首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >亚像素精度图像处理

问亚像素精度图像处理
EN

Stack Overflow用户
提问于 2016-01-17 20:21:04
回答 1查看 4.5K关注 0票数 3

我正在编写一个控制工业机械的用户界面程序。

本机是一种用于电子生产行业的自动在线屏幕打印机。该机器的确切用途是将锡膏打印到裸的多氯联苯上。该系统包括2个摄像机,构成一个视觉系统,用于定位受托物,并使机器参与的过程自动化。我的问题是,我需要能够定位从相机拍摄的图像中的形状和物体,这是足够直接的,但是-为了获得所需的精度,我需要能够以亚像素的精度来实现这一点。

这两个相机形成一个双视觉相机,其中一个摄像机将向上看一个模板,另一个向下看一个PCB。双视觉摄像机在移动的车厢上,移动在X和Y中。PCB夹紧在桌子上,不能在X,Y和θ中移动。视觉系统用于检测PCB位置和模板位置之间的差异,然后调整表格使两者对齐。

编辑:

这是从现有UI程序中获取的部分屏幕快照:

​

​

模板图像是顶部的图像,PCB是底部的图像,这里的图像是灰度图像-在新的系统中,我正在使用颜色,但将使用灰度是必需的。

注意:当你读到这篇文章的时候,你可能在想:“那么,你为什么不直接使用你在现有UI中使用的东西呢?”现有的UI是用VB6编写的,这是我想要离开的地方,程序的愿景方面是第三方公司编写的.ocx,它已经不存在了。

我玩了一点AForge.NET,发现它非常容易使用,我可以用它来定位各种不同的形状,找到它们的中心,这是很棒的,但它没有亚像素的准确性。不过,我可能会把它作为起点,然后将亚像素算法应用于单个中心像素,甚至整个形状。

编辑:

下面是我使用AForge编写的测试程序中的一个示例映像:

​

红色的轮廓和十字线是我添加的视觉辅助/实验。这是与我可能使用的相机,它的分辨率为1280 x 1024,但镜头不是我要使用的实际镜头,这就是为什么图像是轻微的‘分裂’。而且,感兴趣的对象也会比这个更轻。

在实际系统中,镜头将看到模板和PCB上的10毫米x8mm平方,这意味着每个像素将代表7.8125um^2,但是我可以一次以1.25um的增量移动XYY表,如果我不能用相机看到这些运动,这基本上是无用的。我需要1um (亚)像素的精确性。

有人知道我能用来做这件事吗?我已经搜索了很长一段时间了,但我所找到的似乎是关于渲染图像的亚像素准确性的信息。

或者,更好的是,有没有人知道我怎么能自己写点什么来做这件事?我甚至不知道从哪里开始!

如有任何反馈,将不胜感激。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2016-01-21 05:59:33

新的信息告诉我们很多..。我认为你应该更加注重粘贴应用的准确性,而不是马车的位置精度。我的打赌是,打印机有更大的点大小和误差,然后1嗯和期望的准确性取决于PCB的使用(布线和缝隙宽度)。不管怎样,我会这么做的:

  1. 线性化图像几何 你需要去鱼眼的形象。由于您的相机/光学设置将固定(特别是焦点和距离到PCB),您应该为每个PCB厚度制作一个棋盘网格的图像。然后创建将棋盘线性化为真实矩形的映射,以便在下一个过程之前丢弃偏差。
  2. 规范照明条件
代码语言:javascript
复制
- see [Enhancing dynamic range and normalizing illumination](https://stackoverflow.com/a/31558803/2521214)

​

  1. 亚像素精度 图像的每一个像素都是区域内所有东西的积分。因此,如果我们知道任何边界(背景/前景)的2种颜色(c0,c1),那么我们就可以估计它们的亚像素位置。让我们从轴对齐矩形开始。我是这样看的:

网格的每个方格表示一个像素区域。c0是灰色,c1是绿色。在相机图像中,您得到了最后的颜色,将每个像素内的所有颜色组合在一起:

代码语言:javascript
复制
- `c = s0*c0 + s1*c1`

其中,c是最后的像素颜色,而s0,s1是响应范围内的c0,c1颜色的区域,<0,1>是s0+s1=1.0所在的区域。现在我们要计算s0,s1以获得亚像素精度。因此,首先检测边界上的像素位置为其中之一:

代码语言:javascript
复制
- horizontal edge
- vertical edge
- corner

这可以通过检查相邻像素来完成。c0,c1可以从具有饱和颜色的像素(所有邻居都有相同的颜色)获得,这些像素位于区域内像素中。我将忽略角像素,因为它们的位置可以从最近的H/V边缘像素获得(不可能同时从上面的方程得到x,y坐标)。因此,对于每一个H,V边,只需求解系统:

I. c= s0*c0 + s1*c1 II. s0 + s1 = 1.0;

计算s0,s1和垂直边的边缘位置就是其中之一:

x=x0 + pixel_size*s0 //如果c0在左边x=x0 + pixel_size*s1 //如果c1在左边

水平边缘是这样的:

y=y0 + pixel_size*s0 //如果c0在顶部,则为y=y0 + pixel_size*s1 //如果c1位于底部

其中x0,y0是像素,左上角的位置是像素,坐标系统是x+,x+是右边,y+是向下的。如果你有不同的设置,只要改变方程..。

现在,如果您得到非轴对齐的边缘,那么您需要计算斜率(在一个轴中需要多少像素才能改变另一个dy/dx。并相应地处理以下领域:

所以唯一的改变就是从计算的s0,s1到实际的边缘位置的转换。现在,您需要计算左/右或上/下。如果使用轴对齐示例中的方程,则可以获得像素中间的边缘位置。所以你只要用x +/- 0.5*dx/dy或y +/- 0.5*dy/dx把它移到两边的斜面,其中dx,dy是边斜率。

要获得dx,dy,只需沿着边缘搜索完全饱和的像素,如果找到,则(dx,dy)是两个最接近的像素之间的距离。

Notes

你可以在展位灰度和RGB上这样做。希望这能帮点忙。

票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/34843193

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档