지에 대한 컬러 정보를 얻는다.
렌즈 왜곡 정정 및 투영 왜곡 정정은 개별적으로 그리고 캐스케이딩되어 테스트됨으로써, 쉐퍼드의 보간은 오직 한 번만 수행될 수도 있게 할 수도 있다.
도 5 및 도 6 에 예시된 방법은 처리 디바이스에서 구현될 수도 있다. 도 1 에 대하여 논의된 바와 같이, 카메라(110)가 이미지를 캡쳐하면, 이미지의 데이터 처리는 카메라(110)에 직접적으로 연결된 프로세서를 사용하여 발생할 수 있고 또는 이미지 데이터는 별개의 프로세서로 송신될 수도 있다.
기하학적 이미지 변환
이번 섹션은 이제 입자의 이미지를 정정 및 조작하기 위하여 사용될 수도 있는 몇몇 공지된 이미지 변환 함수에 대하여 논의할 것이다. 좀 더 구체적으로는, 이번 섹션 내의 함수들은 2D 이미지의 다양한 기하학적 변환을 수행한다. 이들은 이미지 콘텐츠를 변경하지 않고 픽셀 그리드를 변형하며 이러한 변형된 그리드를 목적지 이미지로 매핑한다. 사실상, 샘플링 아티팩트를 회피하기 위하여, 매핑은 역순으로 목적지로부터 소스로 이루어진다. 즉, 목적지 이미지의 각각의 픽셀
Figure pct00055
에 대하여, 함수는 소스 이미지 내의 대응하는 "도너" 픽셀의 좌표를 계산하고, 픽셀 값을 복제한다:
Figure pct00056
순방향 매핑이
Figure pct00057
로 특정되는 경우에, 아래에 설명된 함수들은 우선 대응하는 역매핑
Figure pct00058
을 계산하고, 그 후 위의 공식을 사용한다.
가장 일반적인 재매핑(Remap)으로부터 가장 단순하고 가장 빠른 재사이징(Resize)까지의 기하학적 변환의 실제 구현이 위의 공식을 가지고 두 개의 주된 문제들을 풀어낼 필요가 있다.
- 비존재 픽셀의 외삽. 필터링 함수와 유사하게, 몇몇
Figure pct00059
에 대하여,
Figure pct00060
, 또는
Figure pct00061
중 하나 또는 이들 모두가 이미지의 외부에 놓일 수도 있다. 이러한 경우에, 외삽 방법이 사용될 필요가 있다. OpenCV는 필터링 함수에서처럼 외삽 방법의 동일한 선택을 제공한다. 추가적으로, 이것은 투명 경계(Border_Transparent) 법을 제공한다. 이것은 목적지 이미지 내의 대응하는 픽셀이 전혀 수정되지 않을 것이라는 것을 의미한다.
- 픽셀 값의 보간. 보통
Figure pct00062
및
Figure pct00063
는 부동-소수점 숫자이다. 이것은
Figure pct00064
가 아핀(affine) 또는 원근 변환, 또는 방사상 렌즈 왜곡 정정, 및 기타 등등 중 하나일 수 있다는 것을 의미한다. 그러므로, 프랙셔널 좌표계(fractional coordinate)에서의 픽셀 값이 취출될 필요가 있다. 가장 간단한 경우에, 좌표는 가장 가까운 정수 좌표로 반올림될 수 있고, 대응하는 픽셀이 사용될 수 있다. 이것은 최근접-이웃 보간이라고 불린다. 그러나, 더 복잡한 보간 방법을 사용함으로써 더 양호한 결과가 획득될 수 있고, 여기에서 다항 함수는 계산된 픽셀
Figure pct00065
의 몇몇 이웃에 맞춤되고, 그리고
Figure pct00066
에서의 다항식의 값이 보간된 픽셀 값으로서 취해진다. OpenCV에서, 여러 보간 방법 중에서 선택할 수 있는데, 이들 중 몇몇이 아래에 설명될 것이다.
Get Rotation Matrix 2D
이러한 함수는 2D 회전의 아핀 행렬을 계산한다. 이러한 프로세스를 위하여 사용되는 몇몇 파라미터는 다음과 같다:
중심 - 소스 이미지 내의 회전의 중심.
각도 - 도 단위의 회전 각도. 양의 값은 반시계방향 회전을 의미한다(좌표 원점은 상단-좌측 코너라고 가정됨).
