THIẾT KẾ VÀ CHẾ TẠO MÔ HÌNH NHẬN DẠNG CÁC VẬT THỂ CÓ HÌNH DẠNG KHÁC NHAU SỬ DỤNG CÔNG NGHỆ XỬ LÝ ẢNH

Đồ án đã tạo được mô hình và thiết kế giao diện phần mềm xử lý ảnh thông qua Webcam để nhận dạng, phân loại vật thể theo yêu cầu.. Cũng chính vì lý do đó và sự gởi ý, giúp đỡ của cô ThS.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH

KHÓA LUẬN TỐT NGHIỆP

THIẾT KẾ VÀ CHẾ TẠO MÔ HÌNH NHẬN DẠNG CÁC VẬT THỂ CÓ HÌNH DẠNG KHÁC NHAU SỬ DỤNG CÔNG NGHỆ

XỬ LÝ ẢNH

Họ và tên sinh viên : ĐẶNG PHƯỚC THẢO (06153027)

DƯƠNG NGỌC THÁNH QUAN MINH

Ngành: CƠ ĐIỆN TỬ

Niên khóa: 2007-2011

Tp.HCM, Tháng 06/2011

i

LỜI CẢM ƠN

Lời đầu tiên chúng em xin chân thành cám ơn tất cả Qúy Thầy/ Cô ở trường Đại Học Nông Lâm TP Hồ Chí Minh và Qúy Thầy/ Cô trong khoa cơ khí đã giúp đỡ và trang trang bị cho chúng em những kiến thức trong suốt quá trình học tập tại trường và những người thân, bạn bè đã luôn động viên chúng em trong quá trình thực hiện

Chúng em cũng chân thành cảm ơn các Thầy/ Cô trong bộ môn Cơ Điện Tử đã chỉ dạy nhiệt tình và tạo mọi điều kiện thuận lợi trong thời gian thực hiện đề tài này

Đặc biệt chúng em cũng hết sức cám ơn Cô ThS NGUYỄN LÊ TƯỜNG đã hướng dẫn và giúp đỡ chúng em trong suốt quá trình làm luận văn

Chúng em cũng bày tỏa lònng biết ơn đối với Qúy Thầy/ Cô trong Hội Đồng đã dành thời gian quý báu để nhận xét và đóng góp ý kiến để luận văn này hoàn thiện hơn

Cuối cùng chúng em xin chúc các Thầy/ Cô luôn thành công,hạnh phúc, đầy sức khỏe trên mọi mặt

TP Hồ Chí Minh, 06 Tháng 06 Năm 2011 Sinh viên thực hiện

ĐẶNG PHƯỚC THẢO DƯƠNG NGỌC THÁNH QUAN MINH

TÓM TẮT ĐỒ ÁN

Đề tài “Thiết Kế Và Chế Tạo Mô Hình Nhận Dạng Các Vật Thể Có Hình Dạng Khác Nhau Sử Dụng Công Nghệ Xử Lý Ảnh” được chúng em tìm hiểu từ ngày nhận

đồ án và hoàn thành sơ bộ đến ngày 6/6/2011

Đồ án đã tạo được mô hình và thiết kế giao diện phần mềm xử lý ảnh thông qua Webcam để nhận dạng, phân loại vật thể theo yêu cầu Phần mềm được viết trên ngôn ngữ C# kết hợp với bộ thư viện mã nguồn mở OpenCV

Sau khi đặt vật vào đúng vị trí so với Webcam thì qui trình nhận dạng, phân loại vật bắt đầu thực hiện khi ta đã xử lý một số giai đoạn trên phần mềm Qui trình nhận dạng, phân loại vật chủ yếu dựa vào kích thước của vật đã được giới hạn trong chương trình xử

lý

Cuối cùng vật được xác định kết quả nhận hay loại, các thông số liên quan đến vật được hiển thị thông qua giao diện trên máy tính

