visão computacional

Visão Computacional

Alessandro L. Koerich

Programa de Pós-Graduação em Engenharia ElétricaUniversidade Federal do Paraná (UFPR)

Iluminação

Visão Computacional 2010 alessandro.koerich@ufpr.br

Iluminação

• Uma iluminação não apropriada causa problemas de:– Resolução– Contraste

• A qualidade desejada da imagem pode geralmente ser atingida melhorando a iluminação ao invés de modificar resolução da câmera, lentes e software.

• A intensidade de luz apropriada na imagem depende diretamente da seleção dos componentes.

Iluminação

• Cada componente afeta a quantidade de luz incidente sobre o sensor e afeta, portanto, a qualidade da imagem

• Lentes:– A abertura (f/#) das lentes tem um impacto direto sobre a

quantidade de luz incidente na câmera.– A iluminação deve ser aumentada a medida em que a abertura

das lentes é diminuída. (i.e. alto f/#).

• Câmeras:– A sensibilidade mínima da câmera é também importante para

determinar a mínima quantidade de luz necessária.– Os ajustes da câmera (ganho, exposição, etc.) afetam a

sensibilidade do sensor.

Iluminação

• A abertura das lentes, ampliação do sistema, ajustes da câmera, filtragem e outros parâmetros de iluminação irão afetar a luz incidente sobre o sensor.

• Estes fatores precisam ser ajustados para acomodar objetos com diferentes características (perfil, refletividade, etc.).

Cor da Iluminação

• A escolha da cor da iluminação depende:– Da cor do objeto sendo visualizado– Da sensibilidade do sensor CCD/CMOS

• Um sensor colorido geralmente necessita de uma fonte de luz branca.

• Aplicações em níveis de cinza pode se beneficiar do emprego de luz colorida.

Cor da Iluminação

• Cores podem ser divididas em quentes e frias– Quentes : vermelha, amarela e laranja– Frias: verde, azul e violeta

• Para criar contraste, tipos opostos devem ser empregados:– Uma luz de cor quente aplicada sobre um objeto de

coloração fria irá escurecer o objeto.– Uma luz de cor quente aplicada sobre um objeto de

coloração quente irá iluminá-lo.

Cor da Iluminação

• O maior contraste é obtido quando usamos cores diretamente opostas no disco abaixo.

• Exemplo: luz verde sobre um objeto vermelho irá escurecer o objeto mais do que qualquer outra cor de luz.

Cor da Iluminação

• Exemplo: contraste melhorado em uma câmera monocromática usando luz vermelha, branca e verde.

Visão Computacional 2010 alessandro.koerich@ufpr.br20052005 1010

Fontes de Luz

• LED - Light Emitting Diode• Quartz Halogen – W/ Fiber Optics• Fluorescente• Metal Halide (Microscopy)• Xenon• Sódio de Alta Pressão• Ultravioleta (Luz negra)• Infra-Vermelha (IR)• Eletro-luminescente

Comparação das Fontes de Luz

A fonte de luz com o “maior envelope” deve ser a mais versátil!

Intensidade de Iluminação X Espectro

Comprimento de Onda (nm)

300 400 500 600 7000

Daytime Sunlight

Mercury (Purple)Quartz Halogen / Tungsten

XenonWhite LED

Red LED

Fluorescent

400 nm 500 nm 600 nm 700 nm

390 735

Faixa Visual Humana

Freqüência diminuindo

Energia fotonica diminuindo

Comprimento de onda aumentando

Profundidade de penetração aumentando

Espectro Visível

• Enquanto o comprimento de onda da luz aumenta, os níveis de energia por fóton diminui. Luz UV é mais letal Luz Negra (UV-A) 315 nm a 400 nm.

• Luz UV na faixa 280nm a 315nm (UV-B) é a mais perigosa ao tecido do olho.

• UV-C (100nm a 280nm), é a que possi mais energia. É absorvida na atmosfera.

• Near IR (720nm a 1100nm) é usada normalmente em aplicações de segurança.

• Far IR (>1100nm) é chamada de termal ou assinatura de calor.

• Luz IR é mais difícil de focar e difundir. Em razão de seu maior comprimento de onda, penetra mais nos materiais

• Luz UV pode interagir ou ser completamente absorvida pelo material das lentes (lentes especiais)

400 nm 500 nm 600 nm 700 nm

390 455 470 505 520 595 625 660 695 735

Faixa Visual Humana

Espectro Visível

• A luz é vista diferentemente por um filme fotográfico, pelos humanos e pelos CCDs!

Espectro Visível

• Um sensor CCD possui uma resposta mais linear à luz.

• O sensor CCD reproduz mais fielmente as intensidades de luz reais entre preto e branco.