스케일 - 등방성 스케일 인자.
map_matrix - 출력 아핀 변환인 2x3 부동-소수점 행렬.
이러한 함수는 다음 행렬을 계산한다:
Figure pct00067
여기서
Figure pct00068
변환은 회전 중심을 자신에게 매핑한다. 이것이 타겟이 아니라면, 천이가 조절되어야 한다.
Get Affine Transform
이러한 함수는 3 대응하는 포인트로부터 아핀 변환을 계산한다. 이러한 프로세스를 위하여 사용되는 몇몇 파라미터는 다음과 같다:
src - 소스 이미지 내의 삼각형 꼭지점들의 좌표.
dst - 목적지 이미지 내의 대응하는 삼각형 꼭지점들의 좌표.
mapMatrix - 목적지 2 x 3 행렬로의 포인터
이러한 함수는 아핀 변환의 2 x 3 행렬을 계산함으로써 다음이 되게 한다:
Figure pct00069
여기서
Figure pct00070
이다
Get Perspective Transform
이러한 함수는 4 개의 쌍의 대응하는 포인트로부터 원근 변환을 계산한다. 이러한 프로세스를 위하여 사용되는 몇몇 파라미터는 다음과 같다:
src - 소스 이미지 내의 사각형 꼭지점들의 좌표.
dst - 목적지 이미지 내의 대응하는 사각형 꼭지점들의 좌표.
mapMatrix - 목적지 3 x 3 행렬 [A/b]로의 포인터
이러한 함수는 원근 변환의 행렬을 계산하여 다음이 되게 한다:
Figure pct00071
여기서
Figure pct00072
이다
Get Quadrangle SubPix
이러한 프로세스는 픽셀 사각형을 서브-픽셀 정확도로 이미지로부터 취출한다. 이러한 프로세스를 위하여 사용되는 몇몇 파라미터는 다음과 같다:
src - 소스 이미지.
dst - 추출된 사각형
mapMatrix - 변환 2 x 3 행렬 [A/b]
이러한 함수는 소스(src)로부터 서브-픽셀 정확도로 픽셀을 추출하고 이들을 다음과 같이 목적지(dst)에 저장한다:
Figure pct00073
여기서
Figure pct00074
그리고,
Figure pct00075
이다.
비-정수 좌표에서의 픽셀들의 값은 이중선형 보간을 사용하여 취출된다. 함수가 이미지 외부의 픽셀을 필요로 한다면, 이것은 경계 복제 모드(replication border mode)를 사용하여 값을 복원한다. 다채널 이미지의 모든 채널은 독립적으로 처리된다.
GetRectSubPix
이러한 함수는 픽셀 사각형을 서브-픽셀 정확도로써 이미지로부터 취출한다.
src - 소스 이미지.
Dst - 추출된 사각형
중심 - 소스 이미지 내의 추출된 사각형 중심의 부동 소수점 좌표. 중심은 이미지 내에 있어야 한다.
이러한 함수는 소스로부터 픽셀을 추출한다:
Figure pct00076
여기에서 비-정수 좌표에서의 픽셀들의 값은 이중선형 보간을 사용하여 취출된다. 다채널 이미지의 모든 채널은 독립적으로 처리된다. 반면에 사각형 중심은 이미지 내부에 반드시 있어야 하고, 사각형의 일부는 외부에 있을 수도 있다. 이러한 경우에, 경계 복제 모드가 이미지 경계 밖의 픽셀 값을 획득하기 위하여 사용된다.
Log Polar
이러한 함수는 이미지를 대수-극좌표 공간으로 재매핑한다.
- src - 소스 이미지
- dst - 목적지 이미지
- 중심 - 변환 중심; 여기에서 출력 정밀도가 최대가 된다
- M - 크기 척도변환 파라미터.
- 플래그 - 보간 방법 및 후속하는 선택적 플래그의 조합:
- CV_WARP_FILL_OUTLIERS 목적지 이미지 픽셀 전부를 채운다. 만일 이들 중 일부가 소스 이미지 내의 이상치(outlier)에 대응하면, 이들은 제로로 설정된다
- CV_WARP_INVERSE_MAP 다음을 참조한다
