TW202030477A - 提取物件表面凹印的方法 - Google Patents

Abstract

一種提取物件表面凹印的方法，包括步驟：對一物件進行掃描；依據一掃描結果產生一影像；將該影像沿二維方向分割為數個區塊；將每個區塊設為一目標區塊，每個目標區塊鄰接數個外圍區塊，計算每個目標區塊與每個外圍區塊之間的一塊間相似度；依據每個目標區塊的所有塊間相似度與一差異轉換函數產生每個目標區塊的數個塊間差異度，依據該些塊間差異度與該些外圍區塊的數量計算每個目標區塊的一凹印係數；及依據每個目標區塊的凹印係數提取至少一目標區塊作為至少一凹印區塊。

Description

提取物件表面凹印的方法

本發明係關於一種影像處理方法，特別是關於一種提取物件表面凹印的方法。

在物件生產流程中，如果不便使用標籤作為識別物，通常會以高壓或高溫方式在物件表面留下凹印(如印字或圖案等)，以利識別不同物件。此外，由於人工識別效率低且錯誤率不佳，故逐漸發展出自動識別系統。

以鋼胚表面的凹印字元為例，習知鋼胚三維表面掃描方法係以三角雷射光學量測方法掃描出鋼胚截面起伏的影像，利用起伏變化資訊辨識鋼胚表面的凹印區域，習知方法是以測量所得的資料產生全域統計直方圖，利用直方圖找出凹印所在處的數值聚集區域，推測凹印所在處的偵測數值分布範圍，提取影像中屬於此數值範圍的像素區域進行分析。

然而，由於統計直方圖不利於平行運算，故上述習知方法不僅耗時且可靠度不足；再者，因為鋼胚自然斷面有不同表面凹凸分佈，若在截面傾斜情況下，使用全域直方圖會使凹印區域與全域的表面數值混雜，不利於突顯凹印區域的數值叢聚性，造成無法有效提取凹印字元區域。

有鑑於此，有必要解決習知技術所存在的問題。

本發明之一目的在於提供一種提取物件表面凹印的方法，其係利用局部區域特徵間的差異性與關聯性尋找凹印可能出現位置，以便去除全域變化對區域特徵的影響，進而提升凹印提取的有效性。

為達上述之目的，本發明一實施例提供一種提取物件表面凹印的方法，該方法可由一電子系統執行，該電子系統可包括一控制裝置、 一儲存裝置及一掃描裝置，該控制裝置電性連接該儲存裝置及該掃描裝置，該儲存裝置儲存能使該控制裝置執行動作的至少一指令及執行過程所需的資料與所產生的資料，該方法可包括：一掃描步驟，由該控制裝置致使該掃描裝置對一物件進行掃描；一成像步驟，由該控制裝置或該掃描裝置依據一掃描結果產生一影像；一分區步驟，由該控制裝置將該影像沿二維方向分割為數個區塊；一分析步驟，由該控制裝置對每個區塊分別進行：將該區塊設為一目標區塊，該目標區塊鄰接數個外圍區塊，計算該目標區塊與每個外圍區塊之間的一塊間相似度；一轉換步驟，由該控制裝置對每個目標區塊分別進行：將每個目標區塊的所有塊間相似度分別帶入一差異轉換函數，以產生每個目標區塊的數個塊間差異度，依據該些塊間差異度產生一合計值，將該合計值依據該些外圍區塊的一數量計算一平均值，作為每個目標區塊的一凹印係數；及一取印步驟，由該控制裝置依據每個目標區塊的凹印係數提取至少一目標區塊作為至少一凹印區塊。

在本發明之一些實施例中，在該轉換步驟，由該控制裝置依據該些塊間差異度與該目標區塊的一印區機率的乘積產生該合計值。

在本發明之一些實施例中，在該轉換步驟，該印區機率係依據多個影像中的已知凹印區域與已知非凹印區域以一支撐向量機演算法計算所得。

在本發明之一些實施例中，在該轉換步驟，該印區機率係依據數個影像中的數個已知凹印區域與數個已知非凹印區域以一K近鄰演算法與一高斯模型計算所得。

在本發明之一些實施例中，在該轉換步驟，該印區機率係依據數個影像中的數個已知凹印區域與數個已知非凹印區域以一卷積深度學習網路演算法計算所得。

在本發明之一些實施例中，在該分析步驟及該轉換步驟，該控制裝置依據該目標區塊的順序計算每個目標區塊的塊間相似度及塊間差異度。

在本發明之一些實施例中，在該分析步驟及該轉換步驟，該控制裝置平行計算每個目標區塊的塊間相似度及塊間差異度。

在本發明之一些實施例中，在該分區步驟，該控制裝置對每個區塊給予一個二維座標；及在該取印步驟，該控制裝置依據每個目標區塊的凹印係數及該二維座標提取至少一目標區塊作為至少一凹印區塊，並在該影像中產生至少一標記。

本發明藉由上述步驟，可以自動地找出胚料(如鋼胚)表面的凹印出現機率高的部分組成凹印區域，以便進一步利用文字辨識等技術取得該凹印區域的文字或圖案內容，本發明還可進行平行運算，具有正確性佳及處理效率高等功效，相較於習知方法，可以提升胚料辨識效率並降低人眼辨識誤差。

B‧‧‧區塊

B1‧‧‧目標區塊

B2‧‧‧外圍區塊

S1‧‧‧掃描步驟

S2‧‧‧成像步驟

S3‧‧‧分區步驟

S4‧‧‧分析步驟

S5‧‧‧轉換步驟

S6‧‧‧取印步驟

第1圖：本發明一實施例之提取物件表面凹印的方法之流程示意圖。

第2圖：本發明一實施例之區塊示意圖。

第3圖：本發明一實施例之目標區塊與外圍區塊的示意圖。

第4a圖：本發明一實施例之實驗過程影像(一)。

第4b圖：本發明一實施例之實驗過程影像(二)。

第4c圖：本發明一實施例之實驗過程影像(三)。

第4d圖：本發明一實施例之實驗過程影像(四)。

第4e圖：本發明一實施例之實驗過程影像(五)。

第4f圖：本發明一實施例之實驗過程影像(六)。

為了讓本發明之上述及其他目的、特徵、優點能更明顯易懂，下文將特舉本發明較佳實施例，並配合所附圖式，作詳細說明如下。再者，本發明所提到的方向用語，例如上、下、頂、底、前、後、左、右、內、外、側面、周圍、中央、水平、橫向、垂直、縱向、軸向、徑向、最上層或最下層等，僅是參考附加圖式的方向。因此，使用的方向用語是用以說明及理解本發明，而非用以限制本發明。

請參照第1圖所示，本發明一實施例之提取物件表面凹印的方法可包括一掃描步驟S1、一成像步驟S2、一分區步驟S3、一分析步驟 S4、一轉換步驟S5及一取印步驟S6。

具體地，該方法實施例可由一電子系統執行，例如：該電子系統可包括一控制裝置、一儲存裝置及一掃描裝置，該控制裝置可為具備資料處理功能的裝置，如微控制器、微處理器或特殊應用積體電路(ASIC)等；該儲存裝置可為具備資料儲存功能的裝置，如記憶體或資料庫等；該掃描裝置可為具影像攝取功能的裝置，如：三角雷射光學掃描器或結構光形式的三維掃描裝置等，該控制裝置電性連接該儲存裝置及該掃描裝置，該儲存裝置儲存能使該控制裝置執行動作的至少一指令及執行過程所需的資料與所產生的資料。其中，該控制裝置、儲存裝置及掃描裝置的運作方式係本發明所屬技術領域中具有通常知識者可以理解，在此容不贅述。

如第1圖所示，該掃描步驟S1可由該控制裝置致使該掃描裝置對一物件(例如：可為鋼胚或模胚等胚材)進行掃描。後續僅以鋼胚為例說明，惟不以此為限；例如：可利用該掃描裝置對該物件進行多維度掃描，並將結果傳送到該控制裝置。藉此，可由該掃描裝置取得具備該物件之表面特徵的資料。

如第1圖所示，該成像步驟S2可由該控制裝置或該掃描裝置依據一掃描結果產生一影像，例如：該控制裝置可將掃描後產生的資料進行二維排列，以產生該影像，但不以此為限，該影像也可由該掃描裝置產生後傳送到該控制裝置。藉此，可以依據該物件之表面特徵的資料取得該物件的一表面影像，作為後續提取該物件上的一凹印(例如：鋼胚上的印字或圖案等)之依據。

如第1及2圖所示，該分區步驟S3可由該控制裝置將該影像沿二維方向分割為數個區塊B，例如：該區塊B為含括許多像素的區塊。藉此，可將整個影像係分為多個局部特徵，以利進行後續分析。其中，該控制裝置可對每個區塊B給予一個二維座標，如：(x,y)等。

如第1及3圖所示，該分析步驟S4可由該控制裝置對每個區塊B分別進行：將該區塊B設為一目標區塊B1，每個目標區塊B1鄰接數個外圍區塊B2，計算該目標區塊B1與每個外圍區塊B2之間的一塊間相似度Sim(x,y)，該塊間相似度可以表示二相鄰區塊間具關聯性的程度，例 如：不具凹印的區塊間彼此的塊間相似度(關聯性)高。

舉例而言，如第3圖所示，該外圍區塊B2為在該目標區塊B1周圍，例如：與該目標區塊B1的任一邊緣或角落連接的區塊B，通常每個目標區塊B1與8個方向的外圍區塊B2鄰接，但位於影像邊緣處的目標區塊B1鄰接外圍區塊B2則少於八個，例如：3或5個；該塊間相似度Sim(x,y)的計算方式可為一互相關(Cross correlation)函數或一空間距離函數(例如：|x-y|/sqrt(|x-y|)|，x及y為二維座標)，其計算方式係所屬技術領域中具有通常知識者可以理解，在此容不贅述。。

如第1圖所示，在一些實施例中，在該分析步驟S4中，該控制裝置可依序或平行計算每個目標區塊的該些塊間相似度。

如第1及3圖所示，該轉換步驟S5可由該控制裝置對每個目標區塊B1分別進行：將每個目標區塊B1的所有塊間相似度Sim(x,y)分別帶入一差異轉換函數G(．)，以產生每個目標區塊B1的數個塊間差異度G(Sim(x,y))，依據該些塊間差異度G(Sim(x,y))產生一合計值Σ G(Sim(x,y))，將該合計值依據該些外圍區塊的一數量(例如：N=8個)計算一平均值，作為每個目標區塊B1的一凹印係數，如下所示：

其中，P(x,y)為二維座標(x,y)的目標區塊B1的凹印係數。

舉例而言，在該轉換步驟S5，該差異轉換函數G(．)是可採用反向轉換或正規化的演算法進行計算，例如：可採用反函數或反sigmoid函數等，用來將該目標區塊B1與周圍區塊之間的塊間相似度轉換成區塊間的塊間差異度，該塊間差異度與區塊間出現凹印的程度呈正相關。詳言之，由於在一影像中，區塊間具有凹印與不具凹印的特性相反，例如：不具凹印的區塊間的塊間相似度高(即差異度低)，如區塊間的塊間差異度低，則該處區塊出現凹印的可能性低；反之，如區塊間的塊間差異度高，則該處區塊出現凹印的可能性高。因此，該差異轉換函數G(．)計算結果的值(即塊間差異度)越低代表塊間相似度(區塊間具關聯性的程度)越高(即區塊間越有關聯)，例如：位置同為非凹印區塊；另一方面，該差異轉換函數G(．)的值(即 塊間差異度)越高代表塊間相似度(區塊間具關聯性的程度)越低(即區塊間越無關聯)，例如：可能出現凹印區塊。

在一實施例中，該控制裝置還可進一步依據該目標區塊B1的塊間差異度G(Sim(x,y))與該目標區塊B1的一印區機率V(x,y)的乘積產生該合計值Σ G(Sim(x,y))×V(x,y)，據此，該凹印係數將對應如下所示：

其中，該印區機率V(x,y)為收集具有凹印的大量影像後，對該些影像中的凹印位置進行統計，而產生凹印在該些影像中的不同位置發生的機率，可用於進一步提升後續成功找到凹印的準確度；另，由於可能出現凹印區塊的區塊間特性為該塊間差異度高(即塊間相似度低)，因此，可僅採用該塊間差異度高(即塊間相似度低)處的區塊進一步進行上述印區機率的乘積計算，無須將所有區塊與印區機率進行計算，以利有效減少數據運算量。以下舉例說明該印區機率的多個實施態樣，惟不以此為限， 應被理解的是，該印區機率可依據多個影像中的已知凹印區域與已知非凹印區域以一支撐向量機(Support Vector Machine)演算法計算所得，例如：可事先收集多個具有凹印字區的影像，如：訓練一支撐向量機，可以得到一分類器，用以計算其屬於其中一類的比率。

應被理解的是，該印區機率(如出現印字的機率等)還可依據數個影像中的數個已知凹印區域與數個已知非凹印區域以一K近鄰(K-nearest neighborhood)演算法與一高斯模型(Gaussian model)計算所得，如：將這些印字區域和非印字區域散佈在空間，當一樣本進入，可以計算其週邊和其最近的k個樣本點，當最近樣本點屬於其中一類較多，則就屬於那一類，然後再使用高斯分佈去計算屬於這類的機率數值。

應被理解的是，該印區機率還可依據數個影像中的數個已知凹印區域與數個已知非凹印區域以一卷積深度學習網路(Convolutional neural network)演算法計算所得，如：利用大量資料，訓練一深度學習網路進行分類，即可得到一網絡具分辨是否為印字區域資料之能力。

如第1圖所示，該取印步驟S6可由該控制裝置依據每個目 標區塊的凹印係數提取至少一目標區塊作為至少一凹印區塊，例如：提取該凹印係數大於一門檻值(如0.5至0.9之間的數值)的目標區塊作為該凹印區塊。

在一實施例中，如第1及3圖所示，在該取印步驟S6，該控制裝置可依據每個目標區塊B1的凹印係數及該二維座標提取至少一目標區塊B1作為至少一凹印區塊，並在該影像中產生至少一標記，如各式框線、各式叉號或其他符號，以利使用者進行識別。

以下舉例說明本發明上述實施例的實驗過程，以在鋼胚上的凹印文字為例，惟不以此為限。在執行該掃描步驟、成像步驟、分區步驟、分析步驟、轉換步驟及取印步驟過程中，可取得一示例影像的局部區塊的差異轉換函數G(Sim(x,y))的值，如表一所示。

舉例而言，如第4a圖所示，在一張影像中對應示出可能的凹印區塊(如圖中以粗線框出的多個區塊的區域，G(Sim(x,y))高(即低關聯性(即該塊間相似度低))的區塊。接著，如第4b圖所示，還可使用簡單影像處理方法去除“凹印出現可能性低”的區塊，例如：未與任何區塊連接的單獨區塊(如圖中以實線交叉符號“╳”標示的區塊)。接著，如第4c圖所示，如使用上述無印區機率V(x,y)的實施例，還可使用幾何外形判斷是否可能為凹印區塊(如在圖中以虛線框出的區塊)，如果區塊整體過大或過小皆屬於應排除的對象。如第4d圖所示，僅標示出二區塊的G(Sim(x,y))=0.5127、0.3874為例，其餘區塊的G(Sim(x,y))函數值可參考表一所示；如 使用上述有印區機率V(x,y)的實施例，還可僅將取得低關聯性(即該塊間相似度低、該塊間差異度高)的區塊乘上該印區機率V(x,y)，不需要計算整張圖所有區塊之V(x,y)，從而可以減少數據運算量，該印區機率V(x,y)過小(如低於一門檻值)的區塊(如第4d圖所示的V(x,y)=0.2106可以考慮排除作為凹印區域。從而，如第4e圖所示，還可再進一步排除一些印區機率V(x,y)過小而考慮排除作為凹印區域的區塊(如圖中以虛線交叉符號“╳”標示的區塊)。最後，如第4f圖所示，可取得至少一凹印區塊(如圖中以虛線框出的區域內排除虛線交叉符號的區塊)。

此外，由於該凹印區塊通常會有叢聚性，亦可使用此特性以幾何方式判定多個區塊中的哪個凹印區塊為印字區域，例如：單一區塊為印字區域的機率較低，可予以排除。

本發明上述實施例藉由上述步驟，可以自動地找出胚料(如鋼胚)表面的凹印出現機率高的部分組成凹印區域，以便進一步利用文字辨識等技術取得該凹印區域的文字或圖案內容，本發明上述實施例還可進行平行運算，具有正確性佳及處理效率高等功效，相較於習知方法，可以提升胚料辨識效率並降低人眼辨識誤差。

雖然本發明已以較佳實施例揭露，然其並非用以限制本發明，任何熟習此項技藝之人士，在不脫離本發明之精神和範圍內，當可作各種更動與修飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

S1‧‧‧掃描步驟

S2‧‧‧成像步驟

S3‧‧‧分區步驟

S4‧‧‧分析步驟

S5‧‧‧轉換步驟

S6‧‧‧取印步驟

Claims (8)

1. 一種提取物件表面凹印的方法，該方法係由一電子系統執行，該電子系統包括一控制裝置、一儲存裝置及一掃描裝置，該控制裝置電性連接該儲存裝置及該掃描裝置，該儲存裝置儲存能使該控制裝置執行動作的至少一指令及執行過程所需的資料與所產生的資料，該方法包括：一掃描步驟，由該控制裝置致使該掃描裝置對一物件進行掃描；一成像步驟，由該控制裝置或該掃描裝置依據一掃描結果產生一影像；一分區步驟，由該控制裝置將該影像沿二維方向分割為數個區塊；一分析步驟，由該控制裝置對每個區塊分別進行：將該區塊設為一目標區塊，該目標區塊鄰接數個外圍區塊，計算該目標區塊與每個外圍區塊之間的一塊間相似度；一轉換步驟，由該控制裝置對每個目標區塊分別進行：將每個目標區塊的所有塊間相似度分別帶入一差異轉換函數，以產生每個目標區塊的數個塊間差異度，依據該些塊間差異度產生一合計值，將該合計值依據該些外圍區塊的一數量計算一平均值，作為每個目標區塊的一凹印係數；及一取印步驟，由該控制裝置依據每個目標區塊的凹印係數提取至少一目標區塊作為至少一凹印區塊。
2. 如申請專利範圍第1項所述之提取物件表面凹印的方法，其中在該轉換步驟，由該控制裝置依據該些塊間差異度與該 目標區塊的一印區機率的乘積產生該合計值。
3. 如申請專利範圍第2項所述之提取物件表面凹印的方法，其中在該轉換步驟，該印區機率係依據多個影像中的已知凹印區域與已知非凹印區域以一支撐向量機演算法計算所得。
4. 如申請專利範圍第2項所述之提取物件表面凹印的方法，其中在該轉換步驟，該印區機率係依據數個影像中的數個已知凹印區域與數個已知非凹印區域以一K近鄰演算法與一高斯模型計算所得。
5. 如申請專利範圍第2項所述之提取物件表面凹印的方法，其中在該轉換步驟，該印區機率係依據數個影像中的數個已知凹印區域與數個已知非凹印區域以一卷積深度學習網路演算法計算所得。
6. 如申請專利範圍第1項所述之提取物件表面凹印的方法，其中在該分析步驟及該轉換步驟，該控制裝置依據該目標區塊的順序計算每個目標區塊的塊間相似度及塊間差異度。
7. 如申請專利範圍第1項所述之提取物件表面凹印的方法，其中在該分析步驟及該轉換步驟，該控制裝置平行計算每個目標區塊的塊間相似度及塊間差異度。
8. 如申請專利範圍第1項所述之提取物件表面凹印的方法，其中在該分區步驟，該控制裝置對每個區塊給予一個二維座標；及在該取印步驟，該控制裝置依據每個目標區塊的凹印係數及該二維座標提取至少一目標區塊作為至少一凹印區塊，並在該影像中產生至少一標記。

Images