• Filme fotográfico tem um faixa dinâmica muito menor do que um sensor CCD e aproximadamente a mesma eficiência quântica do sistema visual humano a luz do dia.

• Filme fotográfico B&W não captura luz NIR acima de 700 nm nem UV.

Resposta Espectral: CCD X Visão Humana

Comprimento de onda (nm)

300 400 500 600 7000

800 900 1000

IR Enhanced AnalogDigital Interline TransferStandard AnalogCMOSUV Enhanced AnalogHuman PhotopicHuman ScotopicIR Block (Short Pass)

CCD X Visão Humana

• Photopic: visão humana adaptada a luz– Pico em 555 nm (amarelo-verde)– Faixa visível varia de 420 nm a 700 nm.

• Scotopic: visão humana adaptada a escuridão– Pico em 507 nm e aprox 2X mais sensível do que visão photopic.

• A eficiência quântica do sistema visual humano a luz:– QE < 5% em 555 nm– Pode detectar 100 fótons para um tempo de exposição de 100 us– Requer aprox 10X mais luz do que isso, ajudado pelo poder de

interpretação da mente, para reconhecer uma cena em uma imagem.

• Acuidade visual humana:– Particularmente boa para cores– Geralmente podem distinguir pouco mais de 20 níveis de cinza entre

preto e branco.

CCD X Visão Humana

• A sensibilidade da câmera não está relacionada a resolução do sensor, mas ao tamanho dos pixels individuais.– Um pixel 2X maior nas dimensões X e Y é 4X mais

sensível, considerando que outros parâmetros são similares.

– Exemplo: uma câmera 640 x 480 pode ter menos sensibilidade que uma de 1280x1024 se seu pixel for menor.

• Câmeras monocromáticas são mais sensíveis que as coloridas, pois as coloridas usando filtro de cores que atenua a intensidade da luz.

Iluminação

RefletidaEmitida

Absorvida

Transmitida

Para Onde Vai a Luz?

Luz Entrando = Luz Refletida + Luz Absorvida (pode ser re-emitida) +Luz Transmitida

Para Onde Vai a Luz?

• Todo objeto no universo reflete luz (exceção buraco negro)

• Na parte visível do espectro, os comprimentos de onda refletidos são aqueles que representam a “cor” do objeto.

• A maioria das aplicações de visão computacional trabalha com reflexão e a interação entre a superfície, textura, cor e composição do material.

• A luz incidente determina como a luz é refletida de volta: Fracamente difusa ou Especular (hot spot).

Reflexão em Superfícies Especulares

• A luz reflete no ângulo de incidência

• O ângulo da superfície determina de onde a luz vêm para iluminar a superfície.

Divergência e Intensidade

• A intensidade diminui com o inverso do quadrado o raio de divergência

• Usar colimação e distâncias de trabalho curtas sempre que possível

Método Padrão

1) Conhecimento de:– Tipos de iluminação e vantagens e desvantagens do

uso.– QE do sensor da câmera e a faixa espectral– Técnicas de iluminação e suas aplicações em função

da superfície do objeto– Requisitos da técnica de iluminação e suas possíveis

limitações

Método Padrão

2) Familiaridade com os 4 fundamentos da iluminação para visão computacional:– Geometria– Estrutura (padrão)– Cor (comprimento de onda)– Filtragem

Método Padrão

3) Análise detalhada:– Ambiente de aplicação: limitações físicas e requisitos– Amostra: interação com respeito ao objeto

Critérios de Aceitação

Criar Contraste!• Separação de características ou segmentação

1. Contraste máximo– Características de interesse

2. Contraste mínimo– Características sem interesse (ruído)

3. Sensibilidade mínima a variações normais– Pequenas diferenças nos objetos– Presença ou mudança na luz ambiente– Mudanças de posição do objeto

Criando Contraste

1. Mudar a direção luz em relação ao objeto e câmera (Geometria)– Relacionamento espacial 3-D : objeto, luz e câmera

2. Mudar o padrão de luz (Estrutura)– Tipo de dispositivo: Spot, Linha, dome, matriz.– Tipo de iluminação: BF, DF, Difusa, Luz de fundo

3. Mudar o espectro (Cor / Comprimento de onda)– Monocromática, branca x resposta do objeto / câmera– Familia de cores quentes x frias, objeto x fundo

4. Mudar a características da luz (Filtragem)– Afetar o comprimento de onda / direção da luz para a câmera

Usando Cor

• Usar luz colorida para criar contraste

• Usar cores similares ou famílias para clarear (luz amarela deixa características amarelas mais brilhantes)

• Usar cores opostas ou família para escurecer (luz vermelha torna características verdes mais escuras)

Quentes Frias

Aumentando o Contraste com Cores

Red Green

Blue White

• Levar em conta como a cor afeta tanto o objeto quanto o fundo

• Luz branca afeta todas as cores.