이러한 함수는 다음 변환을 사용하여 소스 이미지를 변환한다:
- 순방향 변환(CV_WARP_INVERSE_MAP이 세팅되지 않음)):
Figure pct00077
- 역 변환(CV_WARP_INVERSE_MAP이 세팅됨):
Figure pct00078
여기서
Figure pct00079
이다
이러한 함수는 인간의 "중심와(foveal)" 비젼을 에뮬레이션하고, 오브젝트 추적 및 기타 등등을 위한, 고속 스케일 및 회전 불변 템플릿 매칭을 위하여 사용될 수 있다. 이러한 기능은 제자리(in-place)에서 작동할 수 없다.
Remap
이러한 함수는 일반적인 기하학적 변환을 이미지에 적용한다.
src - 소스 이미지.
dst - 목적지 이미지.
mapx - x-좌표의 맵.
mapy - y-좌표의 맵.
플래그 - 보간 방법(resize() 참조). INTER_AREA 방법은 이러한 함수에 의하여 지원되지 않는다.
fillval - 이상치를 채우기 위하여 사용되는 값
이러한 함수는 소스 이미지를 특정된 맵을 사용하여 변환한다:
Figure pct00080
비-정수 좌표를 가지는 픽셀의 값이 이용가능한 보간 방법들 중 하나를 사용하여 계산된다.
Figure pct00081
및
Figure pct00082
는 각각
Figure pct00083
및
Figure pct00084
내의 별개의 부동-소수점 맵으로서, 또는
Figure pct00085
내의
Figure pct00086
의 인터리빙된 부동-소수점 맵으로서, 또는 ConvertMaps 함수를 사용하여 생성된 고정-소수점 맵으로서 인코딩될 수 있다. 이들을 맵의 부동 표현으로부터 고정-소수점 표현으로 변환하기를 원할 수도 있는 이유는, 이들이 더 빠른(약 두 배) 재매핑 동작을 수행할 수 있기 때문이다. 변환된 케이스에서,
Figure pct00087
은 쌍 (cvFloor(x), cvFloor(y))를 포함하고,
Figure pct00088
는 보간 계수의 표 내의 인덱스들을 포함한다. 이러한 기능은 제자리에서 작동할 수 없다.
Resize
이러한 함수는 이미지를 재사이징한다.
src - 입력 이미지.
dst - 출력 이미지; 이것은 크기 dsize(이것이 비-제로일 경우) 또는 src. size(), fx, 및 fy로부터 계산되는 크기를 가진다; dst 의 타입은 src의 경우와 동일하다.
보간 - 보간 방법:
- INTER_NN - 최근접-이웃 보간
- INTER_LINEAR - 이중선형 보간(디폴트로 사용됨)
- INTER_AREA - 픽셀 영역 관련성을 사용한 재샘플링. 이것은 이미지 데시메이션을 위한 바람직한 방법일 수 있는데, 이는 이것이 모아레가 없는 결과를 제공하기 때문이다. 하지만 이미지가 확대되면, 이것은 INTER_NN 방법과 유사하다.
- INTER_CUBIC - 4x4 픽셀 이웃에 걸친 이중큐빅 보간
- INTER_LANCZOS4 - 8x8 픽셀 이웃에 걸친 랑쪼스(Lanczos) 보간
이미지를 축소시키기 위해서는, 일반적으로 INTER_AREA 보간을 하는 것이 가장 좋게 보이는 반면에, 이미지를 확대하기 위해서는 일반적으로 INTER_CUBIC(느림) 또는 INTER_LINEAR(더 빠르지만 여전히 양호해 보임)를 사용하는 것이 가장 좋게 보일 것이다.
WarpAffine
이러한 함수는 아핀 변환을 이미지에 적용한다.
src - 소스 이미지.
dst - 목적지 이미지.
mapMatrix - 변환 행렬.
플래그 - 보간 방법 및 선택적인 플래그의 조합:
- CV_WARP_FILL_OUTLIERS - 목적지 이미지 픽셀의 모두를 채운다; 이들 중 일부가 소스 이미지 내의 이상치에 대응하면, 이들은 fillval로 세팅된다
