彩色相机在机器视觉检测中的应用

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

彩色相机变得越来越便宜，同时也变得简单易用。

曾几何时，彩色视觉技术不仅成本预算昂贵而且属于大型机构内部的技术专长。但是，随着近年来相机、照明和软件方面的不断进步使得色彩视觉更加经济实惠、变得简单，并且更易于在装配线上使用。

如今，视觉技术正在被集成到越来越多的自动化应用中，因为它能够以新的方式解决复杂的生产挑战。

颜色提供的关键信息可以提高许多机器视觉检测应用的可靠性。颜色检测的能力可以检查许多无法以灰度值进行检查的产品。典型的例子包括确保安装棕褐色而不是灰褐色的汽车内部部件，并检查墨盒是否泄漏。

彩色视觉让用户能够在同一台设备上监控更多的情况，例如，除了尺寸和位置外，用户还可以验证物体的颜色。以及“存在的部分是什么？”和“放置在正确位置是否正确？”

这对于在质量控制方面检测物体颜色的微小变化非常重要，此外，彩色成像仪可用于检查颜色的正确与否。

彩色相机对于装配和检测应用非常重要，彩色图像能够准确地识别目标物体，进行质量控制比灰度图像更容易地与图像相关联。一些缺陷检测应用中只有使用彩色视觉才可以进行。

使用彩色视觉可以增强材料的颜色响应，从而提高缺陷检测的灵敏度，进一步增强图像，突出难以看到的缺陷。

可以检测颜色的视觉系统更容易验证组件是否正确。事实上，有些检查任务，如检查线束中导线的颜色，只能通过彩色成像技术来完成。其他任务，例如搜索沿着高速传输器移动的对象，也可以从颜色提供的额外信息中获益。

彩色视觉处理的一个主要优点是它可以检测并显示灰度成像无法实现的细微差别。当视觉系统捕获灰度图像时，它基于从256个灰度梯度中选择的单个值做出评估决策。当视觉系统捕获彩色图像以进行评估时，它可以使用的数据是灰度图像的三倍的。

制造商通常使用彩色机器视觉技术来解决三个主要任务：

部件分类–颜色通常是区分某些部件的唯一特征，例如帽子或容器。

颜色识别和匹配——人类经常无法确定匹配相似的颜色，而机器视觉系统可以可靠地区分它们，以监控颜色的一致性。

装配验证和检查——当组件非常小，或者识别不容易看到的标记(如字符串或条形码)时，识别在装配过程中使用了正确的部件可能具有挑战性。在这些情况下，颜色可以准确地确定零件是否正确组装。

目前，随着机器视觉技术、成像处理软件和检测工具的进步，处理彩色图像变得更容易、更快、更便宜。

但是，并非所有机器视觉应用都需要彩色视觉处理。

在大多数应用中，颜色并不重要，灰度相机通常也可以根据不同的灰度来区分颜色。

使用传统的灰度视觉系统，绝大多数检测应用仍然是最好的解决方案，但是，人们对彩色成像的兴趣越来越大，因为这种技术更加实惠。视觉软件也更易于使用且更易于访问。

在某些情况下，你可以从灰度图像中获得更合理的图像对比度和特征分割，其中一个原因是因为用于机器视觉的算法不一定在色彩空间中独特操作。

“例如，处理一个简单的彩色测量任务可能对制造商没有任何好处，但是，如果机器视觉应用的任务是通过颜色区分、识别或分类，那么彩色视觉系统将具有自身的优势，并且将是最好的解决方式。”

彩色视觉解决方案

传统上，色彩视觉比灰度视觉成本更高。但是，现在已经有所改观。

在以前，关于彩色视觉系统使用的最大问题就是操作复杂而且成本昂贵，但现在不同，今天的标准彩色成像并不复杂，也不昂贵。然而，使用多个传感器的高级彩色成像和精密彩色成像系统仍然很复杂。

标准灰度和彩色相机之间的主要区别在于提供彩色图像的传感器像素上的特殊滤色器阵列（拜耳滤波器）。这种类型的相机在一次采集中产生三个图像：每个图像具有用于相应滤波像素的红色、绿色和蓝色内容。但是，虽然此功能可降低整体相机成本，但也会降低相机的空间分辨率。

