Image

L’outil Image In-Sight traite l’image d’entrée afin d’améliorer les caractéristiques souhaitables tout en supprimant ou réduisant les caractéristiques indésirables. Le résultat est une image d’entrée améliorée ou une nouvelle image de sortie mieux adaptée aux fonctions d’extraction de données suivantes, telles que l’analyse d’Blob ou d’Histogram.

Remarque : Les fonctions nécessitant un paramètre Image doivent faire référence à une cellule de feuille de calcul contenant une structure de données Image valide. Par défaut, la cellule référencée du paramètre Image est A0, et elle contient la structure de données Image renvoyée par la fonction . Les autres paramètres d’image valides incluent les structures de données Image renvoyées par les fonctions CompareImage, FindCircleDefects et Filter.

Traitementdes images

Les applications de vision industrielle ont besoin d’images de haute qualité. Des données sont perdues lorsque les images sont floues, déformées ou avec un éclairage inadéquat. De telles images peuvent entraîner le mauvais fonctionnement, voire l’échec, des fonctions d’extraction de données telles que l’analyse d’objet blob ou d’histogramme.

La première étape pour produire des images de haute qualité consiste à s’assurer que le matériel et l’environnement, tels que l’éclairage et les objectifs, sont optimisés lors de la configuration de l’équipement, afin que les images acquises soient bien mises au point, non déformées et avec un éclairage uniforme. S’il est difficile d’extraire des images les données souhaitées, il est possible d’utiliser une fonction Image pour améliorer davantage les images lors de la deuxième étape.

Comme toutes les photos, les images In-Sight sont des graphiques raster. Les graphiques raster stockent des informations sur les caractéristiques de l’image dans une grille d’éléments d’image (« pixels »), qui sont les plus petits échantillons complets d’une image. Ils ne peuvent être redimensionnés. La qualité d’une image raster est déterminée par le nombre total de pixels (appelé « résolution ») et la quantité d’informations contenues dans chaque pixel.

Pour mettre en valeur l’objet souhaité et supprimer ou atténuer les éléments parasites dans les images (par exemple, en ajustant la couleur, la luminosité, le contraste ou l’échelle), les fonctions Image In-Sight utilisent des algorithmes sophistiqués de traitement d’image pour ajouter ou soustraire des données de pixels individuels ou de groupes de pixels adjacents (appelés « voisins »).

Circonstances d’utilisation du traitement d’image

Les fonctions Image peuvent être utilisées dans l’une des conditions suivantes :

L’image acquise présente un faible contraste entre l’objet et son arrière-plan.
L’image acquise contient des éléments parasites qui minimisent l’impact visuel de l’objet.
L’image acquise n’est pas mise au point, et des ajustements d’objectif du système de vision sont nécessaires.
Un autre outil In-Sight a besoin d’une version plus grande, plus petite, non courbée ou non pivotée de l’image acquise.
Un autre outil In-Sight a besoin d’une version en noir et blanc de l’image acquise.

Les fonctions Image peuvent effectuer une variété d’opérations de traitement d’image. La plupart des fonctions déclenchent une opération spécifique, seulement trois sont conçues pour une utilisation polyvalente. Le tableau suivant répertorie les opérations courantes et les fonctions Image applicables.

Opération	Description	Fonction Image applicable
Luminosité/contraste	Augmente ou réduit la valeur de niveaux de gris dans chaque pixel à la valeur minimale/maximale spécifiée par l’utilisateur pour modifier la luminosité et le contraste.	Filter
Agrandir/Réduire	Agrandit ou réduit les caractéristiques de l’image d’entrée ou de la ROI.	Filter
Remplir	Remplit les pixels avec des valeurs blanches ou noires, afin qu’ils ressemblent aux pixels adjacents.	Filter
Filtrer	Bloque les données indésirables ou non souhaitées, seules les données souhaitables sont renvoyées.	Filter
Différencier	Compare l’image d’entrée avec un modèle, une autre image ou une forme pour déterminer les différences entre les deux.	CompareImage FindCircleDefects ImageMath
Inverser	Crée un « négatif » de l’image.	Filter
Régler l’objectif	Mesure la mise au point de l’objectif afin qu’elle puisse être ajustée par un processus itératif.	ComputeImageSharpness
Mettre à l’échelle (taille)	Crée une version plus grande ou plus petite de l’image d’entrée.	ScaleImage
Accentuer	Découvre les bords (c’est-à-dire, les zones d’une image où les valeurs de niveaux de gris des pixels changent brusquement) en fonction de l’orientation (verticale, horizontale). Améliore également les bords en comparant une version « lissée » de l’image avec celle originale.	Filter
Lisser	Établit la moyenne des valeurs de niveaux de gris d’un ensemble de pixels adjacents (dits « voisins ») dans l’image d’entrée. Cette opération permet de diminuer l’impact du changement rapide des valeurs de niveaux de gris.	Filter
Appliquer un seuil	Génère une version en noir et blanc de l’image d’entrée ou de la ROI, en fonction d’un seuil défini par l’utilisateur.	Filter FindCircleDefects ImageMath

Intérêts du traitement d’image

Si l’échec est dû à une mauvaise qualité d’image, une fonction Image peut améliorer celle-ci afin que les données souhaitées soient plus faciles à extraire. En voici trois exemples :

– réduction du bruit ou modification des modèles de connectivité des objets pour l’analyse d’Blob ;
– conversion des caractéristiques spatiales en valeurs de niveaux de gris afin de calculer des statistiques pour l’analyse d’Histogram ;
– minimisation des risques de confusion ou suppression des caractéristiques de fréquence spatiale non souhaitées, à la fois du modèle et des données de pixels d’image, pour améliorer la vitesse et la fiabilité de la recherche de modèle Corresp. modèle.

Utilisation du traitement d’image

La procédure de traitement de l’image peut être décomposée en trois étapes :

Étape 1 : Analysez l’image acquise pour déterminer si le traitement d’image sera utile et quels types de modifications sont nécessaires.
Étape 2 : Insérez une fonction Image appropriée dans la feuille de calcul In-Sight et essayez plusieurs paramètres afin de déterminer les réglages optimaux pour améliorer l’image.
Étape 3 : Si nécessaire, insérez une autre fonction Image dans la feuille de calcul In-Sight, référencez-la à l’image de sortie de la fonction précédente et essayez divers réglages de paramètres. Répétez l’opération si nécessaire.

Comme indiqué, plusieurs fonctions Image peuvent être nécessaires pour améliorer la qualité de l’image acquise, chacune étant référencée à la sortie d’une autre fonction Image.

Remarque : Le niveau d’amélioration possible avec l’outil Image dépend de la qualité de l’image acquise : cette même qualité est largement dépendante des facteurs externes, tels que l’éclairage et l’optique. L’outil Image ne peut pas transformer une mauvaise image en bonne image.