- CV_WARP_INVERSE_MAP은 행렬이 목적지 이미지로부터 소스로 역변환되고, 따라서 직접적으로 픽셀 보간을 위하여 사용될 수 있다는 것을 표시한다. 그렇지 않으면, 이러한 함수는 역 변환을 mapMatrix로부터 찾아낸다.
Fillval - 이상치를 채우기 위하여 사용되는 값
함수 warpAffine은 다음의 경우에 특정된 행렬을 사용하여 소스 이미지를 변환한다:
Figure pct00089
플래그 WARP_INVERSE_MAP i가 세트되는 경우. 그렇지 않으면, 변환은 우선 InvertAffineTransform으로써 반전되고, 이제 M 대신에 위의 공식에 대입된다. 이러한 기능은 제자리(in-place)에서 작동할 수 없다.
Figure pct00090
이러한 함수는 GetQuadrangleSubPix와 유사하지만, 이들이 완전히 동일하ㄴ 것은 아니다. WarpAffine은 입력 및 출력 이미지가 동일한 데이터 타입을 가지고, 더 큰 오버헤드(작은 이미지에 아주 적합하지 않음)를 가지며, 목적지 이미지의 일부를 변경되지 않은 상태로 놓아둘 수 있을 것을 요구한다. 반면에 GetQuadrangleSubPix는 8-비트 이미지로부터의 사각형을 부동-소수점 버퍼로 추출할 수도 있고, 더 작은 오버헤드를 가지며, 언제나 전체 목적지 이미지 콘텐츠를 변경시킨다. 이러한 기능은 제자리(in-place)에서 작동할 수 없다.
WarpPerspective
이러한 함수는 원근 변환을 이미지에 적용한다. 이러한 함수에 대하여 유용한 파라미터는 다음을 포함한다:
Src - 소스 이미지
Dst - 목적지 이미지
mapMatrix - 3x3 변환 행렬
플래그 - 보간 방법 및 후속하는 선택적인 플래그의 조합
CV_WARP_FILL_OUTLIERS - 목적지 이미지 픽셀의 모두를 채운다; 이들 중 일부가 소스 이미지 내의 이상치에 대응하면, 이들은 fillval로 세팅된다
CV_WARP_INVERSE_MAP은 행렬이 목적지 이미지로부터 소스로 역변환되고, 따라서 직접적으로 픽셀 보간을 위하여 사용될 수 있다는 것을 표시한다. 그렇지 않으면, 이러한 함수는 역 변환을 mapMatrix로부터 찾아낸다.
filval - 이상치를 채우기 위하여 사용되는 값
이러한 함수는 소스 이미지를 특정된 행렬을 사용하여 변환한다:
Figure pct00091
, CV_WARP_INVERSE_MAP가 세팅되지 않는 경우
Figure pct00092
, 다른 경우
이러한 기능은 제자리(in-place)에서 작동할 수 없다는 것에 주의한다.
실시예들이 방법 또는 기법의 관점에서 설명되지만, 본 개시물은 본 방법의 실시예를 수행하기 위한 컴퓨터-판독가능 명령이 저장되는 비-일시적 컴퓨터 판독가능 매체를 포함하는 제조물을 역시 커버할 수도 있다는 것이 이해되어야 한다. 예를 들어, 컴퓨터 판독가능 매체는 반도체, 자기적, 광학-자기적, 광학적, 또는 컴퓨터 판독가능 코드를 저장하기 위한 다른 형태의 컴퓨터 판독가능 매체를 포함할 수도 있다. 더 나아가, 본 개시물은 본 명세서에서 개시된 진보적 개념의 실시예를 실시하기 위한 장치를 역시 커버할 수도 있다. 이러한 장치는 실시예에 관련되는 동작들을 수행하기 위한, 전용 및/또는 프로그래밍가능한 회로를 포함할 수도 있다.
이러한 장치의 예들은 적합하게 프로그래밍되는 경우 범용 컴퓨터 및/또는 전용 컴퓨팅 디바이스를 포함하고, 실시예에 관련되는 다양한 동작을 위하여 적응되는 컴퓨터/컴퓨팅 디바이스 및 전용/프로그래밍가능한 하드웨어 회로(전기적, 기계적, 및/또는 광학적 회로와 같음)를 포함할 수도 있다.

