TW201503058A - 焦點識別系統及方法 - Google Patents
焦點識別系統及方法 Download PDFInfo
- Publication number
- TW201503058A TW201503058A TW102115136A TW102115136A TW201503058A TW 201503058 A TW201503058 A TW 201503058A TW 102115136 A TW102115136 A TW 102115136A TW 102115136 A TW102115136 A TW 102115136A TW 201503058 A TW201503058 A TW 201503058A
- Authority
- TW
- Taiwan
- Prior art keywords
- focus
- discrete data
- curve
- filter
- value
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
Abstract
一種焦點識別系統,該系統包括複數模組,用於:載入多張圖像的離散資料,其中,所述離散資料包括獲取每張圖像時鏡頭的Z軸座標以及該每張圖像的清晰度的值;對上述離散資料進行濾波處理,以取得平滑的離散資料根據濾波後的離散資料計算出其中的m個極大值及n個極小值;根據所述m個極大值及n個極小值建立m個區間;及計算並輸出該每個區間的峰值,其中,每個峰值代表所述物體一個表面的焦點。
Description
本發明涉及一種影像量測系統及方法,尤其涉及一種多層表面物體的焦點識別系統及方法。
焦點的準確識別是保證圖像清晰的關鍵。焦點識別目前被廣泛應用於日常生活和工業生產中,如相機、投影儀等的自動對焦功能。目前的焦點識別技術通常只針對某物體的單一表面,且對圖像清晰度要求相對不高。
於工業生產的精密影像量測中,對透明度較高且具有多層表面的物體的尺寸測量,例如液晶顯示幕等,須要辨識該物體各層表面的焦點位置以獲取各層表面的清晰圖像,繼而處理圖像得到量測結果。利用習知的焦點識別技術很難實現。
鑒於以上內容,有必要提供一種焦點識別系統及方法,能夠識別出物體多個表面的焦點。
一種焦點識別系統,運行於計算設備中,該系統包括:資料獲取模組:用於載入多張圖像的離散資料,其中,所述離散資料包括獲取每張圖像時鏡頭的Z軸座標以及該每張圖像的清晰度的值;濾波模組:用於對上述離散資料進行濾波處理,以取得平滑的離散資料;極值計算模組:用於根據濾波後的離散資料計算出其中的m個極大值及n個極小值;區間建立模組:用於根據所述m個極大值及n個極小值建立m個區間;及焦點計算模組:用於計算並輸出該每個區間的峰值,其中,每個峰值代表所述物體一個表面的焦點。
一種焦點識別方法,運行於計算設備中,該方法包括:載入多張圖像的離散資料,其中,所述離散資料包括獲取每張圖像時鏡頭的Z軸座標以及該每張圖像的清晰度的值;對上述離散資料進行濾波處理,以取得平滑的離散資料;根據濾波後的離散資料計算出其中的m個極大值及n個極小值;根據所述m個極大值及n個極小值建立m個區間;及計算並輸出該每個區間的峰值,其中,每個峰值代表所述物體一個表面的焦點。
相較於習知技術,本發明所述之焦點識別系統及方法根據圖像清晰度和獲取各圖像時影像量測機台對應的z軸座標值擬合出清晰度-z軸座標曲線,然後根據其對應的多次項公式得到清晰度的相對極大值,從而獲取不同表面的焦點值。
1‧‧‧計算設備
2‧‧‧量測機台
3‧‧‧待量測產品
10‧‧‧焦點識別系統
11‧‧‧儲存設備
12‧‧‧處理器
13‧‧‧顯示設備
14‧‧‧清晰度計算系統
100‧‧‧資料獲取模組
101‧‧‧濾波模組
102‧‧‧極值計算模組
103‧‧‧區間建立模組
104‧‧‧焦點計算模組
20‧‧‧XY平面
21‧‧‧Z軸手臂
22‧‧‧CCD鏡頭
圖1是本發明焦點識別系統較佳實施例的運行環境示意圖。
圖2是圖1中焦點識別系統較佳實施例的功能模組圖。
圖3是本發明焦點識別方法較佳實施例的流程圖。
圖4是建立的m個區間的示意圖。
參閱圖1所示,是本發明焦點識別系統較佳實施例的運行環境示意圖。所述之焦點識別系統10運行於計算設備1上。所述計算設備1可以是電腦等具有資料處理功能的電子設備。所述之計算設備1還包括儲存設備11、處理器12,及顯示設備13等部件。
量測機台2與所述計算設備1通訊連接。所述量測機台2包括一個XY平面20及一個Z軸手臂21。所述XY平面20上放置有一個待量測產品3。所述待量測產品3可以是液晶顯示螢幕等包括多層表面的物體。所述Z軸手臂21的末端安裝有一個CCD鏡頭22。所述量測機台2藉由調節Z軸手臂21以改變CCD鏡頭22的Z軸座標,從而獲取待量測產品3多張不同清晰度的圖像。
