visão computacional - ufpr] · visão computacional 2010 [email protected]. iluminação...
TRANSCRIPT
Visão Computacional
Alessandro L. Koerich
Programa de Pós-Graduação em Engenharia ElétricaUniversidade Federal do Paraná (UFPR)
Iluminação
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
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.).
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
Cor da Iluminação
• Exemplo: contraste melhorado em uma câmera monocromática usando luz vermelha, branca e verde.
Visão Computacional 2010 [email protected] 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
Visão Computacional 2010 [email protected]
Comparação das Fontes de Luz
A fonte de luz com o “maior envelope” deve ser a mais versátil!
Visão Computacional 2010 [email protected]
Intensidade de Iluminação X Espectro
Comprimento de Onda (nm)
300 400 500 600 7000
20
40
60
80
100
Inte
nsid
ade
Rel
ativ
a(%
)
Daytime Sunlight
Mercury (Purple)Quartz Halogen / Tungsten
XenonWhite LED
Red LED
Fluorescent
Visão Computacional 2010 [email protected]
400 nm 500 nm 600 nm 700 nm
390 735
UV IR
Faixa Visual Humana
Freqüência diminuindo
Energia fotonica diminuindo
Comprimento de onda aumentando
Profundidade de penetração aumentando
Espectro Visível
Visão Computacional 2010 [email protected]
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)
Visão Computacional 2010 [email protected]
400 nm 500 nm 600 nm 700 nm
390 455 470 505 520 595 625 660 695 735
UV IR
Faixa Visual Humana
Espectro Visível
• A luz é vista diferentemente por um filme fotográfico, pelos humanos e pelos CCDs!
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
Resposta Espectral: CCD X Visão Humana
Comprimento de onda (nm)
300 400 500 600 7000
20
40
60
80
QE
Abs
olut
a(%
)
800 900 1000
IR Enhanced AnalogDigital Interline TransferStandard AnalogCMOSUV Enhanced AnalogHuman PhotopicHuman ScotopicIR Block (Short Pass)
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
Iluminação
RefletidaEmitida
Absorvida
Transmitida
Para Onde Vai a Luz?
Luz Entrando = Luz Refletida + Luz Absorvida (pode ser re-emitida) +Luz Transmitida
Visão Computacional 2010 [email protected]
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).
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
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
2
1r
I
Visão Computacional 2010 [email protected]
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
Visão Computacional 2010 [email protected] 2727
Método Padrão
2) Familiaridade com os 4 fundamentos da iluminação para visão computacional:– Geometria– Estrutura (padrão)– Cor (comprimento de onda)– Filtragem
Visão Computacional 2010 [email protected] 2828
Método Padrão
3) Análise detalhada:– Ambiente de aplicação: limitações físicas e requisitos– Amostra: interação com respeito ao objeto
Visão Computacional 2010 [email protected]
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
Visão Computacional 2010 [email protected]
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
Visão Computacional 2010 [email protected]
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
R V
O B
Y G
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
Usando Cores para Seleção
Luz Branca Luz Monocromática
Color CCD
B&W CCD
RedRed + Green
Green
Blue
Visão Computacional 2010 [email protected]
Técnicas Comuns de Iluminação
Partial Bright Field Dark Field Back Lighting
Full Bright Field
Diffuse Dome Axial Diffuse
Visão Computacional 2010 [email protected]
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
Visão Computacional 2010 [email protected]
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.
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
Difusa FrontalPros: minimiza sombras e reflexões especulares. Cons: características da superfície são menos distintivas. Tipo: fluorescentes lineares, anéis fluorescentes.
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
Direcional (Única ou Bilateral)
Pros: forte, iluminação relativamente regular Cons: sombras, brilho Tipo: única e guias de luz de fibra ótica dual
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
Direcional ÚnicaPros: mostra defeitos na superfície, topologia Cons: manchas de luz, sombreamento severo Tipo: guias de luz de fibras óticas
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
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
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
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
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
Luz PolarizadaPros: iluminação regular, remove especularidades. Cons: baixa intensidade através do polarizador Tipo: filtro é anexado a muitas lentes e fontes de luz.
Visão Computacional 2010 [email protected]
Exemplos de Iluminação
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.
Visão Computacional 2010 [email protected]
Iluminações Partial Bright Field
Visão Computacional 2010 [email protected]
Iluminações Full Bright Field
Visão Computacional 2010 [email protected]
Iluminação Dark Field
Visão Computacional 2010 [email protected]
Bright Field X Dark Field
Imagem Bright FieldCamera
Luz Anel Bright Field
Superfície Espelhada
Visão Computacional 2010 [email protected]
Bright Field X Dark Field
Imagem Dark FieldCamera
Luz Anel Dark Field
Superfície Espelhada
Risco
Visão Computacional 2010 [email protected]
Técnica X ObjetoRefletividade da Surpefície
Superfície Textura / Forma
Fosco Mixed Espelho especular
Plano
Topografia
Curvada
Bright Field
Dark Field
Axial Diffuse
Dome Difuso / Cilindro
Área Independente da geometria
Visão Computacional 2010 [email protected]
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.