Claims (20)

  1. 입자 크기를 결정하는 컴퓨터-구현 방법으로서,
    적어도 하나의 입자 및 교정 마크의 이미지를 획득하는 단계로서, 상기 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있는, 단계;
    정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하는 단계로서, 동일한 정정 인자가 상기 입자 및 교정 마크 양자에 적용되는, 이미지 정정 단계; 및
    상기 정정된 이미지를 사용하여 상기 입자의 크기를 결정하는 입자 크기 결정 단계를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  2. 제 1 항에 있어서,
    상기 이미지 내의 복수 개의 입자의 크기를 결정하는 단계; 및
    복수 개의 입자에 대한 입자 크기 분포를 결정하는 단계를 더 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  3. 제 2 항에 있어서,
    매칭의 근사도(closeness)를 결정하기 위하여 상기 입자 크기 분포를 타겟 입자 크기 프로파일과 비교하는 단계를 더 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  4. 제 1 항에 있어서,
    상기 교정 마크는 수직 방향으로 연장하는 직선들을 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  5. 제 1 항에 있어서,
    상기 이미지는 상기 교정 마크에 대하여 무작위로 포지셔닝된 복수 개의 입자를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  6. 제 1 항에 있어서,
    상기 이미지는 비트맵인, 입자 크기를 결정하는 컴퓨터-구현 방법
  7. 제 1 항에 있어서,
    상기 입자 크기 결정 단계는, 입자를 포함하는 상기 이미지의 제 1 부분을 상기 이미지 내의 교정 마크를 포함하는 상기 이미지의 제 2 부분으로부터 분리하는 단계를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  8. 제 7 항에 있어서,
    상기 분리하는 단계는 크로마 범위 추출(chroma range extraction)을 사용하는 단계를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  9. 제 1 항에 있어서,
    상기 이미지 정정 단계는,
    상기 교정 마크의 공지된 실제 치수를 상기 이미지로부터 획득된 교정 마크의 치수와 비교하는 단계;
    비교에 기초하여 정정 인자를 생성하는 단계;
    상기 이미지 내의 입자의 측정을 획득하는 단계; 및
    상기 정정 인자를 사용하여 입자의 측정을 수정하는 단계를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  10. 제 1 항에 있어서,
    상기 이미지 정정 단계는, 렌즈 왜곡 및 원근 왜곡(perspective distortion) 중 적어도 하나를 정정하는 단계를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  11. 커피 분말용으로 적합한 입자 크기를 획득하는 컴퓨터-구현 방법으로서,
    교정 마크를 가지는 표면에 분산된 커피 분말의 이미지를 획득하는 단계로서, 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있는, 단계;
    정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하는 단계로서, 동일한 정정 인자가 상기 커피 분말 및 교정 마크 양자에 적용되는, 이미지 정정 단계; 및
    상기 정정된 이미지를 사용하여 상기 커피 분말에 대한 입자의 크기 범위를 결정하는 단계를 포함하는, 입자 크기를 획득하는 컴퓨터-구현 방법.
  12. 제 11 항에 있어서,
    상기 이미지는 비트맵인, 입자 크기를 획득하는 컴퓨터-구현 방법
  13. 제 11 항에 있어서,
    입자 크기의 결정 단계는,