iii

MỤC LỤC

Lời cảm ơn ii

Tóm tắt iii

Mục lục iv

Danh sách các hình vii

CHƯƠNG 1: MỞ ĐẦU 1

1.1 Đặt vấn đề 1

1.2 Ý nghĩa thực tiễn 1

1.3 Mục đích nghiên cứu 2

1.4 Giơí hạn đề tài 2

CHƯƠNG 2: TỔNG QUAN 3

2.1 Tổng quan về nhận dạng vật thể 3

2.2 Tổng quan và ứng dụng về xử lý ảnh 3

2.2.1 Xử lý ảnh là gì? 3

2.2.2 Ứng dụng xử lý ảnh 5

2.3 Sơ lược về phần mềm xử lý ảnh của Siemen 8

2.3.1 Spectation 8

2.3.2 Công cụ blob của Spectation 9

2.4 Giới thiệu một số phần mềm xử lý ảnh khác 11

2.4.1 Image Analyze 11

2.4.2 Paint Star 12

CHƯƠNG 3: NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 13

3.1 Chương trình xử lý ảnh 13

3.1.1Nhiệm vụ chương trình 13

3.2 Một số khái niệm cơ bản trong xử lý ảnh 13

3.2.1 Ảnh và điểm ảnh 13

3.2.2 Phần tử ảnh 15

3.2.3 Mức xám 15

3.2.4 Khái niệm về biên 16

3.2.5 Tăng cường và khôi phục ảnh 17

3.2.6 Biến đổi ảnh 17

3.2.7 Phân tích ảnh 17

3.2.8 Nhận dạng ảnh 18

3.2.9 Nén ảnh 19

3.2.10 Thu nhận ảnh 20

3.2.11 Xử lý và nâng cao chất lượng ảnh 21

3.3 Các phương pháp chiếu sáng trong công nghiệp 26

3.3.1 Chiếu sáng khuếch tán trước đối tượng 26

3.3.2 Chiếu sáng trực tiếp vào đối tượng 26

3.3.3 Chiếu sáng đồng trục 27

v

3.3.4 Chiếu sáng theo cấu trúc 27

3.3.5 Chiếu sáng phía sau 28

3.4 Sơ lược về Webcam 28

3.5 Khái quát về thư viện OpenCV 29

3.6 Tính toán các thông số hình học của vật thể 31

3.6.1 Hình tròn 31

3.6.2 Hình vuông 31

3.6.3 Hình tam giác 31

3.6.4 Hình chữ nhật 32

3.6.5 Hình bình hành 32

3.6.6 Hình thoi 32

3.6.7 Hình khác 32

CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN 33

4.1 Thiết kế mô hình hệ thống 33

4.1.1 Sơ đồ khối 33

4.1.2 Mô hình vẽ trên Autocad 34

4.2 Giao diện phần mềm 37

4.2.1 Giao diện chính của phần mềm 37

4.2.2 Trình đơn chính 38

4.2.3 Hiển thị video 38

4.2.4 Hiển thị xử lý 38

4.2.5 Thanh kết quả 39

4.2.6 Biểu đồ cường độ sáng 39

4.2.7 Bảng kết quả 39

4.3 Lưu đồ giải thuật phần mềm 40

4.4 So sánh kết quả tính thực tế với kết quả tính của phần mềm 43

4.4.1 Xử lý với hình tròn 43

4.4.2 Xử lý với hình vuông 46

4.4.3 Xử lý với hình tam giác 49

4.4.4 Xử lý với hình bất kỳ 52

4.5 Bảng khảo nghiệm kết quả so sánh kích thước thực với phần mềm……… 54

CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ NGHỊ 55

5.1 Kết quả đạt được 55

5.2 Đề nghị 55

Tài liệu tham khảo 56

Phục lục 57

vii

DANH SÁCH CÁC HÌNH

Chương 2

Hình 2.1 Sơ đồ khối của quá trình xử lý ảnh 5

Hình 2.2 Robot đánh bóng bàn TOPIO 6

Hình 2.3 Robot SWAT 7

Hình 2.4 Giao diện của phần mềm Spectation 8

Hình 2.5 Camera VS724 của Siemen 9

Hình 2.6 Hình phân loại sản phẩm dựa vào vị trí của Spectation 10

Hình 2.7 Hình phân loại sản phẩm dựa vào độ tròn Spectation 11

Chương 3 Hình 3.1 Phương pháp chiếu sáng khuếch tán trước đối tượng 26

Hình 3.2 Phương pháp chiếu sáng trực tiếp vào đối tượng 26

Hình 3.3 Phương pháp chiếu sang đồng trục 27

Hình 3.4 Phương pháp chiếu sáng theo cấu trúc 27

Hình 3.5 Phương pháp chiếu sáng phí sau 28

Hình 3.6.Webcam 28

Hình 3.7 Nhận dạng khuôn mặt trong OpenCV 30

Chương 4 Hình 4.1 Sơ đồ khối 33

Hình 4.2 Hình chiếu bằng 34

Hình 4.3 Hình chiếu đứng 35

Hình 4.4 Hình chiếu cạnh 35

Hình 4.5 Mô hình thực tế 36

Hình 4.6 Giao diện chính của phần mềm 37

Hình 4.7 Bảng kết quả 39

Hình 4.8 Lưu đồ giải thuật phần trước sử dụng công cụ 40

Hình 4.9 Lưu đồ giải thuật của phần sử dụng Generation 41

Hình 4.10 Lưu đồ giải thuật của phần sử dụng Selector 42

Hình 4.11 Bảng giới hạn thông số hình tròn 43

Hình 4.12 Ảnh kết quả của vật tròn mẫu 44

Hình 4.13 Ảnh kết quả của vật tròn so sánh 45

Hình 4.14 Bảng giới hạn thông số hình vuông 46

Hình 4.15 Ảnh kết quả của hình vuông mẫu 47

Hình 4.16 Ảnh kết quả của hình vuông so sánh 48

Hình 4.17 Bảng giới hạn thông số hình tam giác 49

Hình 4.18 Ảnh kết quả trong hình tam giác mẫu 50

Hình 4.19 Ảnh kết quả trong hình tam giác so sánh 51

Hình 4.20 Ảnh kết quả trong vật mẫu 52

Hình 4.21 Ảnh kết quả trong vật so sánh 53

Hình 4.22 Bảng khảo nghiệm 54

lý ảnh vào các công đoạn: kiểm tra, xử lý, phân loại, hay nhận dạng các vật thể xem đạt yệu cầu chưa

Trong xu thế phát triển công nghệ thông tin mạnh mẽ, cùng với xu thế phát triển các hệ thống hoạt động trên cơ sở nhận dạng và xử lý ảnh Ảnh ở đây nhiều thông tin

về màu sắc, hình dáng, kích thước…Với công cụ xử lý ảnh cho chúng ta các khả năng nhận biết chính xác các sự vật dựa trên các đặt tính bên ngoài của vật

Cũng chính vì lý do đó và sự gởi ý, giúp đỡ của cô ThS.Nguyễn Lê Tường và anh

Huỳnh Cao Vân chúng em đã tìm hiểu nghiên cứu và chọn đề tài “Thiết kế và chế

tạo mô hình nhận dạng các vật thể có hình dạng khác nhau sử dụng công nghệ xử

lý ảnh” với mong muốn thông qua đề tài này sẽ bổ sung thêm những kiến thức mới

cũng như phục vụ cho các hoạt động sản xuất hiệu quả hơn

1.2 Ý nghĩa thực tiễn

Mảng xử lý ảnh không còn mới trên thế giới và ở Việt Nam vì nó đang được phát

triển rất mạnh mẽ trong giảng dạy và trong công nghiệp

Đồ án này nhằm tiến thêm một bước trong công nghệ xử lý ảnh mà các khóa trước

đã hình thành, khi đồ án này hoàn thành thì sẽ góp phần đáng kể trong việc nghiên cứu sâu hơn về mảng xử lý ảnh để giúp cho các khóa sau có cơ sở nghiên cứu, hoàn thiện

