Técnicas criativas de iluminação permitem imagens computacionais

Fonte da imagem: Smart Vision Lights

O conceito de imagem computacional pode ser novo para muitos, mas o valor dessa tecnologia já um tanto madura é de longo alcance. Aplicações que envolvem entrada de múltiplas imagens e múltiplas imagens de luz com imagens de saída computadas com base em algoritmos se expandiram muito além do domínio original de P&D. Essa tecnologia encontrou seu caminho para a inspeção automatizada industrial, onde o uso criativo de componentes de iluminação surgiu como uma tecnologia capacitadora que fornece recursos de imagem valiosos.

Em termos gerais, o termo "imagem computacional" pode ser aplicado a várias técnicas que empregam algoritmos para criar uma única imagem a partir de mais de uma única aquisição óptica. A pesquisa sobre imagem computacional envolve câmeras sem lente, de pixel único e até mesmo planas. As implementações de visão de máquina de imagem computacional estão muito mais maduras e os componentes e software para áreas de aplicação específicas são mais fáceis de usar do que nunca. Em dois casos de uso comuns, os dispositivos e controles de iluminação contribuem para os principais recursos de geração de imagens. Esses casos de uso são imagens fotométricas estéreo (ou forma de sombreamento), usadas para destacar recursos geométricos e imagens coloridas de alta resolução.

A imagem estéreo fotométrica está intimamente relacionada à imagem 3D. Embora não seja uma representação 3D física direta de uma cena, uma imagem estéreo fotométrica representa a forma geométrica dos recursos na imagem e a geração de imagens é implementada com muito mais facilidade. Normalmente, uma única câmera é usada e várias fontes de iluminação em várias imagens são combinadas em software que está prontamente disponível e é suportado por muitos componentes de visão de máquina e bibliotecas de software.

Fundamentalmente, o estéreo fotométrico em imagens computacionais para visão de máquina aproveita a iluminação multiangular para extrair recursos cuja altura varia das superfícies circundantes. Em uma aquisição de imagem única, os recursos aparecem brilhantes em relação à superfície próxima. Esta técnica de iluminação é amplamente utilizada na visão de máquina para detectar com eficácia as características e defeitos da superfície. No entanto, quando uma série de imagens é adquirida com iluminação proveniente de diferentes ângulos (Figura 1), as imagens resultantes podem ser combinadas usando um algoritmo de forma a partir do sombreamento para obter uma representação de imagem 3D não calibrada da altura relativa dos recursos.

Figura 1: O estéreo fotométrico em imagem computacional para visão de máquina aproveita a iluminação multiangular para extrair recursos cuja altura varia das superfícies circundantes. | Fonte da imagem: Smart Vision Lights

Ao contrário dos sistemas de imagem 3D mais complexos, a imagem estéreo fotométrica resultante geralmente é uma imagem de curvatura, não uma imagem pura de altura ou profundidade. Os dados da imagem criam uma representação em escala de cinza da geometria da superfície de recursos discretos com variação de altura localizada. Aqueles que estão mais distantes em altura ou profundidade das superfícies circundantes terão um valor de pixel de escala de cinza mais alto. Além de processar imagens de curvatura, as bibliotecas de visão avançada podem processar imagens direcionais por meio de outros algoritmos (Figura 2). Os filtros incluem textura, média, forma local, contraste local, gaussiano e albedo. Cada filtro destaca diferentes propriedades de superfície e os usuários podem escolher aquele que é melhor para sua aplicação específica.

Figura 2: A saída da imagem estéreo fotométrica varia dependendo da escolha do algoritmo de processamento. Os mesmos dados de entrada direcional são mostrados usando os algoritmos de curvatura média do Matrox Design Assistant (canto superior esquerdo), contraste local (canto superior direito), textura (canto inferior esquerdo) e curvatura gaussiana (canto inferior direito). Algoritmos adicionais incluem albedo e forma local. A escolha certa depende do objeto que está sendo fotografado e do tipo de recurso que está sendo detectado. | Fonte da imagem: Smart Vision Lights

O amplo uso da imagem estéreo fotométrica é destacar recursos em uma imagem em que o objeto ou a cena carece de conteúdo em escala de cinza, mas os recursos individuais apresentam variação geométrica em relação à superfície. Um exemplo é a geração de imagens de pneus para identificação com base em gráficos e caracteres na parede lateral. Com informações fornecidas pela representação de várias imagens, a imagem em escala de cinza pode ser processada usando ferramentas típicas de visão de máquina para executar tarefas de inspeção, como detecção de defeitos, OCR/OCV e medição. Superfícies com códigos ou caracteres em relevo ou gravados também são bons candidatos para imagens estéreo fotométricas. Da mesma forma, muitos produtos e componentes com recursos de baixo contraste, mas estrutura geométrica, podem se beneficiar dessa técnica de imagem (Figura 3).