此外,所述計算設備1還包括一個清晰度計算系統14,用於從量測機台2獲取所述不同清晰度的圖像,並計算出該每張圖像的清晰度的值。
所述之焦點識別系統10包括多個由程式段所組成的功能模組(詳見圖2),用於利用所述清晰度計算系統14計算出來的每張圖像的清晰度的值以及獲取該每張圖像時CCD鏡頭22的Z軸座標擬合出清晰度-Z軸座標曲線,然後根據其對應的多次項公式得到清晰度的相對極大值,從而獲取不同表面的焦點值。
所述儲存設備11用於儲存所述焦點識別系統10中各個程式段的程式碼。該儲存設備11可以為智慧媒體卡(smart media card)、安全數位卡(secure digital card)、快閃記憶體卡(flash card)等儲存設備。該儲存設備11還用於儲存焦點識別系統10所需的各種量測資料,如量測機台2獲取每張圖像時的CCD鏡頭22的Z軸座標以及清晰度計算系統14計算出來的每張圖像的清晰度的值。
所述處理器12用於執行所述焦點識別系統10中各個程式段的程式碼,以實現焦點識別系統10中各功能模組的功能(詳見圖3中描述)。
所述之顯示設備13用於顯示計算設備1的視覺化資料,例如,焦點識別系統10確定的待量測產品3的不同表面的焦點值。
如圖2所示,是本發明焦點識別系統較佳實施例的功能模組圖。所述之焦點識別系統10包括資料獲取模組100、濾波模組101、極值計算模組102、區間建立模組103及焦點計算模組104。
如上所述,以上各模組均以程式碼或指令的形式儲存於計算設備1的儲存設備11中或固化於該計算設備1的作業系統中,並由該計算設備1的處理器12所執行。以下結合圖3對焦點識別系統10中的各功能模組進行詳細說明。
參閱圖3所示,是本發明焦點識別方法較佳實施例的流程圖。
步驟S1,資料獲取模組100從儲存設備11中載入多張圖像的離散資料。所述離散資料包括量測機台2獲取每張圖像時的CCD鏡頭22的Z軸座標以及該每張圖像的清晰度的值。
步驟S2,濾波模組101對上述離散資料進行濾波處理。當CCD鏡頭22沿著z軸的同一個方向(正軸方向或者負軸方向)連續移動時,所獲取的圖像的清晰度的值為連續變化的數值(類似拋物線)。若獲取的圖像的清晰度的值變化過於劇烈,則可能是受到外因或量測機台2本身產生的雜訊干擾,因此需用低通濾波器(Low-Pass Filter)處理雜訊,取得平滑的清晰度數值,利於保證擬合資料的精確度。
所述低通濾波器包括移動平均濾波器(Moving average)及Savitzky-Golay濾波器。所述移動平均濾波器藉由濾波器寬度內的資料均值來代替原資料。所述Savitzky-Golay濾波器於時域內基於給定階次的多項式,藉由移動視窗利用線性最小二乘法進行擬合,從而得到濾波參數處理資料。移動平均濾波器傾向於過濾掉大部份的訊號高頻內容,僅保留波峰的較低部份,而Savitzky-Golay濾波器可以保留更多相對極大值、極小值和寬度等分佈。本發明較佳實施例採用Savitzky-Golay濾波器進行濾波處理。
所述Savitzky-Golay濾波器可由下列公式表達:
,
其中,Y是所述離散資料;frame length是濾波器窗口長度,須為奇數;degree是多項式濾波器的階次,須小於frame length;Ypred是經濾波後資料。本發明較佳實施例中,frame length=5,degree=2。
步驟S3,極值計算模組102根據濾波後的離散資料計算出其中的m個極大值及n個極小值。本發明較佳實施例中,所述n=m+1。所述極值計算模組102採用如下方法計算極大值及極小值:
假設一維陣列X為:
;
其一階導數為:
;
其二階導數為:
,
其中,所述極大值滿足,及所述極小值滿足,其中,X為所述離散資料,sign(r)為符號函數,當r>0時,返回1,當r<0時,返回-1,當r=0時,返回0。
步驟S4,區間建立模組103根據所述m個極大值及n個極小值建立m個區間。參閱圖4所示,是根據4個極大值及5個極小值建立的4個區間的示意圖。
步驟S5,焦點計算模組104從所建立的m個區間中選擇其中一個區間。
步驟S6,焦點計算模組104將所選擇的區間的離散資料利用最小二乘法擬合成一條曲線。
對於離散資料(xi
,yi
),其中,xi
為清晰度的值,yi
為Z軸座標,首先,焦點計算模組104構建如下關於x座標的V(Vandermonde)矩陣:
,其中,k=[0,1,…,n-1]。
然後,焦點計算模組104利用如下公式對該V矩陣進行QR分解和高斯消元法得到擬合曲線p(x)的多次項運算式:
;
;
,
其中,polyco=[p1,p2,…,pn+1]代表擬合曲線公式的常數項,V代表Vandermonde矩陣,Q,R矩陣則代表QR分解後生成的正交矩陣和上三角矩陣,是正交矩陣Q的轉置。
