이미지
In-Sight 이미지 도구는 입력 이미지를 처리하여 바람직한 형상을 개선시키며 바람직하지 않은 기능을 제거하거나 줄입니다. 결과로 만들어지는 개선된 입력 이미지 또는 새 출력 이미지는 미확인 개체 또는 히스토그램 분석과 같은 추가 데이터 추출 함수에 더욱 적합하게 됩니다.
이미지 처리
머신 비전 응용 프로그램에는 고품질 이미지가 필요합니다. 이미지가 초점이 맞지 않거나 뒤틀리거나 조명이 적절하지 않으면 데이터가 손실되어 Blob 또는 Histogram 분석과 같은 데이터 추출 함수가 제대로 작동하지 않거나 실패할 수 있습니다.
고품질 이미지를 생성하는 첫 번째 단계는 장비 설정 중에 조명 및 렌즈와 같은 하드웨어 및 환경 문제를 최적화하여 촬상된 이미지가 초점이 선명하고 왜곡되지 않으며 고르게 조명되도록 하는 것입니다. 이미지에서 원하는 데이터를 추출하는 데 어려움이 있는 경우에는 두 번째 단계로 Image 함수를 사용하여 이미지를 더욱 향상시킬 수 있습니다.
In-Sight 이미지는 모든 사진과 마찬가지로 래스터 그래픽입니다. 래스터 그래픽은 이미지 요소("픽셀")의 격자에 이미지 특성에 대한 정보를 저장합니다. 픽셀은 이미지의 가장 작은 완전한 샘플로 확장가능하지 않습니다. 래스터 이미지의 품질은 총 픽셀 수("해상도"라고 함)와 각 픽셀의 정보 양에 의해 결정됩니다.
In-Sight 이미지 함수는 색상, 밝기, 대조, 확대/축소 등을 조정하여 원하는 개체를 개선하면서 이미지 내의 혼란스러운 형상을 제거하거나 줄이기 위해 정교한 이미지 처리 알고리즘을 사용하여 개별 픽셀 또는 인접 픽셀 그룹("이웃"이라고 함)에 데이터를 추가하거나 이들에서 데이터를 삭제합니다.
이미지 처리를 사용하는 경우
이미지 함수는 다음 상황에 사용할 수 있습니다.
- 촬상된 이미지의 개체와 배경 사이에 대조가 작은 경우.
- 촬상된 이미지에 혼란스러운 형상이 포함되어 있어 개체의 시각적 영향을 최소화된 경우.
- 촬상된 이미지의 초점이 맞지 않고 비전 시스템 렌즈에 대한 조정이 필요한 경우.
- 촬상된 이미지를 개선하거나, 저하하거나, 회전하지 않은 이미지가 다른 In-Sight 도구에 필요한 경우.
- 촬상된 이미지의 흑백 버전이 다른 In-Sight 도구에 필요한 경우.
이미지 함수는 다양한 이미지 처리 작업을 수행할 수 있습니다. 대부분의 함수는 특정 작업을 목적으로 하며 3가지 함수는 다목적용으로 설계되었습니다. 다음 표에는 일반적인 작업 및 해당 이미지 함수가 열거되어 있습니다.
| 작업 | 설명 | 해당 이미지 기능 |
|---|---|---|
|
밝기/대조 |
각 픽셀의 회색조 값을 사용자가 지정한 최소값 및 최대값으로 "클립"(또는 "스케일 업"/"스케일 다운")하여 밝기 및 명암을 수정합니다. |
|
| 확대/축소 | 입력 이미지 또는 ROI에서 형상을 확대/축소합니다. | |
| 채우기 | 픽셀이 인접 픽셀과 유사하게 되도록 흰색 또는 검은색 값으로 채웁니다. | |
| 필터링 | 바람직한 데이터만 전달하고 바람직하지 않거나 원하지 않는 데이터를 차단합니다. | |
| 이미지 차이 | 입력 이미지를 템플릿, 다른 이미지, 도형 등과 비교하여 둘 사이의 차이점을 파악합니다. | |
| 반전 | 이미지의 "네거티브"를 만듭니다. | |
| 렌즈 조정 | 반복 절차를 통해 조정할 수 있도록 렌즈 초점을 측정합니다. | ComputeImageSharpness |
| 크기 조정(크기) | 입력 이미지의 확대 또는 축소된 버전을 만듭니다. | ScaleImage |
| 선명화 | 방향(수직, 수평)에 따라 가장자리(이미지 중 픽셀의 회색조 값이 급격하게 변하는 영역)을 찾아내거나 "평활화된" 버전을 원본과 비교하여 가장자리를 개선합니다. | |
| 평활화 | 입력 이미지의 인접 픽셀 집합("이웃")의 회색조 값을 평균하여 빠르게 변화하는 회색조 값의 영향을 줄입니다. | |
| 임계값 처리 | 사용자가 정의한 임계값에 기초해 입력 이미지 또는 ROI의 흑백 버전을 생성합니다. |
이미지 처리를 사용하는 이유
이미지 품질 저하로 인해 오류가 발생하면 원하는 데이터를 쉽게 추출할 수 있도록 이미지 함수를 이용해 이미지를 개선할 수 있습니다. 다음은 몇 가지 예입니다.
- 미확인 개체 분석을 위해 노이즈를 줄이거나 개체 연결 패턴을 변경하는 경우.
- 공간 형상을 회색조 값으로 변환하여 히스토그램 분석에 사용될 통계치를 계산하는 경우.
- 모델과 이미지 픽셀 데이터 모두에서 혼란스럽거나 원치 않는 공간 주파수 특성을 최소화하여 패턴 일치 템플릿 검색의 속도와 안정성을 향상시키는 경우.
이미지 처리를 수행하는 방법
이미지 처리 절차는 다음 세 단계로 세분화할 수 있습니다.
- 1단계: 찰상된 이미지를 분석하여 이미지 처리가 도움이 될지 여부와 어떠한 개선이 필요한지를 결정합니다.
- 2단계: 적절한 이미지 함수를 In-Sight 스프레드시트에 삽입하고 매개 변수를 실험하여 이미지를 개선하기 위한 최적의 설정을 결정합니다.
- 3단계: 필요한 경우 다른 이미지 함수를 In-Sight 스프레드시트에 삽입하고 이전 함수의 출력 이미지를 참조하게 한 후 매개 변수 설정을 실험합니다. 필요에 따라 반복합니다.
앞서 말한 바와 같이 촬상한 이미지의 품질을 개선하기 위해 여러 이미지 함수가 필요할 수 있으며, 이 경우 각 함수는 앞 단계 이미지 함수의 출력을 참조합니다.