    상기 이미지를 상기 커피 분말을 포함하는 제 1 부분 및 상기 교정 마크를 포함하는 제 2 부분으로 분리하는 단계;
    상기 교정 마크의 물리적 측정을 상기 이미지의 제 2 부분 내의 교정 마크와 비교함으로써 상기 교정 마크에 대한 정정 인자를 계산하는 단계; 및
    상기 커피 분말에 대한 정정된 입자 크기를 획득하기 위하여, 상기 교정 마크에 대한 상기 정정 인자를 상기 이미지의 제 1 부분에 적용하는 단계를 포함하는, 입자 크기를 획득하는 컴퓨터-구현 방법.
  14. 제 11 항에 있어서,
    입자 크기의 결정 단계는,
    렌즈 왜곡에 대하여 상기 이미지를 정정하는 단계; 및
    원근 왜곡에 대하여 상기 이미지를 정정하는 단계를 포함하는, 입자 크기를 획득하는 컴퓨터-구현 방법.
  15. 입자 크기를 결정하기 위한 명령을 저장하는 컴퓨터-판독가능 매체로서,
    상기 명령은:
    적어도 하나의 입자 및 교정 마크의 이미지를 획득하는 단계로서, 상기 입자 및 교정 마크는 동일한 렌즈를 사용하여 캡쳐된 바 있는, 단계;
    정정된 이미지를 생성하기 위하여, 왜곡 효과에 대하여 상기 이미지를 정정하는 단계로서, 동일한 정정 인자가 상기 입자 및 교정 마크 양자에 적용되는, 이미지 정정 단계; 및
    상기 정정된 이미지를 사용하여 상기 입자의 크기를 결정하는 입자 크기 결정 단계를 포함하는, 컴퓨터-판독가능 매체.
  16. 제 15 항에 있어서,
    상기 이미지는 비트맵인, 컴퓨터-판독가능 매체.
  17. 제 15 항에 있어서,
    상기 입자 크기 결정 단계는,
    상기 이미지를 상기 입자를 포함하는 제 1 부분 및 상기 교정 마크를 포함하는 제 2 부분으로 분리하는 단계;
    상기 교정 마크의 물리적 측정을 상기 이미지의 제 2 부분 내의 교정 마크와 비교함으로써 상기 교정 마크에 대한 정정 인자를 계산하는 단계; 및
    상기 커피 분말에 대한 정정된 입자 크기를 획득하기 위하여, 상기 교정 마크에 대한 상기 정정 인자를 상기 이미지의 제 1 부분에 적용하는 단계를 포함하는, 컴퓨터-판독가능 매체.
  18. 제 15 항에 있어서,
    상기 입자 크기 결정 단계는,
    렌즈 왜곡에 대하여 상기 이미지를 정정하는 단계; 및
    원근 왜곡에 대하여 상기 이미지를 정정하는 단계를 포함하는, 컴퓨터-판독가능 매체.
  19. 입자 크기를 결정하는 컴퓨터-구현 방법으로서,
    렌즈를 사용하여 적어도 하나의 입자의 이미지를 획득하는 단계;
    상기 이미지 내의 입자의 측정을 획득하는 단계;
    상기 렌즈와 연관되는 렌즈 왜곡 파라미터 및 원근 왜곡 파라미터를 결정하는 단계; 및
    상기 렌즈 왜곡 파라미터 및 원근 왜곡 파라미터를 사용하여 상기 입자의 측정을 수정하는 단계를 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
  20. 제 19 항에 있어서,
    상기 입자는 커피 입자이고,
    상기 입자 크기를 결정하는 컴퓨터-구현 방법은,
    추가적 분쇄가 수정된 측정을 타겟 프로파일에 더 근접하게 할 것인지를 결정하는 것을 돕도록, 상기 입자의 수정된 측정을 상기 타겟 프로파일과 비교하는 단계를 더 포함하는, 입자 크기를 결정하는 컴퓨터-구현 방법.
KR1020157026815A 2013-02-28 2014-02-28 입자 크기 결정을 위한 방법 및 장치 KR102054250B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361770743P 2013-02-28 2013-02-28
US61/770,743 2013-02-28
US14/194,154 2014-02-28
PCT/US2014/019618 WO2014134552A1 (en) 2013-02-28 2014-02-28 Method and apparatus for particle size determination
US14/194,154 US9863861B2 (en) 2013-02-28 2014-02-28 Method and apparatus for particle size determination