Usando Cores para Seleção

Luz Branca Luz Monocromática

Color CCD

B&W CCD

RedRed + Green

Técnicas Comuns de Iluminação

Partial Bright Field Dark Field Back Lighting

Full Bright Field

Diffuse Dome Axial Diffuse

Iluminação

Requisitos da Aplicação Tipo de Objeto sob Inspeção

Tipo de Iluminação Sugerida

Redução da especularidade Objeto brilhante Difusa frontal, Difusa Axial, Polarizada

Iluminação par do objeto Qualquer tipo de objeto Difusa frontal, Difusa Axial, Guia em Anel

Destacar os defeitos da superfície ou topologia

Objeto 2D quase chato Direcional Única, Luz Estruturada

Destacar a textura o objeto com sombras

Qualquer tipo de objeto Direcional, Luz Estruturada

Reduzir sombras Objeto com protuberâncias, objetos 3- D

Difusa Frontal, Difusa Axial, Guia em Anel

Destacar defeitos dentro do objeto Objeto transparente Campo Escuro

Silhueta do objeto Qualquer tipo de objeto Iluminação de Fundo

Perfil da forma 3-D do objeto Objeto com protuberâncias, objeto 3-D. Luz Estruturada

Exemplos de Iluminação

Iluminação apropriada é geralmente o fator determinante entre o sucesso e a falha na aquisição de uma imagem.

Muitas técnicas tem sido desenvolvidas para superar os obstáculos de iluminação mais comuns.

Difusa FrontalPros: minimiza sombras e reflexões especulares. Cons: características da superfície são menos distintivas. Tipo: fluorescentes lineares, anéis fluorescentes.

Direcional (Única ou Bilateral)

Pros: forte, iluminação relativamente regular Cons: sombras, brilho Tipo: única e guias de luz de fibra ótica dual

Direcional ÚnicaPros: mostra defeitos na superfície, topologia Cons: manchas de luz, sombreamento severo Tipo: guias de luz de fibras óticas

Luz EstruturadaPros: extração de características da superfície Cons: fonte extremamente intensa, absorvida por algumas cores Tipo: Diodos laser em linha, guias de luz lineares de fibra ótica

Anel GuiaPros: reduz sombras, iluminação relativamente regular Cons: padrão de brilho circular de superfícies altamente reflexivas; algumas vezes difícil de montar Tipo: fibra ótica ou anel de LEDs

Luz PolarizadaPros: iluminação regular, remove especularidades. Cons: baixa intensidade através do polarizador Tipo: filtro é anexado a muitas lentes e fontes de luz.

Difusa Axial Pros: livre de sombras, iluminação regular, pouco brilho Cons: baixa intensidade através do divisor de feixe interno, afeta FOV e WD Tipo: LED de iluminação axial, adaptadores axiais de fibra óticas.

Iluminações Partial Bright Field

Iluminações Full Bright Field

Iluminação Dark Field

Bright Field X Dark Field

Imagem Bright FieldCamera

Luz Anel Bright Field

Superfície Espelhada

Bright Field X Dark Field

Imagem Dark FieldCamera

Luz Anel Dark Field

Superfície Espelhada

Técnica X ObjetoRefletividade da Surpefície

Superfície Textura / Forma

Fosco Mixed Espelho especular

Topografia

Curvada

Bright Field

Dark Field

Axial Diffuse

Dome Difuso / Cilindro

Área Independente da geometria

Eficiência Quântica (QE)

• É definida como a percentagem de fótons atingindo a superfície foto-reativa que produzirão um par elétron-lacuna.

• Mede de maneira precisa a sensibilidade do dispositivo à luz.

• Como a energia de um foton depende de seu comprimento de onda (é inversamente proporcional), a QE é medida ao longo de uma faixa de ondas.

visão computacional - ufpr] · visão computacional 2010 alessandro.koerich@ufpr.br. iluminação...

Documents

tutorial de visão computacional em python

reconhecimento do tipo de cachaça utilizando visão...

visão computacional visão estéreo lmarcos/courses/visao

introdução a visão computacional com python e...

introdução à visão computacional utilizando software...

visão computacional e biotecnologia: fundamentos, problemas...

capítulo 3 visÃo computacional. computação gráfica -...

visão computacional radiometria lmarcos/courses/visao

tópicos em visão computacional e reconhecimento de...

processamento de imagens capturadas para algoritmos de...

aula_1 visão computacional

apresentação visão computacional

visão computacional calibração de câmeras

xi workshop de visão computacional 2015 final

cc222 – visão computacional visão estéreo

visão computacional imagem: luz e cor

just java 2012 - visão computacional com processing

visão computacional geometria de transformações

introdução visão computacional matlab