步驟S7,焦點計算模組104判斷所擬合的曲線的擬合優度是否達到了預設的要求。擬合優度是表徵擬合曲線p(x)擬合程度的變數。本發明較佳實施例中,所述擬合優度採用如下兩種形式:誤差平方和(Sum of Squares Due to Error,又稱(SSE))及確定係數(R-square,又稱(R2
))。
所述SSE表示擬合曲線p(x)與原離散資料的偏差的平方和,利用如下公式計算:
,
其中wi
是權數(weights),決定每個點對最終評估結果的影響,一般於離散資料中可表達為:
,
其中,SSE值愈趨於0說明擬合程度愈好。
所述R2
,定義為SSR(Sum of Squares of Regression)和SST(Total Sum of Squares)的商。其中,SSR為擬合資料與原離散資料均值的差平方和;SST為原離散資料與均值的差平方和,且SST=SSR+SSE,其中:
,
,
。
其中,R2
的值域為(0,1),且愈接近1,說明擬合程度亦愈好。
本發明較佳實施例中,所述SSE值的擬合優度的預設值為小於2,所述R2
的擬合優度的預設值為大於0.98。
於步驟S7中,若判斷結果為所擬合的曲線的擬合優度沒有達到預設的要求,則流程返回步驟S6,焦點計算模組104將所選擇的區間的離散資料採用升一個階次的方法利用最小二乘法重新擬合一條曲線。於步驟S7中,若判斷結果為所擬合的曲線的擬合優度達到了預設的要求,則流程執行下述的步驟S8。
步驟S8,焦點計算模組104獲取該擬合曲線的多次項運算式以及該擬合曲線的峰值,並儲存至儲存設備11中。
步驟S9,焦點計算模組104判斷是否還有待選擇的區間。其中,若步驟S4中建立的區間有任何一個沒有被選擇過,則焦點計算模組104判斷還有待選擇的區間,流程返回步驟S5,焦點計算模組104選擇下一個區間。否則,若步驟S4中建立的區間均已經被選擇過,則焦點計算模組104判斷不存在待選擇的區間,流程執行下述的步驟S10。
步驟S10,焦點計算模組104於顯示設備13中輸出所有峰值,其中,每個峰值代表待量測產品3的一個表面的焦點。
綜上所述,本發明符合發明專利要件,爰依法提出專利申請。惟,以上所述者僅爲本發明之較佳實施例,本發明之範圍並不以上述實施例爲限,舉凡熟悉本案技藝之人士爰依本發明之精神所作之等效修飾或變化,皆應涵蓋於以下申請專利範圍內。
無
10‧‧‧焦點識別系統
100‧‧‧資料獲取模組
101‧‧‧濾波模組
102‧‧‧極值計算模組
103‧‧‧區間建立模組
104‧‧‧焦點計算模組
Claims (10)
- 一種焦點識別方法,運行於計算設備中,用於識別多層表面物體的每一層表面的焦點,該方法包括:
資料獲取步驟:載入多張圖像的離散資料,其中,所述離散資料包括獲取每張圖像時鏡頭的Z軸座標以及該每張圖像的清晰度的值;
濾波步驟:對上述離散資料進行濾波處理,以取得平滑的離散資料;
極值計算步驟:根據濾波後的離散資料計算出其中的m個極大值及n個極小值;
區間建立步驟:根據所述m個極大值及n個極小值建立m個區間;及
焦點計算步驟:計算並輸出該每個區間的峰值,其中,每個峰值代表所述物體一個表面的焦點。 - 如申請專利範圍第1項所述之焦點識別方法,所述濾波步驟採用Savitzky-Golay濾波器進行濾波處理,所述Savitzky-Golay濾波器的公式表達為:
;
其中,Y是所述離散資料;frame length是濾波器窗口長度,須為奇數;degree是多項式濾波器的階次,須小於frame length;Ypred是經濾波後的資料。 - 如申請專利範圍第1項所述之焦點識別方法,所述極值計算步驟採用如下的方法計算極大值及極小值:
一維陣列;
其一階導數為:;
其二階導數為:
;
其中,所述極大值滿足,及所述極小值滿足;其中,X為所述離散資料,sign(r)為符號函數,當r>0時,返回1,當r<0時,返回-1,當r=0時,返回0。 - 如申請專利範圍第1項所述之焦點識別方法,焦點計算步驟包括:
從所建立的m個區間中選擇其中一個區間;
將所選擇的區間的離散資料利用最小二乘法擬合成一條曲線;
當所擬合的曲線的擬合優度沒有達到預設的要求時,採用升一個階次的方法利用最小二乘法重新擬合一條曲線;及
當所擬合的曲線的擬合優度達到了預設的要求時,將擬合曲線的多次項運算式以及該擬合曲線的峰值儲存一個儲存設備中。 - 如申請專利範圍第4項所述之焦點識別方法,所述擬合優度表徵擬合曲線p(x)擬合程度的變數,包括誤差平方和及確定係數,其中:
所述誤差平方和SSE表示擬合曲線p(x)與原離散資料的偏差的平方和,利用如下公式計算:
,
;
所述確定係數R2利用如下公式計算:
,
,
。 - 一種焦點識別系統,運行於計算設備中,用於識別多層表面物體的每一層表面的焦點,該系統包括:
資料獲取模組:用於載入多張圖像的離散資料,其中,所述離散資料包括獲取每張圖像時鏡頭的Z軸座標以及該每張圖像的清晰度的值;
濾波模組:用於對上述離散資料進行濾波處理,以取得平滑的離散資料;
極值計算模組:用於根據濾波後的離散資料計算出其中的m個極大值及n個極小值;
區間建立模組:用於根據所述m個極大值及n個極小值建立m個區間;及
焦點計算模組:用於計算並輸出該每個區間的峰值,其中,每個峰值代表所述物體一個表面的焦點。 - 如申請專利範圍第6項所述之焦點識別系統,所述濾波模組採用Savitzky-Golay濾波器進行濾波處理,所述Savitzky-Golay濾波器的公式表達為:
,
其中,Y是所述離散資料;frame length是濾波器窗口長度,須為奇數;degree是多項式濾波器的階次,須小於frame length;Ypred是經濾波後的資料。 - 如申請專利範圍第6項所述之焦點識別系統,所述極值計算模組採用如下的方法計算極大值及極小值:
一維陣列;
其一階導數為:;
其二階導數為:
;
其中,所述極大值滿足,及所述極小值滿足;其中,X為所述離散資料,sign(r)為符號函數,當r>0時,返回1,當r<0時,返回-1,當r=0時,返回0。 - 如申請專利範圍第6項所述之焦點識別系統,所述焦點計算模組計算並輸出每個區間的峰值的方法如下:
從所建立的m個區間中選擇其中一個區間;
將所選擇的區間的離散資料利用最小二乘法擬合成一條曲線;
當所擬合的曲線的擬合優度沒有達到預設的要求時,採用升一個階次的方法利用最小二乘法重新擬合一條曲線;及
當所擬合的曲線的擬合優度達到了預設的要求時,將擬合曲線的多次項運算式以及該擬合曲線的峰值儲存一個儲存設備中。 - 如申請專利範圍第9項所述之焦點識別系統,所述擬合優度表徵擬合曲線p(x)擬合程度的變數,包括誤差平方和及確定係數,其中:
所述誤差平方和SSE表示擬合曲線p(x)與原離散資料的偏差的平方和,利用如下公式計算:
,
;
所述確定係數R2利用如下公式計算:
,
,
。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310141838.8A CN104123430B (zh) | 2013-04-23 | 2013-04-23 | 焦点识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201503058A true TW201503058A (zh) | 2015-01-16 |
TWI557689B TWI557689B (zh) | 2016-11-11 |
Family
ID=51728697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102115136A TWI557689B (zh) | 2013-04-23 | 2013-04-26 | 焦點識別系統及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9549114B2 (zh) |
CN (1) | CN104123430B (zh) |
TW (1) | TWI557689B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI241535B (en) * | 2001-12-28 | 2005-10-11 | Inventec Corp | Focusing method for a moving object |
JP2005017805A (ja) * | 2003-06-27 | 2005-01-20 | Mitsutoyo Corp | 画像測定装置のフォーカス検出方法、フォーカス検出機構、およびこのフォーカス検出機構を備えた画像測定装置 |
US7526192B2 (en) * | 2004-10-07 | 2009-04-28 | Hoya Corporation | Focus detection method and focus detection apparatus |
JP4182117B2 (ja) * | 2006-05-10 | 2008-11-19 | キヤノン株式会社 | 撮像装置及びその制御方法及びプログラム及び記憶媒体 |
TW200825985A (en) * | 2006-12-01 | 2008-06-16 | Hon Hai Prec Ind Co Ltd | System and method for image focus synthesizing |