标准的拜耳滤镜彩色相机现在无处不在，每个灰度产品供应商都同时也提供彩色视觉产品。

彩色相机的成本几乎与灰度或单色相机相同，颜色没有真正的成本差异，因为制造传感器所需的技术都处于芯片级别。能够提供彩色图像的相机使用与灰度相机相同的传感器和组件。

彩色视觉系统使用更多的互补金属氧化物半导体（CMOS）代替电荷耦合器件（CCD）传感器，因为后者能够以更高的速度运行，这降低了成本并增加了灵活性。这种改进促使更多制造商重新审视色彩视觉技术。

我们也看到了更高分辨率的相机，在过去，大多数彩色视觉应用都使用了500万像素的摄像头。如今，可提供更多1200万像素的摄像头。

与色彩视觉相关的最大问题涉及成本，为了从这项技术中受益，你不必在硬件上投入大量资金。

近年来色彩视觉变得更加实惠，随着技术的进步和需求的增加，作为彩色成像框架的成像器材的成本正在下降。更快的处理器和设备存储器使机器视觉系统能够更快地处理数据，即使使用更高分辨率的成像器材。彩色视觉已成为日常检查的实用解决方案。

高分辨率传感器提供了高质量的彩色图像，超过了几年前单色图像、处理能力、存储和成本的提高使[可负担的色彩技术]成为可能。

随着彩色视觉检测系统变得越来越便宜，它们可以在工厂车间更广泛地部署。

颜色和灰度之间不再有很大的价格差异，如果一个应用程序真的受益于颜色，那你可以通过彩色视觉进行解决。

这引起了传统上因成本问题无法使用机器视觉技术的小型制造商的更多兴趣，低端视觉系统并不像过去那么复杂。小型制造商现在可以以低于2,000美元的价格配置简单的检验应用程序。

视觉软件界面越来越容易使用，你不必雇佣程序员或系统集成商。中小型制造企业在没有很多视觉经验的情况下，可以快速解决检验问题。对于颜色和灰度系统来说都是一样的。

关于彩色成像系统，最大的误区是它涉及到多层的复杂性。现实情况是，这项技术价格合理，分辨率更高，性能也更好。

照明方式

照明对于所有视觉应用都很重要。但对于彩色摄像机来说，这一点尤为重要。

照明是彩色成像应用中的首要挑战，那是因为照明的不一致性会改变场景中颜色的表现方式。

颜色只是从物体反射的光的波长，因此，如果光源是白色LED灯，就其性质而言，其光谱曲线稍微偏蓝，那么将光照射到物体上将导致图像看起来比相机稍微偏蓝。

照明系统的稳定是最大的挑战，环境中的因素，例如外部环境光，可能会改变物体的颜色响应。在彩色视觉应用中光的管理可能会非常困难。

LED灯根本无法在整个可见光范围内提供光谱波长的广谱和均匀响应，因此，我们在LED灯中获得峰值和谷值，这会极大地影响某些成像应用的色彩准确度。

解决这个问题的方法包括使用平衡LED或老式卤素灯，它们可以提供更好的色彩响应，但是，最近专门为彩色视觉应用设计的照明系统也有所改进。它们提供更一致和均匀的光谱响应。

一种最新的照明技术趋势被称为智能照明。

我们的目标是理想地开发照明系统，并以更高效和经济的方式使用它们。智能照明可用于监控照明系统，是迈向工业4.0的重要一步。照明的技术性能和动态应用数据在系统中是永久可用的。

欧姆龙最近推出了新的照明技术，自动进行缺陷检测和不均匀的颜色检查，作为其最新的FH系列视觉系统的一部分。它可以自动检测微小的缺陷和颜色的细微变化，具有很高的灵敏度。它还可以同时检测具有不同特征的缺陷。

其中一项关键技术是先进的照明技术，它根据被检查物体的具体特性改变照明角度、方向和颜色，多向、多色（MDMC）照明将质量检测的自动化提升到一个全新的水平。

视觉系统的设计是为了满足对卓越质量日益增长的需求，这给制造商带来了压力，要求他们检测产品上的所有划痕和其他缺陷，无论这些缺陷有多小。此外，今天的劳动力短缺使得招募足够的视觉检查员以成功完成所有必要的检查特别困难，而实行自动化检查显得更加重要。

虽然传统的视觉系统通常无法将人眼的能力与某些缺陷检测任务相匹配，但FH系列照明系统已经超过了MDMC光技术的性能阈值。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python+OpenCV视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：Pytorch常用函数手册

在「小白学视觉」公众号后台回复：pytorch常用函数手册，即可下载含有200余个Pytorch常用函数的使用方式，帮助快速入门深度学习。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~