空间高曲率金属线表面均匀化照明
1 引言
视觉检测技术被广泛地应用于金属外壳、规则纹理表面[1]、半导体芯片等领域[2-3],且由于被测物的特殊性往往需要选择特定的光源[4-6]。本实验使用雪崩光电二极管中的金线作为研究对象,雪崩二极管作为激光测距仪、共焦显微镜等仪器中的关键器件,在此类具有空间高曲率和纵向跨度较大的线形金属被测物的检测中,通常使用环形光源进行照明,由于其表面反射率不均,相机无法有效且正确地接收物体表面反射回的亮度信息[7-8],使得图像中被测物表面灰度变化差异较大,容易出现过曝和欠曝的现象,继而使得后续图像处理无法提取被测物表面准确的灰度信息,影响最终的缺陷检测或三维重建等工作。因此,为了获取准确的灰度图像,对被测物表面照明均匀化的分析是进行机器视觉检测的关键。
为获得清晰的检测图像,国内外现阶段研究主要围绕被测平面照度均匀化和成像端的图像处理展开。在照明光源研究方面:2011年,Zhu等[9-10]对发光二极管(LED)环形阵列与漫反射表面的均匀照明光源进行研究,通过点光源直射到漫反射表面,在表面的反射下对被测平面进行照度分析;同年,Dong等[11]通过引入简化倾角形LED非旋转对称辐照度分布复杂性的简单模型,开发了一种简单实用的倾角形LED环形阵列近场均匀辐照度设计工具;2014年,刘百芬等[12]提出一种由平面LED阵列与高反射率自由曲面构成的间接照明方式,构建数学模型,并通过光学软件模拟检测区域照度;2020年,史晨阳等[13]设计了一种LED环形阵列,并通过理论和实验验证了环形光对环境照度均匀性的影响。上述对于照明光源的改进,大多对照明空间中被测平面进行分析,鲜有对空间异型结构被测物分析的模型。另一种获取清晰图像的途径是对于成像端的图像处理:2018年,祝振敏等[14]提出一种基于反向传播神经网络与高斯分布函数的图像高光去除模型,通过图像处理的方式去除成像高光;同年,Song等[15]通过卷积神经网络对金属螺纹表面进行检测;2019年,冯维等[16]采用改进相机曝光响应函数的方法获取像素值与曝光量之间关系,从而改进成像质量;2021年,贺嘉伟等[17]利用偏振镜对单色偏振光的选通性消除大面积高光,从而提出一种强化消光算法消除残余高光点。
但对于线形被测物,因其表面反射率不均的影响,成像端的基于图像处理的修正方法[18]并不能很好适用。本文结合物体表面反射模型和光度学理论,从被测物表面特性出发,提出一种旨在解决空间高曲率金属线表面照明不均问题,获取线形金属被测物表面的灰度均匀图像的方法。首先,对图像灰度和被测物表面照度的关系进行分析,建立一种基于被测物表面特性计算照明空间内任意点在光源下的理想照度计算模型,通过模型解释被测物在成像端表面灰度差异较大的原因和均匀化照明的必要条件;然后,使用穹顶光代替传统的环形光作为金属线形被测的照明光源;最后,通过计算模拟和实验,验证所提方法对于解决该类被测物表面均匀化问题的有效性。
2 照明空间成像模型理论推导
彩色相机成像获得的是RGB三通道彩色图像,为了精简图像信息、提高运算速度,将彩色图像转化为灰度图像进行运算,所以图像上灰度值的变化反映了被测物表面的照度差异。因此,需建立灰度值与曝光时间、入射方向、物体表面反射特性、光源亮度等各项参数之间的关系。
2.1 照明模型的推导
首先建立被测物及空间照明模型,如
图 1. 被测物和环形光源空间照明模型
Fig. 1. Spatial lighting model of measured object and ring light source
根据光度学原理计算
式中:
因此,光源
将式(
2.2 成像模型的推导
观察面为竖直方向,观察方接收到的照度由点
通过所建立的基于环形光照明的关于被测物表面
式中:
式中:
式中:
式中:t为曝光时间。在一次正常曝光时,图像上的灰度差异与曝光时间无关。结合式(
式中:
2.3 模型评价与均匀度分析
评价照明系统的优劣主要根据照明的视场均匀度和被测物表面灰度的变化。照明视场的照度均匀度定义为
式中:
对于灰度图像,图像上灰度均匀度的公式为
式中:
根据已经建立好的公式,代入本实验中常用的光源尺寸的初始数据,环形光源中有2个光源环,即
图 2. 环形光源下100 mm×100 mm视场内的灰度图。(a)平面灰度图;(b)归一化后视场中线上的灰度分布;(c)灰度图三维显示
Fig. 2. Gray scale in 100 mm×100 mm field of view under ring light source. (a) Plane gray scale; (b) gray distribution of normalized median line in field of view; (c) 3D display of gray scale map
根据灰度均匀度公式可得,环形光在100 mm×100 mm视场范围内均匀度为84.77%。对于视场中放置的被测物,不同位置处的灰度值如
图 3. 环形光照明下被测物模拟图像。(a)被测物灰度图像;(b)位置1~5截面的灰度分布
Fig. 3. Simulation image of measured object under ring light illumination. (a) Gray image of measured object; (b) gray scale distribution of cross section at positions 1-5
在环形光光源照明条件下,图像中被测物表面均匀度为67.98%,中间较亮两边较暗,中间位置处易过曝,且随着测量位置的改变灰度变化较大。由
表 1. 不同位置处γ与图像灰度值的关系
Table 1. Relationship between γ at different positions and image gray value
|
从
3 照明模型的改进和成像对比
基于上述被测物表面出射度方向与观察方的夹角
图 4. 被测物中心处截面在不同光源环数下的灰度分布
Fig. 4. Gray distributions of cross section at the center of the measured object under different light source rings
从
3.1 穹顶光下的成像模型
穹顶光照明方式与环形光的区别在于环形光照明方式为直接照明,穹顶光照明为间接照明。穹顶光照明是由光源内部的漫反射板通过吸收底部的光源发出的光辐射通过漫反射的方式使空间照明均匀化。
与环形光类似,照明模型的建立与很多参数有关,设底部光源设为
式中:
由此,穹顶光内表面上任意一点照度可由
式中:
同理,根据式(
将
图 6. 穹顶光源下100 mm×100 mm视场内的灰度图。(a)平面灰度图;(b)归一化后视场中线上的灰度分布;(c)灰度图三维显示
Fig. 6. Gray scale map in 100 mm×100 mm field of view under dome light source. (a) Plane gray scale map; (b) gray distribution of normalized median line in field of view; (c) three-dimensional display of gray scale map
根据
图 7. 穹顶光照明下被测物模拟图像。(a)被测物灰度图像;(b)位置1~5截面的灰度分布
Fig. 7. Simulated image of measured object under dome lighting. (a) Gray image of measured object; (b) gray scale distribution of cross section at position 1-5
对比两种光源在同一位置处对被测物造成的灰度差异。穹顶光照明条件下,被测物表面模拟出的图像灰度值变化范围较小,均匀度更高,位置2、3、4处截面在两种光源下灰度值差异如
图 8. 两种光源照明下不同位置处的灰度分布
Fig. 8. Gray distribution at different positions under two different light sources
根据
4 实验结果和分析
为了验证所提模型的正确性和新的光源方案的正确性,设计了相关实验。为提高被测平面的照明均匀度,选用带有面光源的穹顶光源代替环形光源作为实验的照明光源,如
实验中选用的同一光源中的各个LED照度趋于一致,且在照明时提供照明的电压保持稳定。从实验需要用到的穹顶光源和环形光源中随机抽取10个点光源,使用DL333204型号照度计分别测量选出的10个LED光源的照度。为了避免周围光源的影响,在测量时将照度计的测量面贴于光源处,并遮挡其他点光源,每个光源测量5次,取测量数据的平均值为单个LED光源的照度,测量时光源附近温度保持在(29±1)℃,
图 10. 不同光源中单个LED的照度分布
Fig. 10. Illumination distribution of individual LED in different light sources
因为两种光源中的LED功率不同,所以在实验中通过调节电压的方式,保证被测平面中心照度相同。保持电压稳定,实验在暗室下并将光源预热15 min后进行,用鑫图公司的DigiRetina16相机分别使金线在两种光源下成像。在中心照度相同时,获取的图像如
图 11. 不同光源下的金线成像对比。(a)环形光下金线图像;(b)穹顶光下金线图像;(c)环形光图像灰度图;(d)穹顶光图像灰度图
Fig. 11. Wire imaging contrast under different light sources. (a) Wire images under ring light; (b) wire images under dome light; (c) gray scales of ring light images; (d) gray scales of dome light images
图 12. 不同位置处的图像灰度对比。(a)环形光下不同位置的灰度分布;(b)穹顶光下不同位置的灰度分布
Fig. 12. Image gray scale comparison at different positions. (a) Gray scale distributions at different positions under ring light; (b) gray scale distributions in different positions under dome light
图像的灰度变化可以视为被测物表面照度的变化,从
5 结论
对具有空间高曲率金属线表面照度进行分析,建立被测物表面空间信息与照明空间下被测物表面接受照度之间的函数表达式,模拟出影响图像质量的主要原因在于出射光线与视场方向夹角过大。穹顶光源较环形光源不仅提高了照明角度,而且漫反射板作为二次光源提高了照明视场的均匀度。通过模拟结果可得,金属线形被测物在穹顶光源下表面灰度均匀度为92.85%,较改进前提高了24.87%。然后通过一系列设计实验加以验证。实验结果表明,被测物在穹顶光源下表面灰度均匀度为91.46%,对比环形光源灰度均匀性提高34.77%。实验验证了所提方法建立模型和光源改进方案的准确性,对于具有空间高曲率金属线表面,在中心照度相同时的两种照明条件下,穹顶光照明在截面方向和母线方向的成像效果要优于环形光,并在穹顶光照度对于高度的变化鲁棒性也更好,对后续的图像处理和缺陷检测工作具有重要意义。
[1] 熊显名, 石红强, 曾星宇. 基于反射云纹的抛光曲面表面缺陷检测研究[J]. 激光与光电子学进展, 2019, 56(14): 141501.
[2] 汤勃, 孔建益, 伍世虔. 机器视觉表面缺陷检测综述[J]. 中国图象图形学报, 2017, 22(12): 1640-1663.
Tang B, Kong J Y, Wu S Q. Review of surface defect detection based on machine vision[J]. Journal of Image and Graphics, 2017, 22(12): 1640-1663.
[3] Qiu K P, Tian L, Wang P. An effective framework of automated visual surface defect detection for metal parts[J]. IEEE Sensors Journal, 2021, 21(18): 20412-20420.
[4] Yi S K, Haralick R M, Shapiro L G. Optimal sensor and light source positioning for machine vision[J]. Computer Vision and Image Understanding, 1995, 61(1): 122-137.
[5] 焦飞宇, 文尚胜, 马丙戌, 等. 立体化高空间照明均匀度LED植物光源的设计[J]. 光学学报, 2020, 40(18): 1822002.
[6] 钱可元, 胡晓佳. 同时实现路面照度与亮度均匀性的LED光源光学系统研究[J]. 光学学报, 2015, 35(2): 0208001.
[7] 曲兴华, 何滢, 韩峰, 赵旭辉, 叶声华. 强反射复杂表面随机缺陷检测照明系统分析[J]. 光学学报, 2003, 23(5): 547-551.
[8] Qu X H, He Y, Jia G X, et al. Detection of random defects on highly reflective and complex surfaces[J]. Key Engineering Materials, 2005, 295/296: 233-238.
[9] Zhu Z M, Qu X H, Jia G X, et al. Uniform illumination design by configuration of LED array and diffuse reflection surface for color vision application[J]. Journal of Display Technology, 2011, 7(2): 84-89.
[10] 祝振敏, 曲兴华, 梁海昱, 等. 基于发光二极管环形阵列与漫反射表面的均匀照明光源研究[J]. 光学学报, 2011, 31(1): 0115001.
[11] Dong J T, Lu R S, Shi Y Q, et al. Optical design of color light-emitting diode ring light for machine vision inspection[J]. Optical Engineering, 2011, 50(4): 043001.
[12] 刘百芬, 金小龙, 祝振敏. 基于LED阵列与漫反射自由曲面的均匀照明光源设计[J]. 应用光学, 2014, 35(4): 598-602.
[13] 史晨阳, 林燕丹. 机器视觉中均匀照明成像的LED环形阵列设计[J]. 光学学报, 2020, 40(20): 2011003.
[14] 祝振敏, 裴爽, 陈世明, 等. 基于偏振信息的强反射工件高光去除及视觉测量方法[J]. 光学学报, 2018, 38(11): 1112005.
[15] Song L M, Li X Y, Yang Y G, et al. Detection of micro-defects on metal screw surfaces based on deep convolutional neural networks[J]. Sensors, 2018, 18(11): 3709.
[16] 冯维, 刘红帝, 汤少靖, 等. 基于HDRI的高反光金属表面缺陷检测方法研究[J]. 仪表技术与传感器, 2019(8): 112-116.
Feng W, Liu H D, Tang S J, et al. Research on defect detection method for high-reflective-metal surface based on HDRI[J]. Instrument Technique and Sensor, 2019(8): 112-116.
[17] 贺嘉伟, 许新科, 孔明, 等. 基于面结构光的金属表面高光抑制方法研究[J]. 中国测试, 2021, 47(10): 12-18.
He J W, Xu X K, Kong M, et al. Research on highlight suppression method of metal surface based on surface structured light[J]. China Measurement & Test, 2021, 47(10): 12-18.
[18] 郭碧茹, 孔韦韦, 陈斌. 导向滤波的高光去除改进算法[J]. 计算机工程与应用, 2021, 57(20): 229-235.
Guo B R, Kong W W, Chen B. Improved algorithm for removing highlights with guided filtering[J]. Computer Engineering and Applications, 2021, 57(20): 229-235.
[19] MorenoI. Configurations of LED arrays for uniform illumination[C]∥5th Iberoamerican Meeting on Optics, and 8th Latin American Meeting on Optics, Lasers, and their Applications, October 3-8, 2004, Porlamar, Venezuela. [S.l.: s.n.], 2004: 713-718.
[20] Karaduta O K, Deon A F, Menyaev Y A. Designing the uniform stochastic photomatrix therapeutic systems[J]. Algorithms, 2020, 13(2): 41.
Article Outline
杨泽宇, 叶一青, 蒋威, 朱星星, 易定容. 空间高曲率金属线表面均匀化照明[J]. 激光与光电子学进展, 2023, 60(6): 0615003. Zeyu Yang, Yiqing Ye, Wei Jiang, Xingxing Zhu, Dingrong Yi. Surface Homogenization Illumination of Spatial High Curvature Metal Wire[J]. Laser & Optoelectronics Progress, 2023, 60(6): 0615003.