CN101762232B (zh) * | 2008-12-23 | 2012-01-25 | 鸿富锦精密工业(深圳)有限公司 | 多重表面对焦系统及方法 |
JP5675157B2 (ja) * | 2009-05-12 | 2015-02-25 | キヤノン株式会社 | 焦点検出装置 |
-
2013
- 2013-04-23 CN CN201310141838.8A patent/CN104123430B/zh not_active Expired - Fee Related
- 2013-04-26 TW TW102115136A patent/TWI557689B/zh not_active IP Right Cessation
-
2014
- 2014-04-11 US US14/250,975 patent/US9549114B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20140313323A1 (en) | 2014-10-23 |
US9549114B2 (en) | 2017-01-17 |
CN104123430A (zh) | 2014-10-29 |
CN104123430B (zh) | 2018-12-07 |
TWI557689B (zh) | 2016-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10008005B2 (en) | Measurement system and method for measuring multi-dimensions | |
CN108381549B (zh) | 一种双目视觉引导机器人快速抓取方法、装置及存储介质 | |
CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
EP3676802B1 (en) | Image processing device that utilizes built-in dynamic camera models to support rapid determination of camera intrinsics and method of operating same | |
US20100063612A1 (en) | System and method for the on-machine 2-d contour measurement | |
CN110268221B (zh) | 线绳测量装置和线绳测量方法 | |
CN108156359A (zh) | 智能工业相机 | |
US9681118B2 (en) | Method and system for recalibrating sensing devices without familiar targets | |
CN111311671B (zh) | 一种工件测量方法、装置、电子设备及存储介质 | |
CN113916156B (zh) | 一种高速高精度三维检测系统及方法 | |
US11512946B2 (en) | Method and system for automatic focusing for high-resolution structured light 3D imaging | |
JP2004317245A (ja) | 距離検出装置、距離検出方法、及び距離検出プログラム | |
CN110207842B (zh) | 亚像素级边缘效应的修正方法及终端设备 | |
CN111829439B (zh) | 一种高精度平移测量方法及装置 | |
TWI557689B (zh) | 焦點識別系統及方法 | |
CN110298834B (zh) | 像素级边缘效应的修正方法及终端设备 | |
CN105115420A (zh) | 大画面检测方法 | |
KR101741501B1 (ko) | 카메라와 객체 간 거리 추정 장치 및 그 방법 | |
CN105451009A (zh) | 一种信息处理方法及电子设备 | |
CN115018922A (zh) | 畸变参数标定方法、电子设备和计算机可读存储介质 | |
CN109540745B (zh) | 一种精密形态检测系统及检测方法 | |
CN208623750U (zh) | 智能工业相机 | |
CN114674276B (zh) | 测距方法、机器视觉系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |