Les techniques d'illumination créatives permettent l'imagerie computationnelle

Source de l'image : Lumières Smart Vision

Le concept d'imagerie informatique est peut-être nouveau pour beaucoup, mais la valeur de cette technologie déjà quelque peu mature est considérable. Les applications impliquant une entrée d'imagerie multi-images et multi-lumière avec des images de sortie calculées basées sur des algorithmes se sont développées bien au-delà du domaine d'origine de la R&D. Cette technologie a trouvé sa place dans l'inspection automatisée industrielle, où l'utilisation créative des composants d'éclairage est devenue une technologie habilitante offrant des capacités d'imagerie précieuses.

D'une manière générale, le terme "imagerie informatique" peut être appliqué à diverses techniques qui utilisent des algorithmes pour créer une seule image à partir de plus d'une seule acquisition optique. La recherche sur l'imagerie informatique implique des caméras sans objectif, à un seul pixel et même plates. Les implémentations de vision artificielle de l'imagerie informatique sont beaucoup plus matures, et les composants et logiciels pour des domaines d'application spécifiques plus faciles à utiliser que jamais. Dans deux cas d'utilisation courants, les dispositifs d'éclairage et les commandes contribuent aux principales capacités d'imagerie. Ces cas d'utilisation sont l'imagerie photométrique stéréo (ou shape-from-shading), utilisée pour mettre en évidence les caractéristiques géométriques, et l'imagerie couleur haute résolution.

L'imagerie stéréo photométrique est étroitement liée à l'imagerie 3D. Bien qu'il ne s'agisse pas d'une représentation 3D physique directe d'une scène, une image stéréo photométrique représente la forme géométrique des caractéristiques de l'image, et l'imagerie est beaucoup plus facilement mise en œuvre. En règle générale, une seule caméra est utilisée et plusieurs sources d'éclairage sur plusieurs images sont combinées dans un logiciel facilement disponible et pris en charge par de nombreux composants de vision industrielle et bibliothèques de logiciels.

Fondamentalement, la stéréo photométrie dans l'imagerie computationnelle pour la vision artificielle exploite l'éclairage multi-angle pour extraire des caractéristiques dont la hauteur varie de celle des surfaces environnantes. Dans une acquisition d'image unique, les caractéristiques apparaissent lumineuses par rapport à la surface voisine. Cette technique d'éclairage est largement utilisée en vision industrielle pour détecter efficacement les caractéristiques et les défauts de surface. Cependant, lorsqu'une série d'images est acquise avec un éclairage provenant de différents angles (Figure 1), les images résultantes peuvent être combinées à l'aide d'un algorithme de forme à partir de l'ombrage pour obtenir une représentation d'image 3D non calibrée de la hauteur relative des caractéristiques.

Figure 1: La stéréo photométrie dans l'imagerie computationnelle pour la vision industrielle exploite l'éclairage multi-angle pour extraire des caractéristiques dont la hauteur varie de celle des surfaces environnantes. | Source de l'image : Lumières Smart Vision

Contrairement aux systèmes d'imagerie 3D plus complexes, l'image stéréo photométrique résultante est souvent une image de courbure, et non une image pure de hauteur ou de profondeur. Les données d'image créent une représentation en niveaux de gris de la géométrie de surface d'entités discrètes avec une variation de hauteur localisée. Ceux qui sont plus éloignés en hauteur ou en profondeur des surfaces environnantes auront une valeur de pixel en niveaux de gris plus élevée. Outre le traitement des images de courbure, les bibliothèques de vision avancées peuvent traiter des images directionnelles via d'autres algorithmes (Figure 2). Les filtres incluent la texture, la moyenne, la forme locale, le contraste local, le gaussien et l'albédo. Chaque filtre met en évidence différentes propriétés de surface et les utilisateurs peuvent choisir celui qui convient le mieux à leur application particulière.

Figure 2: La sortie de l'imagerie stéréo photométrique varie en fonction du choix de l'algorithme de traitement. Les mêmes données d'entrée directionnelles sont affichées à l'aide des algorithmes de courbure moyenne (en haut à gauche), de contraste local (en haut à droite), de texture (en bas à gauche) et de courbure gaussienne (en bas à droite) de Matrox Design Assistant. Des algorithmes supplémentaires incluent l'albédo et la forme locale. Le bon choix dépend de l'objet en cours d'imagerie et du type de caractéristique détectée. | Source de l'image : Lumières Smart Vision

L'utilisation générale de l'imagerie stéréo photométrique consiste à mettre en évidence les caractéristiques d'une image où l'objet ou la scène manque de contenu en niveaux de gris, mais où les caractéristiques individuelles présentent une variation géométrique par rapport à la surface. Un exemple est l'imagerie des pneus pour une identification basée sur des graphiques et des caractères sur les flancs. Avec les informations fournies par la représentation multi-images, l'image en niveaux de gris peut être traitée à l'aide d'outils de vision industrielle typiques pour effectuer des tâches d'inspection telles que la détection de défauts, l'OCR/OCV et la mesure. Les surfaces avec des codes ou des caractères en relief ou en creux sont également de bons candidats pour l'imagerie stéréo photométrique. De même, de nombreux produits et composants présentant des caractéristiques à faible contraste mais une structure géométrique peuvent bénéficier de cette technique d'imagerie (Figure 3).

Figure 3: Comparaison côte à côte d'une inspection de balle de golf à l'aide d'une image couleur standard (à gauche) et d'une image stéréo photométrique (à droite). Une fissure à peine détectable au milieu du brillant de la texture de surface et des reflets spéculaires de l'image visuelle est facilement détectable en stéréo photométrique. La surface calculée dans l'image stéréo photométrique supprime le bruit visuel qui rend l'image couleur difficile mais conserve les détails de surface qui sont importants pour l'inspection | Source de l'image : Lumières Smart Vision

L'imagerie stéréo photométrique s'appuie fortement sur des logiciels et des algorithmes utilisés pour combiner et traiter différentes vues d'un objet. La mise en œuvre de cette technique de calcul multi-images commence par des composants d'éclairage. Typiquement, avec une seule caméra généralement centrée sur un objet, quatre images distinctes sont acquises. Chacun a un éclairage à un angle d'horloge différent autour du champ de vision - le plus souvent à 0, 90, 180 et 270 degrés (ou de manière plus informelle, sur les quatre côtés du champ de vision rectangulaire ou carré de la caméra). L'angle d'éclairage de chaque lumière définit les caractéristiques qui seront mises en évidence.

Les composants d'éclairage sont sélectionnés en fonction du champ de vision requis, et différentes applications peuvent utiliser plusieurs éclairages individuels ou une seule source lumineuse avec plusieurs angles d'éclairage contrôlables, par exemple, un éclairage annulaire avec plusieurs segments ou zones contrôlés individuellement (Figure 4). Pour chaque image acquise, une lumière (ou zone d'éclairage) différente est utilisée. Le séquençage pour l'acquisition multi-images est facilement mis en œuvre à l'aide d'un contrôleur d'éclairage qui s'interface avec les lumières, la caméra et le logiciel d'acquisition.

Illustration 4 : Un contrôleur de séquence programmable à LED (à gauche) et un kit d'éclairage multizone (à droite). Ces solutions plug-and-play sont faciles à mettre en œuvre, fonctionnent avec du matériel et des logiciels courants et rendent l'imagerie computationnelle accessible à tous les niveaux d'utilisateurs. | Source de l'image : Lumières Smart Vision

Un autre exemple d'éclairage combiné à l'imagerie computationnelle implique l'acquisition d'images couleur à haute résolution. Dans une caméra à capteur unique, les images couleur sont produites en fabriquant un filtre passe-bande large rouge, vert ou bleu sur chaque pixel individuel. Dans la plupart des images RVB, cette technique est appelée filtrage Bayer en raison de la disposition des filtres sur les pixels. Chaque pixel n'ayant qu'une seule des trois couleurs, l'image finale en couleur doit être reconstruite à partir de pixels adjacents dans un processus appelé de-Bayering (ou démosaïquage). En raison de cette combinaison de pixels, la résolution spatiale effective de l'image résultante est considérablement réduite par rapport à la résolution réelle du capteur. Une solution efficace et simple à la perte de résolution est la mise en œuvre de l'imagerie computationnelle avec illumination multispectrale.

Un composant d'éclairage qui peut éclairer le champ de vision avec plusieurs couleurs (ou multispectral) peut imiter le filtrage à large bande utilisé sur une caméra couleur sur une caméra en niveaux de gris qui n'a pas de filtres au niveau des pixels. Dans cette mise en œuvre de l'imagerie informatique, les multiples images acquises sont liées à l'illumination d'une pièce à l'aide de trois couleurs à large longueur d'onde : rouge, vert et bleu. Comme pour la stéréo photométrie, un contrôleur d'éclairage approprié peut être utilisé pour simplifier davantage l'acquisition. Les images résultantes contiennent des représentations en pleine résolution du contenu rouge, vert et bleu de la scène. Dans le logiciel, les trois images sont facilement combinées en une image couleur multicanal avec une structure telle que requise par l'application spécifique (Figure 5).

Illustration 5 : Trois images capturées par une caméra monochrome, chacune stroboscopique avec une lumière rouge, verte ou bleue, sont combinées en une image couleur, qui préserve la résolution par rapport à une image couleur Bayer qui perd de la résolution dans le processus d'interpolation des couleurs. | Source de l'image : Lumières Smart Vision

Dans certains cas, non seulement la résolution spatiale mais aussi la fidélité des couleurs peuvent être améliorées par rapport au simple filtrage Bayer. La cohérence de la source d'éclairage peut introduire un niveau de fiabilité et de reproduction des couleurs qui pourrait dépasser la capacité du filtrage sur capteur dans certaines applications. Cette technique d'imagerie computationnelle offre aux utilisateurs les avantages de l'imagerie couleur sans la perte de résolution associée aux caméras couleur Bayer et aux filtres couleur sur puce.

Pas seulement pour les pièces ou les objets fixes, l'imagerie informatique peut être facilement utilisée dans des applications où les pièces (ou même les composants d'imagerie) sont en mouvement. La technique implique une spécification minutieuse et, dans certains cas, un traitement supplémentaire. Comme pour toutes les applications d'imagerie impliquant des pièces mobiles, pour minimiser le flou de mouvement, les paramètres clés à prendre en compte sont la vitesse de mouvement et la durée d'exposition (ou stroboscopique) de chaque image. En imagerie stéréo photométrique, il faut également tenir compte du taux d'acquisition d'images multiples et de la quantité de mouvement de la pièce dans le champ de vision sur la durée d'acquisition globale.

Si la pièce se déplace suffisamment lentement et que la vitesse d'imagerie est suffisamment élevée, les multiples images obtenues peuvent être suffisamment proches les unes des autres en termes de mouvement de la pièce pour fournir une image combinée appropriée. Alimenté par l'essor des imageurs CMOS à faible coût et à grande vitesse, ce processus est plus facile que jamais. Si le mouvement intra-scène est trop important, utilisez simplement une caméra CMOS plus rapide.

Si la pièce se déplace trop d'une image à l'autre et qu'une caméra plus rapide n'est pas une option, il peut être nécessaire de prétraiter les images pour les aligner numériquement. Cela implique de comparer les caractéristiques appropriées de chaque image à la première image prise, puis d'appliquer les traductions appropriées pour faire correspondre ces caractéristiques pour le calcul multi-image ultérieur (Figure 6).

Illustration 6 : Un zoom avant sur les dernières lignes du texte coloré révèle la dégradation de la résolution de la caméra couleur au niveau des pixels avec une définition perdue et un damier des couleurs. La couleur d'imagerie computationnelle reste vraie, la résolution reste stable et l'uniformité de l'arrière-plan résulte de la plus grande sensibilité et du bruit réduit de la caméra monochrome. | Source de l'image : Lumières Smart Vision

Les outils logiciels peuvent réaligner un objet au pixel près sur plusieurs images capturées et même corriger la variation de rotation. Les outils standard de la plupart des bibliothèques de vision industrielle peuvent corriger le mouvement pour rendre ces techniques d'imagerie informatique utiles, même si une pièce n'est pas immobile ou enregistrée au fur et à mesure que la séquence est rassemblée.

Une autre technique consiste à suivre de manière externe le mouvement d'une pièce entre chaque image (par exemple, sur un convoyeur), puis à appliquer directement une transformation basée sur la quantité connue de décalage physique des images. Dans tous les cas, bien sûr, il est obligatoire que lors de l'acquisition des images, la pièce reste dans le champ de vision de la caméra. Cette méthode est particulièrement bien adaptée aux objets se déplaçant sur un tapis roulant codé et aux images capturées avec des caméras à balayage linéaire.

Bien que cela puisse sembler une solution plus complexe, l'imagerie computationnelle peut en fait simplifier certains problèmes difficiles à résoudre avec l'imagerie visuelle standard. L'imagerie computationnelle, en particulier telle qu'elle est rendue possible par les composants et les contrôleurs d'éclairage d'aujourd'hui, est devenue une technique d'imagerie facile à mettre en œuvre et précieuse qui est facilement accessible pour une large gamme d'applications de vision industrielle.

Steve Kinney , directeur de la formation, de la conformité et des solutions techniques, Smart Vision Lights. Pour plus d'informations, visitez www.SmartVisionLights.com.