Publications (2)

Publication Number Publication Date
KR20150121208A true KR20150121208A (ko) 2015-10-28
KR102054250B1 KR102054250B1 (ko) 2019-12-10

Family

ID=51388203

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157026815A KR102054250B1 (ko) 2013-02-28 2014-02-28 입자 크기 결정을 위한 방법 및 장치

Country Status (11)

Country Link
US (1) US9863861B2 (ko)
EP (1) EP2962084A1 (ko)
JP (1) JP6465818B2 (ko)
KR (1) KR102054250B1 (ko)
CN (1) CN105247342B (ko)
AU (1) AU2014224054B2 (ko)
BR (1) BR112015020944B1 (ko)
CA (1) CA2903010C (ko)
HK (1) HK1218780A1 (ko)
NZ (1) NZ712230A (ko)
WO (1) WO2014134552A1 (ko)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140002662A1 (en) * 2012-06-22 2014-01-02 E. Neil Lewis Particle characterization
EP2967248A2 (en) * 2013-03-11 2016-01-20 Day, Neil M. Method and apparatus for replicating coffee flavor
US9940004B2 (en) * 2013-03-15 2018-04-10 Gregory Mayworm Methods and systems for predicting and evaluating coffee characteristics
SE537987C2 (sv) * 2014-04-07 2016-01-12 Cgrain Ab Avbildningssystem för granulärt material med homogen bakgrund
RU2653762C1 (ru) 2014-09-11 2018-05-14 Конинклейке Филипс Н.В. Способ управления процессом обжарки кофейных зерен и устройство для использования в процессе обжарки кофейных зерен
AU2015261613A1 (en) * 2014-12-18 2016-07-07 Gruppo Cimbali S.P.A. Method of analysing ground coffee
CN104794303B (zh) * 2015-04-30 2017-10-03 合肥工业大学 平面双材料圆环界面应力奇异性特征值的分析方法
CN105092452B (zh) * 2015-07-14 2017-11-07 同济大学 一种机制砂球体类似度的检测方法
AU2015101098A6 (en) * 2015-08-10 2016-03-10 Wisetech Global Limited Volumetric estimation methods, devices, & systems
AU2017204494B2 (en) * 2016-09-01 2019-06-13 Casio Computer Co., Ltd. Diagnosis assisting device, image processing method in diagnosis assisting device, and non-transitory storage medium having stored therein program
CN106596357A (zh) * 2016-11-28 2017-04-26 江苏大学 一种柴油机颗粒物形貌的表征方法
CN106645197B (zh) * 2016-12-29 2024-01-30 中国工程物理研究院激光聚变研究中心 检测精密光学元件表面颗粒物的在线检测系统及应用方法
CN107121363A (zh) * 2017-03-22 2017-09-01 华南理工大学 一种结晶工艺过程颗粒尺寸分布预测的方法
EP3724637B1 (en) * 2017-12-15 2021-11-24 Politecnico di Milano Opto-magnetic sensor device and molecular recognition system
DE102018205399B4 (de) * 2018-04-10 2021-03-18 Continental Automotive Gmbh Korrekturverfahren und Vorrichtung zur Korrektur von Bilddaten
WO2019229767A1 (en) * 2018-05-28 2019-12-05 Shukla Ashiesh A food grain profiling system
CN109452941B (zh) * 2018-11-23 2021-04-23 中国科学院自动化研究所 基于图片正畸与边界提取的肢体周径测量方法及系统
JP7269864B2 (ja) * 2019-10-21 2023-05-09 株式会社アマダ ワーク撮影画像処理装置及びワーク撮影画像処理方法
CN114430842A (zh) 2020-01-19 2022-05-03 乌迪森斯公司 使用图案化床单进行测量校准
USD937007S1 (en) 2020-07-30 2021-11-30 Udisense Inc. Bedsheet
CN113270172B (zh) * 2021-03-31 2024-02-09 正雅齿科科技(上海)有限公司 一种头颅侧位片中轮廓线的构建方法及系统
CN113109240B (zh) * 2021-04-08 2022-09-09 国家粮食和物资储备局标准质量中心 一种计算机实施的粮食不完善粒测定方法和系统
CN113820255A (zh) * 2021-09-01 2021-12-21 自然资源部第三海洋研究所 一种卵石三维粒径的测算方法以及装置
KR102646209B1 (ko) * 2022-03-28 2024-03-11 강원대학교산학협력단 이미지 분석 기반 조립질 혼합 토사 입자의 형상 특성 분석 장치 및 방법
CN116330516B (zh) * 2023-05-29 2023-08-29 乳山市东方硅胶有限公司 一种硅胶颗粒生产设备颗粒大小控制系统
US11925297B1 (en) * 2023-08-16 2024-03-12 Starbucks Corporation Calibration tool for a coffee grinder

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61250784A (ja) * 1985-04-30 1986-11-07 Fujitsu Ltd 歪補正装置
JP2002158915A (ja) * 2000-09-05 2002-05-31 Inst Of Physical & Chemical Res 画像のレンズ歪みの補正方法
JP2003275570A (ja) * 2002-03-19 2003-09-30 Kobe Steel Ltd ペレット粒径制御方法
JP2005189179A (ja) * 2003-12-26 2005-07-14 Jfe Steel Kk 粉粒体の粒度計測方法
JP2006078234A (ja) * 2004-09-07 2006-03-23 Kyoto Univ 砂礫測定装置及び測定方法
WO2011058092A2 (de) * 2009-11-13 2011-05-19 Bühler AG Vorrichtung zum bestimmen von partikelgrössen
US20110128375A1 (en) * 2009-12-02 2011-06-02 Haver & Boecker Ohg Particle measuring instrument, in particular for the analysis of grain sizes of fine and very fine bulk materials

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62182638A (ja) * 1986-02-06 1987-08-11 Babcock Hitachi Kk 輸送管中の微粉体の粒径測定装置
JP2000241120A (ja) 1999-02-23 2000-09-08 Fanuc Ltd 計測装置
AU2001230477A1 (en) 2000-02-03 2001-08-14 Alst Technical Excellence Center Active aid for a handheld camera
JP2001245133A (ja) * 2000-02-29 2001-09-07 Konica Corp 画像読取装置及び画像形成装置
US7106885B2 (en) * 2000-09-08 2006-09-12 Carecord Technologies, Inc. Method and apparatus for subject physical position and security determination
US7253743B2 (en) * 2005-02-07 2007-08-07 Cisco Technology, Inc. Techniques for identifying when to change an air filter
US20070058881A1 (en) 2005-09-12 2007-03-15 Nishimura Ken A Image capture using a fiducial reference pattern
JP5296967B2 (ja) * 2006-04-25 2013-09-25 パナソニック株式会社 ３次元形状計測装置
US9348111B2 (en) * 2010-08-24 2016-05-24 Apple Inc. Automatic detection of lens deviations