các công cụ xử lý và tiến tới ứng dụng trong thực tế sản xuất

Còn với thực tế sản xuất, đồ án khi được hoàn thiện hơn sẽ giúp giải quyết bài toán phân loại sản phẩm theo hình dạng So với các sản phẩm phân loại tương tự thì phần

mềm này có thể rẻ hơn và đó là lợi thế của phần mềm so với các sản phẩm khác

1.3 Mục đích nghiên cứu

Mục đích của đề tài nhằm thiết kế và chế tạo mô hình nhận dạng các khối vật thể khác nhau từ Webcam Từ đó đề tài có thể dùng để tham khảo tài liệu, bổ sung kiến thức cho các ngành học liên quan, giải quyết các tình huống thật trong sản xuất và ứng dụng nhiều vào các nghành nghề khác: nhận dạng mã vạch,vân tay, khuôn mặt… Tạo được phần mềm xử lý ảnh có các chức năng tương đồng với bộ Blod Tools của phần mềm Spectation: là một công cụ xử lý ảnh có nhiều chức nãng đặc biệt trong qui trình kiểm tra sản phẩm của hãng Siemem

1.4 Giơí hạn đề tài

Mô hình chưa được tự động

Nhận dạng và phân loại vật dựa vào kích thước

Tốc độ xử lý của Webcam chậm

mã vạch ở các sân bay, khách sạn, ngân hàng hoặc các khu vực công cộng vẫn còn bị hạn chế và cũng chính do các vật thể có hình dạng, kích thước, màu sắc khác nhau (ví dụ: hình tròn, hình vuông, hình tam giác…) mà chính do con người quan sát, thực hiện

dễ gây sai sót, hạn chế, nhầm lẫn khó phân biệt bằng mắt thường

Để khắc phục những sai sót và hạn chế đó con người đã tìm ra các phương pháp kiểm tra, nhận định, giám sát với các kỹ thuật hiện đại đó là công nghệ xử lý ảnh có thể dùng Webcam hay Camera …thay thế cho mắt người với năng suất và hiệu quả cao hơn nhiều

2.2 Tổng quan và ứng dụng về xử lý ảnh

2.2.1 Xử lý ảnh là gì?

Xử lý ảnh là một ngành khoa học còn tương đối mới mẻ so với nhiều ngành khoa học khác Hiện nay nó đang là một trong những lĩnh lực được quan tâm và

đã trở thành môn học chuyên ngành trong các trường đại học Nhờ có công nghệ

số hoá hiện đại, ngày nay con người đã có thể xử lý tín hiệu nhiều chiều thông qua nhiều hệ thống khác nhau, từ những mạch số đơn giản cho đến những máy tính

song song cao cấp Mục tiêu của xử lý này có thể chia làm ba hướng như sau:

 Xử lý ảnh ban đầu để có được ảnh mới theo một yêu cầu xác định (ví dụ như ảnh mờ cần xử lý để được ảnh rõ hơn)

 Phân tích ảnh để thu được các thông tin đặc trưng giúp cho việc phân loại, nhận biết ảnh (ví dụ phân tích ảnh vân tay để trích chọn các đặc trưng vân tay)

 Hiểu ảnh đầu vào để có những mô tả về ảnh ở mức cao hơn, sâu hơn (ví dụ từ ảnh một tai nạn giao thông phác họa hiện trường tai nạn)

Xử lý ảnh là một trong những mảng quan trọng nhất trong kỹ thuật thị giác máy tính, là tiền đề cho nhiều nghiên cứu thuộc lĩnh vực này Hai nhiệm vụ cơ bản của quá trình xử lý ảnh là nâng cao chất lượng thông tin hình ảnh và xử lý số liệu cung cấp cho các quá trình khác trong đó có việc ứng dụng thị giác vào điều khiển

Thị giác máy (Machine vision) là một ứng dụng của thị giác máy tính vào trong cộng nghiệp và trong sản xuất Nhưng ngược lại, thị giác máy tính (Computer vision)

là qui tắc chung để máy tính có thể nhìn được, thị giác máy là một qui tắc kỹ thuật, liên quan tới các thiết bị số vào/ra và mạng máy tính để điều khiển thiết bị sản xuất khác chẳng hạn như cánh tay robot Thị giác máy là trường phụ kỹ thuật mà có liên quan tới khoa học máy tính, quang học, kỹ thuật chế tạo máy, và tự động hóa công nghiệp Một trong các ứng dụng của thị giác máy là kiểm tra các sản phẩm tốt như chíp bán dẫn, ô tô, thực phẩm và dược phẩm Cũng như các người làm việc kiểm tra trên các dây chuyền sản xuất, sử dụng thị giác để kiểm tra chất lượng của sản phẩm có tốt hay không, việc này cần ở người kiểm tra về kinh nghiệm và kỹ năng, nhưng với hệ thống thị giác máy thì chỉ cần sử dụng máy ảnh số, máy ảnh thông minh và phần mềm

xử lý ảnh để thực hiện việc kiểm tra tương tự

Quá trình xử lý ảnh có thể xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận :

XỬ LÝ ẢNH

Ảnh

Ảnh

“Tốt Kết luận

Tóm lại xử lý ảnh là quá trình chụp ảnh, phân tích nhận dạng ảnh và đưa ra các tín hiệu điều khiển hợp lý Thiết bị thu nhận (chụp ảnh) có thể là Scanner, camera, webcam,….Thực chất quá trình phân tích và nhận dạng ảnh bao gồm nhiều công đoạn nhỏ có thể hình hình dung quá trình xử lý ảnh thông qua sơ đồ khối sau :

- Camera đo diện tích tấm da trong sản xuất đồ da

- Giám sát và điều khiển tín hiệu giao thông bằng camera thời gian thực

- Ứng dụng xử lý ảnh kết hợp với mạng neural trong nhận dạng chữ viết

- Robot xử lý ảnh trong cuộc thi robocon 2007

- Robot đánh bóng bàn TOPIO của công Tosy Việt Nam

- Dây chuyền tự động nhận dạng, phân lọai gạch ốp lát granite của viện nghiên cứu kĩ thuật quân sự

Hệ quyết định

Đối sánh rút ra kết luận Hậu

xử lý

Hình 2.2: Robot đánh bóng bàn TOPIO

Nhóm tác giả ở Viện tự động hóa Kỹ thuật quân sự (Bộ Quốc phòng) đã thực hiện thành công đề tài "Nghiên cứu thiết kế, chế tạo hệ thống tự động hóa nhận dạng và phân loại sản phẩm công nghiệp"

Với ứng dụng công nghệ nhận dạng, xử lý ảnh và trí tuệ nhân tạo trên cơ sở hệ thống thu thập thông tin ảnh chất lượng cao sẽ bảo đảm tốc độ và độ chính xác nhận dạng phân loại sản phẩm đạt tiêu chuẩn cao hơn hẳn bằng mắt thường hoặc các phương pháp thủ công khác

Hệ thống có tính linh hoạt và thích nghi cao vì có thể áp dụng trong nhiều dây chuyền công nghiệp sản xuất hàng loạt sản phẩm có tiêu chuẩn phân loại cần áp dụng công nghệ nhận dạng và xử lý ảnh Tính thích nghi của hệ thống tạo các khả năng ứng dụng cho nhiều loại sản phẩm khi cần thiết bằng sự thay đổi mềm dẻo các đặc trưng của mẫu sản phẩm

b) Ngoài nước:

Thế giới đã phát triển và ứng dụng xử lý ảnh từ những năm 1960 Khởi đầu từ nghiên cứu của các phòng thí nghiệm Jet Propulsion, MIT, Bell Labs, và đại học Maryland Ban đầu được ứng dụng để phân tích ảnh từ vệ tinh Ngày nay có rất nhiều ứng dụng dân dụng liên quan đến công nghệ xử lý ảnh như:

- Kiểm tra lỗi ổ cứng trong nhà máy sản xuất ổ cứng

- Robot Asimo của công ty Honda Nhật

- Ứng dụng chụp cắt lớp trong y học, phân tích bệnh lý qua ảnh X-quang

- Nhận dạng vân tay, nhận dạng ký tự

- Hay đơn giản là tăng cường, phục hồi chất lượng ảnh chụp

Hình 2.3: Robot SWAT

Trên đây là một mẫu robot được ứng dụng cho đội SWAT của Mỹ có thể

giám sát, tuần tra, phân phát vũ khí/thức ăn, tìm và phá huỷ bom

2.3 Sơ lược về phần mềm xử lý ảnh của Siemen

Trong thời gian gần đây xử lý ảnh công nghiệp có những bước phát triễn tương

đối lớn, các hãng chuyên về xử lý ảnh đã không ngừng đưa ra các sản phẩm để đáp

ứng nhu cầu của khách hàng Các công cụ ngày càng hiện đại, với tốc độ xử lý cao,

nhiều công cụ xử lý và có khả năng kết nối với các thiết bị công nghiệp khác

Trong mảng xử lý ảnh công nghiệp không thể không nhắc tới phần mềm xử lý

ảnh tốt nhất là Spectation của Siemen

2.3.1 Spectation

Specatation là phần mềm xử lý ảnh của Siemen với rất nhiều tính năng đặc biệt,

hãng đã tìm hiểu và đáp cứng nhu cầu của khách hàng để phát triễn bộ công cụ xử lý

ảnh phù hợp gần như toàn bộ các trường hợp trong sản xuất cần kiểm phẩm

Hình 2 4: Giao diện của phần mềm Spectation

Khi xử dụng phần mềm này thì kèm theo đó là một camera công nghiệp với tốc

độ xử lý cao, bên cạnh đó camera có thể sử dụng Ethernet và giao thức kết nối TCP/IP

và UDP/IP để giao tiếp với máy tính cho nên tốc độ truyền dữ liệu rất cao và khoảng cách rất xa

Hình 2.5: Camera VS724 của Siemen 2.3.2 Công cụ blob của Spectation

Blob trong Spectation được định nghĩa như miền kết nối điểm ảnh có mật độ đồng dạng Thanh công cụ được thiết kế để tìm, tính toán (đếm), đánh dấu Blob Thanh công công cụ Blob bao gồm hai Softsensor: chương trình tạo Blob (Blob Generator) và bộ chọn Blob (Blob selector)

Chương trình tạo blob phân tích ảnh và tách blob dựa trên lựa chọn của người dùng (mức ngưỡng và loại blob để định vị trí) Một blob được định vị trí, phương án

xử lý ảnh (ăn mòn, mở rộng, ẩn hay mở) có thể dùng để loại trừ nhiễu trong ảnh

Softsensor này có sự đánhdấu ảnh đặc thù Màu xanh phù hợp cho nền Màu xám phù hợp cho blob đang được đếm Mầu đỏ phù hợp với đường bao của blob ,hay blob tiếp xúc với biên của Softsensor

Bộ chọn blob được dùng để tách blob được tạo bởi chương trình tạo blob Phần chính sử dụng phần mềm này là hỗ trợ người dùng tìm blob mà phần mềm ứng dụng yêu cầu bởi tính toán hệ số thông số blob Mục đích chung là đánh dấu bộ phận quay

và dịch chuyển, một blob đặt biệt phải được cô lập và vị trí của nó được tính toán Khi

nó đã làm, Softsensor khác có thể tham chiếu bộ chọn blob cho mốc qui chiếu vị trí Nếu mục đích chung đơn giản để tính blob hay xác định lại hình dạng/ kích thước đúng của chúng, Soflsensor này có thể làm tự động hóa Phần mềm này không được đưa ra, đơn giản nó tham chiếu cho chương trình tạo blob và sử dụng trong miền được định giới bởi đường biên của nó Như vậy hệ quả là, nó không cài đặt ngưỡng giới hạn, đơn giản là nó đưa ra blob từ chương trình tạo blob và thực hiện tính toán dựa trên chúng Thông số mà Spectation đưa ra cho mỗi blob là: vị trí, kích thước biên, độ lệch tâm, độ khích, chu vi, cường độ sáng, diện tích, và bán kính Người sử dụng có thể tính toán một vài hay tất cả thông số này để hỗ trợ sự khác biệt giữa các blob mong muốn và blob khác trong ảnh

Việc đánh dấu của Softsensor này khác với chương trình tạo blob Nền là màu đen, và blob là chỗ nổi bật trong màu trắng Blob loại bỏ thì trình màu sắc tối hơn Người dùng phải thiết lập thông số Softsensor để lựa chọn một blob khi làm việc với

vị trí tham chiếu

Hình 2.6: Hình phân loại sản phẩm dựa vào vị trí của Spectation

Hình trên trình bày chỉ một blob đang được chọn và sử dụng đối với mốc tham chiếu vị trí (chỗ nổi bật trong màu trắng) Ảnh trình bày việc đánh dấu sự định hướng của chi tiết, đánh dấu tâm của nó Điểm mốc này bao gồm đường màu xanh bắt đầu từ điểm màu đỏ (điểm tâm blob)

Hình 2.7: Hình phân loại sản phẩm dựa vào độ tròn của Spectation

Ảnh cuối cùng trính bày việc đánh dấu cho trương hợp khi 1 viền tròn hỏng Viền tròn hỏng bị loại vì Softsensor chỉ tìm 3 viền tròn Trong trương hợp này Softsensor bị ngừng chạy dựa trên đếm blob Chú ý trong trường hợp này, vì không có mốc tham chiếu vị trí đang được dùng, Softsensor không đánh dấu tâm và phương của blob

2.4 Giới thiệu một số phần mềm xử lý ảnh khác:

2.4.1 Image Analyze

Image Analyzer là một trình chỉnh sửa hình ảnh nâng cao và được tích hợp phần mềm phân tích hình ảnh nhưng lại có dung lượng rất nhỏ Chương trình này có tính năng xử lý hình ảnh thông thường như điều chỉnh độ sáng, màu sắc, loại bỏ mắt

đỏ, phóng to, thu nhỏ, cắt và xoay ảnh cùng với một số tính năng chỉnh sửa hình ảnh nâng cao

2.4.2 Paint Star :

PaintStar là chương trình xử lý hình ảnh kỹ thuật số đa năng với các công cụ chỉnh sửa và thiết kế hình ảnh, chụp màn hình, và hiển thị hình ảnh thu nhỏ hình ảnh trong menu của Windows Explorer Phần mềm này cũng hỗ trợ làm việc với các layers, tích hợp các công cụ chỉnh sửa ảnh phổ biến nhất Ngoài ra, PaintStar còn có

bộ lọc ảnh khá tốt

Ngoài ra còn có một số phần mềm như: PhotoPlus, PhotoScape, Phantasmagoria…nhưng đa phần ít ứng dụng trong công nghiệp

Chương 3

NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Chương trình xử lý ảnh

3.1.1 Nhiệm vụ của chương trình

Chương trình có nhiệm vụ đọc ảnh được truyền về từ webcam xử lý, tính toán, phân tích các đặc trưng của các khối bên trong ảnh, so sánh với các thông số yêu cầu đặc ra nhằm rút ra kết luận khối đúng hay sai

3.2 Một số khái niệm cơ bản trong xử lý ảnh

3.2.1 Ảnh và điểm ảnh:

Điểm ảnh: được xem như là dấu hiệu hay cường độ sáng tại một tọa độ

trong không gian của đối tượng

Ảnh: là một tập hợp hữu hạn các điểm ảnh kề nhau Ảnh thường được

biểu diễn bằng một ma trận hai chiều, mỗi phần tử của ma trận tương ứng với một điểm ảnh

Phân loại ảnh

 Ảnh nhị phân (đen trắng): là ảnh có giá trị mức xám của các điểm ảnh được

biểu diễn bằng 1 bit (giá trị 0 hoặc 1)

Ví dụ về biểu diễn ảnh nhị phân:

 Ảnh màu: thông thường, ảnh màu được tạo nên từ 3 ảnh xám đối với màu nền

đỏ (RED), xanh lá cây (GREEN), xanh lam (BLUE) Tất cả các màu trong tự nhiêu đều có thể được tổng hợp từ 3 thành phần màu trên theo các tỷ lệ khác nhau

 Một số định dạng ảnh hiện nay:

Ảnh BMP (Bitmap)

Là ảnh được mô tả bởi một ma trận các giá trị số xác định màu và bảng màu của các điểm ảnh tương ứng khi hiển thị Ưu điểm của ảnh Bitmap là tốc độ vẽ và tốc độ xử lý nhanh Nhược điểm của nó là kích thước rất lớn

Ảnh JPEG (Joint Photographic Experts Group)

Đây là một định dạng ảnh được hỗ trợ bởi nhiều trình duyệt web Ảnh JPEG được phát triển để nén dung lượng và lưu trữ ảnh chụp, và được sử dụng tốt nhất cho đồ họa có nhiều màu sắc, ví dụ như là ảnh chụp được scan File Ảnh JPEG là ảnh Bitmap đã được nén lại

Ảnh GIF (Graphics Interchange Format)

Ảnh GIF được phát triển dành cho những ảnh có tính chất thay đổi Nó được

sử dụng tốt nhất cho đồ họa có ít màu, ví dụ như là ảnh hoạt hình hoặc là những bức vẽ với nhiều đường thẳng File ảnh GIF là những ảnh Bitmap được nén lại

Có hai sự khác nhau cơ bản giữa ảnh GIF và ảnh JPEG:

+ Ảnh GIF nén lại theo cách giữ nguyên toàn bộ dữ liệu ảnh trong khi ảnh JPEG nén lại nhưng làm mất một số dữ liệu trong ảnh

+ Ảnh GIF bị giới hạn bởi số màu nhiều nhất là 256 trong khi ảnh JPEG không giới hạn số màu mà chúng sử dụng

ta sử dụng khái niệm Picture element mà ta quen gọi hay viết là Pixel - phần tử ảnh Ở

đây cũng cần phân biệt khái niệm pixel hay đề cập đến trong các hệ thống đồ hoạ máy tính Để tránh nhầm lẫn ta tạm gọi khái niệm pixel này là pixel thiết bị Khái niệm pixel thiết bị có thể xem xét như sau: khi ta quan sát màn hình (trong chế độ đồ hoạ), màn hình không liên tục mà gồm nhiều điểm nhỏ, gọi là pixel Mỗi pixel gồm một cặp toạ độ x, y và màu

Như vậy một ảnh là một tập hợp các điểm ảnh Khi được số hoá, nó thường được biểu diễn bởi bảng hai chiều I(n,p): n hàng và p cột Ta nói ảnh gồm n x p pixels Người ta thường kí hiệu I(x,y) để chỉ một pixel Thường giá trị của n chọn bằng p và bằng 256

3.2.3 Mức xám:

Là kết quả của sự biến đổi tương ứng giá trị độ sáng của một điểm ảnh với một giá trị số nguyên dương Tùy thuộc vào số giá trị biểu diễn mức xám mà mỗi

điểm ảnh sẽ được biểu diễn trên 1, 4, 8, 24 hay 32 bit Số lượng bit biểu diễn mức xám càng lớn thì chất lượng ảnh càng cao nhưng sẽ tốn dung lượng bộ nhớ nhiều hơn

để lưu trữ và cần một hệ thống mạnh hơn để xử lý

3.2.4 Khái niệm về biên

Biên là một vấn đề chủ yếu trong phân tích ảnh vì các kỹ thuật phân đoạn ảnh chủ yếu dựa vào biên

Một điểm ảnh có thể coi là điểm biên nếu ở đó có sự thay đổi đột ngột về mức xám Tập hợp các điểm biên tạo thành biên hay đường bao ảnh của ảnh (boundary) Thí dụ, trong một ảnh nhị phân, một điểm có thể gọi là biên nếu đó là điểm đen và có

ít nhất một điểm trắng là lân cận

3.2.4.1 Phân loại các kỹ thuật phát hiện biên

Xuất phát từ định nghĩa toán học của biên người ta thường sử dụng 2 phương pháp phát hiện biên sau:

3.2.4.1.1 Phương pháp phát hiện biên trực tiếp:

Phương pháp này nhằm làm nổi biên dựa vào sự biến thiên về giá trị độ sáng của điểm ảnh kỹ thuật chủ yếu dùng phát hiện biên ở đây là kỹ thuật đạo hàm Nếu lấy đạo hàm bậc nhất của ảnh ta có phương pháp Gradient; nếu lấy đạo hàm bậc hai ta có

kỹ thuật Laplace Hai phương pháp trên được gọi là phương pháp dò biên cục bộ ngoài ra người ta còn sử dụng phương pháp “đii theo đường bao”: dựa vào nguyên lý qui hoạch hoạt động và được gọi là phương pháp dò biên tổng thể

3.2.4.1.2 Phương pháp gián tiếp:

Nếu bằng cách nào đấy , ta phân được ảnh thành các vùng thì đường phân ranh giữa các vùng đó chính là biên việc phân vùng ảnh thường dựa vào kết cấu (texture)

bề mặt của ảnh

Cũng cần lưu ý rằng, kỹ thuật dò biên và phân vùng ảnh là hai bài toán đối ngẫu của nhau Thực vậy, dò biên để thực hiện phân lớp đối tượng và một khi đã phân lớp xong có nghĩa là đã phân vùng được ảnh Và ngược lại, khi phân vùng, ảnh đã phân lập được thành các đối tượng, ta có thể phát hiện được biên Phương pháp dò biên trực tiếp tỏ ra khá hiệu quả vì ít chịu ảnh hưởng của nhiễu song nếu sự biến thiên độ sáng không đột ngột, phương pháp này lại kém hiệu quả Phương pháp dò biên gián tiếp tuy

có khó cài đặt song lại áp dụng khá tốt khi sự biến thiên độ sáng nhỏ

3.2.5 Tăng cường và khôi phục ảnh

Tăng cường ảnh là bước quan trọng, tạo tiền đề cho xử lý ảnh Nó gồm một loạt các kỹ thuật như: Lọc độ tương phản, khử nhiễu, nổi màu, v v

Khôi phục ảnh là nhằm loại bỏ các suy giảm (degradation) trong ảnh

3.2.6 Biến đổi ảnh

Thuật ngữ biến đổi ảnh (Image Transform) thường dùng để nói tới một lớp các

ma trận đơn vị và các kỹ thuật dùng để biến đổi ảnh Có nhiều loại biến đổi được dùng như :

- Biến đổi Fourier, Sin, Cosin, Hadamard,

3.2.7 Phân tích ảnh

Là khâu quan trọng trong quá trình xử lý ảnh để tiến tới hiểu ảnh Trong phân tích ảnh việc trích chọn đặc điểm là một bước quan trọng Các đặc điểm của đối tượng

được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh Có thể nêu ra một số đặc điểm của ảnh sau đây:

Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn

v.v

Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện

lọc vùng (zonal filtering) Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn v.v )

Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do

vậy rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) …

Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống

3.2.8 Nhận dạng:

Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó” Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể:

 Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định

 Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn

đồng dạng nào đó Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh

Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây:

 Thu nhận dữ liệu và tiền xử lý

 Biểu diễn dữ liệu

 Nhận dạng, ra quyết định

Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:

 Đối sánh mẫu dựa trên các đặc trưng được trích chọn

 Phân loại thống kê

 Đối sánh cấu trúc

 Phân loại dựa trên mạng nơ-ron nhân tạo

Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ

để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếpcận khác nhau Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp

3.2.9 Nén ảnh

Dữ liệu ảnh cũng như các dữ liệu khác cần phải lưu trữ hay truyền đi trên mạng Lượng thông tin để biểu diễn cho một ảnh là rất lớn Do đó làm giảm lượng thông tin hay nén dữ liệu là một nhu cầu cần thiết

Trên cơ sở hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh:

 Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF

 Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh

để tiến hành mã hóa Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau Ví dụ cho kỹ thuật này là mã nén *.PCX

 Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn và do vậy, kỹ thuật thướng nến hiệu quả hơn *.JPG chính là tiếp cận theo kỹ thuật nén này

 Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp lại của các chi tiết Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal

3.2.10 Thu nhận ảnh

3.2.10.1 Thiết bị thu nhận ảnh

Thiết bị thu nhận ảnh là camera, scanner, webcam,… Các thiết bị thu nhận ảnh này có thể cho ảnh trắng đen B/W (Black and White), ảnh xám hoặc ảnh màu Với ảnh B/W mức màu z là 0 hoặc 1 Với ảnh đa cấp xám, mức xám biến thiên từ 0 đến 255 Ảnh màu, mỗi điểm ảnh lưu trữ trong 3 bytes và do đó ta có 2 8x3 = 2 24 màu (cỡ 16, 7 triệu màu)

Thiết bị ra ảnh có thể là máy in đen trắng, máy in màu hay máy vẽ (ploter) Máy

vẽ cũng có nhiều loại: loại dùng bút, loại phun mực

Nhìn chung, các hệ thống thu nhận ảnh thực hiện 2 quá trình:

 Cảm biến: biến đổi năng lượng quang học (ánh sáng) thành năng lượng điện

 Tổng hợp năng lượng điện thành ảnh

3.2.10.2 Lấy mẫu và lượng tử hoá

Yêu cầu cơ bản nhất trong xử lý ảnh bằng máy tính là đưa ảnh về dạng biểu diễn số thích hợp, nghĩa là ảnh phải được biểu diễn bởi một ma trận hữu hạn tương ứng với việc lấy mẫu ảnh trên một lưới rời rạc và mỗi pixel được lượng hoá bởi một số hữu hạn bit Ảnh số được lượng hoá có thể được xử lý hay chuyển qua bước biến đổi

số tương tự - DA (Digital to Analog) để tái hiện trên thiết bị hiện ảnh

3.2.10.3 Quét ảnh (Image scanning)

Phương pháp chung để lấy mẫu là quét ảnh theo hàng và mã hoá từng hàng Về nguyên tắc, một đối tượng, phim hay giấy trong suốt sẽ được chiếu sáng liên tục để tạo nên một ảnh điện tử trên tấm cảm quang Tuỳ theo các loại camera mà tấm cảm quang này là chất quang dẫn hay quang truyền Hệ thống camera ống sử dụng phương pháp

scan-out-digitalizer; còn hệ thống camera CCD (Charge Couped Device) cho ảnh ma

trận

3.2.11 Xử lý và nâng cao chất lượng ảnh

Nâng cao chất lượng ảnh là một bước quan trọng, tạo tiền đề cho xử lý ảnh Mục đích chính là nhằm làm nổi bật một số đặc tính của ảnh như thay đổi độ tương phản, lọc nhiễu, nổi biên, làm trơn biên ảnh, khuyếch đại ảnh Tăng cường ảnh và khôi phục ảnh là 2 quá trình khác nhau về mục đích Tăng cường ảnh bao gồm một loạt các phương pháp nhằm hoàn thiện trạng thái quan sát của một ảnh Tập hợp các

kỹ thuật này tạo nên giai đoạn tiền xử lý ảnh Trong khi đó, khôi phục ảnh nhằm khôi phục ảnh gần với ảnh thực nhất trước khi nó bị biến dạng do nhiều nguyên nhân khác nhau Sau đây ta tìm hiểu một số kỹ thuật tăng cường ảnh

3.2.11.1 Các kỹ thuật tăng cường ảnh

Nhiệm vụ của tăng cường ảnh không phải là làm tăng lượng thông tin vốn có trong ảnh mà làm nổi bật các đặc trưng đã chọn làm sao để có thể phát hiện tốt hơn, tạo thành quá trình tiền xử lý cho phân tích ảnh

3.2.11.1.1 Tăng độ tương phản

Trước tiên cần làm rõ khái niệm độ tương phản; ảnh số là tập hợp các điểm, mà mỗi điểm có giá trị độ sáng khác nhau Ở đây, độ sáng để mắt người dễ cảm nhận ảnh song không phải là quyết định Thực tế chỉ ra rằng hai đối tượng có cùng độ sáng nhưng đặt trên hai nền khác nhau sẽ cho cảm nhận khác nhau Như vậy, độ tương phản biểu diễn sự thay đổi độ sáng của đối tượng so với nền Một cách nôm na, độ tương

phản là độ nổi của điểm ảnh hay vùng ảnh so với nền Với định nghĩa này, nếu ảnh của

ta có độ tương phản kém, ta có thể thay đổi tuỳ ý theo ý muốn

Ảnh với độ tương phản thấp có thể do điều kiện sáng không đủ hay không đều, hoặc do tính không tuyến tính hay biến động nhỏ của bộ cảm nhận ảnh Để điều chỉnh lại độ tương phản của ảnh, ta điều chỉnh lại biên độ trên toàn dải hay trên dải có giới hạn bằng cách biến đổi tuyến tính biên độ đầu vào (dùng hàm biến đổi là hàm tuyến tính) hay phi tuyến (hàm mũ hay hàm lôgarít)

3.2.11.1.2 Tách nhiễu

Tách nhiễu là trường hợp đặc biệt của dãn độ tương phản khi hệ số góc = =0 Tách nhiễu được ứng dụng một cách hữu hiệu để giảm nhiễu khi biết tín hiệu vào nằm trên khoảng [a,b]

Giả sử ta có I ~ kích thước m × n và số nguyên c

Khi đó, kỹ thuật tăng, giảm độc sáng được thể hiện

3.2.11.1.5 Một số kỹ thuật cải thiện ảnh nhị phân

Với ảnh nhị phân, mức xám chỉ có 2 giá trị là 0 hay 1 Do vậy, ta coi một phần

tử ảnh như một phần tử lô gíc và có thể áp dụng các toán tử hình học (morphology

operators) dựa trên khái niệm biến đổi hình học của một ảnh bởi một phần tử cấu trúc

(structural element)

Phần tử cấu trúc là một mặt nạ dạng bất kỳ mà các phần tử của nó tạo nên một

mô-típ Người ta tiến hành rê mặt nạ đi khắp ảnh và tính giá trị điểm ảnh bởi các điểm

lân cận với mô-típ của mặt nạ theo cách lấy hội hay lấy tuyển Hình dưới đây , chỉ ra

một phần tử cấu trúc và cách lấy hội hay tuyển:

ảnh (erosion)

a) Dãn ảnh

Dãn ảnh nhằm loại bỏ điểm đen bị vây bởi các điểm trắng Trong kỹ thuật này, một

cửa sổ N+1 x N+1 được rê đi khắp ảnh và thực hiện đối sánh một pixel của ảnh với

(N+1)2 -1 điểm lân cận (không tính điểm ở tâm) Phép đối sánh ở đây thực hiện bởi

phép tuyển lôgíc

b ) Co ảnh

Co ảnh là thao tác đối ngẫu của giãn ảnh nhằm loại bỏ điểm trắng bị vây bởi các điểm đen Trong kỹ thuật này, một cửa sổ (N+1) x (N+1) được rê đi khắp ảnh và thực hiện sánh một pixel của ảnh với (N+1)2 -1 điểm lân cận Sánh ở đây thực hiện bởi phép hội lôgíc

Áp dụng: Ngưòi ta thường vận dụng kỹ thuật này cho các ảnh nhị phân như vân tay,

chữ viết Để không làm ảnh hưởng đến kích thước của đối tượng trong ảnh, người ta tiến hành n lần dãn và n lần co

3.2.11.1.6 Tính toán các thông số của khối

Khối (blob): là một vùng trên ảnh gồm các pixel có cùng cường độ sáng hoặc tối nằm liền kề nhau

Các khối có thể phân biệt dựa trên 9 thông số của khối:

đo từ vị trí 3 giờ theo chiều kim đồng hồ

Position

Vị trí tâm của khối

so với góc trên bên trái của khối đó

Area Số lượng pixel của

khối

Bounding box Hình chữ nhật nhỏ

nhất có thể bao

quanh một khối

Eccentricity Độ lệch tâm, cho

biết độ đối xứng của một khối

Compactness Mật độ pixel trong

khối

Perimeter Tổng chiều dài tất

cả các cạnh của một khối, bao gồm cạnh trong và cạnh ngoài

Average

Intensity

Giá trị cường độ sáng trung bình của tất cả các pixel trong khối

Radius Bán kính của khối

hình dạng tròn

Radius không có ý nghĩa nhiều đối với các khối khong có dạng tròn

Bảng 2.2: Các thông số của khối

Chúng ta có thể dựa vào 9 thông số đặc trưng của khối để chọn ra một hoặc nhiều khối trong ảnh

3.3 Các phương pháp chiếu sáng trong công nghiệp

3.3.1 Chiếu sáng khuếch tán trước đối tượng

Chiếu sáng khuếch tán phía trước, như tên gọi của nó cho thấy, bao gồm một nguồn sáng có vị trí cùng phía các vật so với camera Ánh sáng không có hướng xác đáng, kết quả có bóng được loại bỏ và tác động của sự phản xạ (do độ bóng của vật được giảm

Hình 3.1: Phương pháp chiếu sáng khuếh tán trước đối tượng

Chiếu sáng khuếch tán đạt được bằng cách đặt các nguồn sáng phía sau một bề mặt bán mờ hoặc sử dụng ánh sáng gián tiếp ánh xạ từ các màn hình màu trắng

3.3.2 Chiếu sáng trực tiếp vào đối tượng

Chiếu sáng trực tiếp thông thường có hai vùng ánh sáng, vùng sáng và vùng chiếu sáng tối Tham khảo sơ đồ bên trái, vùng sáng là khu vực trong đó có ánh sáng phản chiếu trong trường nhìn (field of view) của camera Ngược lại là vùng tối là khu vực trong đó ánh sáng phản chiếu từ mặt gương

sẽ nằm ngoài trường nhìn của camera

Sơ đồ này thực sự mô tả một vòng đèn chỉ vận hành trong vùng sáng Vùng chiếu sáng tối thường được sử dụng để làm nổi bật các chỗ lồi lõm hay không hoàn hảo trên bề mặt của vật

Hình 3.2: Phương pháp chiếu sáng trực tiếp vào đối tượng

3.3.3 Chiếu sáng đồng trục

Ý tưởng của chiếu sáng đồng trục là đưa ánh sáng dọc theo trục quang học của camera Cách phổ biến nhất để làm được như vậy là sử dụng bộ tách chùm tia Cao hơn trên trục hệ thống chiếu sáng kết hợp một buồng phản xạ và chỉ cung cấp ánh sáng gián tiếp đến các đối tượng kiểm tra Các thiết bị như vậy là lý tưởng để chiếu sáng bề mặt kết cấu như PCBs với các thành phần hàn hoặc

nếp nhăn của giấy

Hình 3.3: Phương pháp chiếu sáng đồng trục

3.3.4 Chiếu sáng theo cấu trúc

Chiếu sáng theo cấu trúc là chỉ rõ phép chiếu dùng đường rõ nét, lưới hoặc vòng tròn và thường được thực hiện bằng cách sử dụng laser

dùng để chiếu đường mỏng lên một đối tượng

có ba kích thước khác nhau Khi dùng với bộ lọc dải giữa kết quả ảnh đưa ra cho ta thấy chiều cao của các đối tượng

Hình 3.4: Phương pháp chiếu sáng theo cấu trúc