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61250784A (ja) * 1985-04-30 1986-11-07 Fujitsu Ltd 歪補正装置
JP2002158915A (ja) * 2000-09-05 2002-05-31 Inst Of Physical & Chemical Res 画像のレンズ歪みの補正方法
JP2003275570A (ja) * 2002-03-19 2003-09-30 Kobe Steel Ltd ペレット粒径制御方法
JP2005189179A (ja) * 2003-12-26 2005-07-14 Jfe Steel Kk 粉粒体の粒度計測方法
JP2006078234A (ja) * 2004-09-07 2006-03-23 Kyoto Univ 砂礫測定装置及び測定方法
WO2011058092A2 (de) * 2009-11-13 2011-05-19 Bühler AG Vorrichtung zum bestimmen von partikelgrössen
US20110128375A1 (en) * 2009-12-02 2011-06-02 Haver & Boecker Ohg Particle measuring instrument, in particular for the analysis of grain sizes of fine and very fine bulk materials

Also Published As

Publication number Publication date
JP2016511834A (ja) 2016-04-21
US9863861B2 (en) 2018-01-09
BR112015020944A2 (pt) 2017-08-22
NZ712230A (en) 2018-06-29
AU2014224054B2 (en) 2017-11-23
BR112015020944B1 (pt) 2020-12-08
CA2903010A1 (en) 2014-09-04
EP2962084A1 (en) 2016-01-06
HK1218780A1 (zh) 2017-03-10
CN105247342A (zh) 2016-01-13
WO2014134552A1 (en) 2014-09-04
JP6465818B2 (ja) 2019-02-06
AU2014224054A1 (en) 2015-10-01
US20140241590A1 (en) 2014-08-28
KR102054250B1 (ko) 2019-12-10
CA2903010C (en) 2020-01-07
CN105247342B (zh) 2018-02-23

Similar Documents

Publication Publication Date Title
KR102054250B1 (ko) 입자 크기 결정을 위한 방법 및 장치
KR101361897B1 (ko) 영상 처리 방법, 영상 처리 장치 및 스캐너
Jeon et al. Accurate depth map estimation from a lenslet light field camera
CN110717942B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN107767456A (zh) 一种基于rgb‑d相机的物体三维重建方法
CN107084680B (zh) 一种基于机器单目视觉的目标深度测量方法
US20130259403A1 (en) Flexible easy-to-use system and method of automatically inserting a photorealistic view of a two or three dimensional object into an image using a cd,dvd or blu-ray disc
CN111145134B (zh) 基于块效应的微透镜光场相机全聚焦图像生成算法
US10771776B2 (en) Apparatus and method for generating a camera model for an imaging system
US9800866B2 (en) Method for providing an estimation of a point spread function indicative of intrinsic camera blur
Lindner et al. Sub-pixel data fusion and edge-enhanced distance refinement for 2d/3d images
CN108629810B (zh) 双目相机的标定方法、装置及终端
KR102582261B1 (ko) 이미징 시스템의 점 확산 함수를 결정하는 방법
Mirzaalian Dastjerdi et al. Measuring surface area of skin lesions with 2D and 3D algorithms
CN109035170A (zh) 基于单网格图分段映射的自适应广角图像校正方法及装置
JP2011155412A (ja) 投影システムおよび投影システムにおける歪み修正方法
JP4554231B2 (ja) 歪みパラメータの生成方法及び映像発生方法並びに歪みパラメータ生成装置及び映像発生装置
Woetzel et al. Multi-Camera Real-Time Depth Estimation with Discontinuity Handling on PC Graphics Hardware.
TWI595446B (zh) 擴充實境中基於深度攝影機之遮蔽邊緣品質改善方法
KR20160049639A (ko) 부분 선형화 기반의 3차원 영상 정합 방법
CN112066876B (zh) 一种利用手机快速测量物体尺寸方法
CN111630569A (zh) 双目匹配的方法、视觉成像装置及具有存储功能的装置
Ghods et al. Document image dewarping using kinect depth sensor
Wang Automatic Detection and Sorting Algorithm for Checkerboard Corner Points
Kainth Computationally Efficient Super Resolution Algorithm

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant