机器视觉光源之颜色选择攻略

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

在机器视觉系统中，光源具有非常重要的作用，选择合适的光源成为决定整个系统成败的关键因素，光源的主要目的就是将被测物体与背景尽量明显分别，获得高品质、高对比度的图像。下面带您了解一下机器视觉光源颜色的选择攻略：

一般情况下，如果使用黑白相机，又对被测物体的颜色选择没有特殊的要求，红色是比较合适的选择。因为红色LED寿命长、稳定、价格低廉，更重要的是红色LED的波长更接近传感器的灵敏度峰值，而通常的CCD对紫色、蓝色的光敏感程度没有红光强。

如果进行彩色成像，则通常考虑使用白色光源。白色LED光源的制造有几种方法，一种是使用白色LED制造，发光管内部有蓝色发光芯片与受到激发后发出黄色的荧光粉，发出的光按一定比例叠加到一起，看起来形成了白色，这是最为常见的形式。另一种方法是使用红绿蓝三种不同颜色的LED，按某种顺序或方式在光源上进行排列，并分别控制每种颜色的度，使用相对方便。此种方法通常使用四个单色RGGB颗粒进行排列，所以其中的绿色分量通常会比较足，之所以多加一个绿色的G通量，是因为人眼对绿色光源（波长555nm）最敏感。

机器视觉应用中应注意目标颜色与光源颜色的搭配，我们看到某个物体成某种颜色，是因为其反射了对应的光谱。我们拍摄物体时，如果要将某种颜色打成白色，那么就得使用与此颜色相同或相似的光源（光的波长一样或接近），而如果要打成黑色，则需要选择与目标颜色波长差较大的光源。

彩色图像中，除了黑色、灰色不明显，其它如白色、紫色、蓝色、绿色、黄色、橙色、红色、棕色都很明显，色彩饱满艳丽。多色排线在白色光源下的黑白相机大尺度成像，可以发现其中的白色、黄色、绿色、橙色较明亮，说明相机对这些波长比较敏感。在红光下成像时，白、红、橙、黄几种颜色比较明显，其它的颜色都很暗，说明红光照射物体时，物体本身有红色分量时，才能反射红光，在黑白相机下表现为红色特征。而在绿色光源下，则白色、绿色、黄色表现明亮，其它较暗淡。蓝色光源下，白色、紫色、蓝色等表现较亮，有效反射蓝光。从中也可以发现，白色，无论在什么光照下，都成明显的白色，是因为其本身不吸收光谱，任何光谱照射到其表面上都会被反射；相反，黑色材料则无论什么光照射上去都不反光成黑色。

生活中看到某个物体呈现某种颜色，是因为物体表面反射了该对应的光谱。

视觉应用中，为目标颜色合理地选择光源的颜色有利于降低算法难度、提高系统稳定性。

同类色

同类色指色相性质相同，但色度有深浅之分。

是色相环中15°夹角内的颜色。

如深红与浅红，深蓝与浅蓝。

邻近色

邻近色，就是在色带上相邻近的颜色。

例如红色和橙色。

是色相环中，凡在60度范围之内的颜色都属邻近色的范围

互补色/对比色

有非常强烈的对比度，在颜色饱和度很高的情况下，可以创建很多十分震撼的视觉效果。

例如橙和蓝、红和绿、黄和紫。

在色相环中每一个颜色对面(180度对角)的颜色。

类似色

类似色是指在色轮上相邻的三个颜色。

在色轮上90度角内的色统称为类似色。

例如红－红橙－橙、黄－黄绿－绿、青－青紫－紫等均为类似色。

光源颜色的选择

基于以上颜色理论，如果要将目标打成白色需要选用同类色，如果要目标打成黑色需要选用互补色。

合理选择光源颜色可以使特征和背景之间产生较大的灰度差别。一把情况下，如果使用黑白相机，对被测物体的颜色没有特殊要求的情况下，红色是比较好的选择。

红色LED寿命长、稳定、价格低。通常ccd对红光比较敏感。

波长越长，穿透能力越强。红外的穿透能力强，适合检测透光性差的物体，如棕色口服液杂质检测。

波长越短，扩散能力越强。紫外对表面的细微特征敏感，适合检测对比不够明显的地方，如食用油瓶上的文字检测。  表面瑕疵检测一般使用蓝光。

不同波长的光线聚焦点不一样，可以参照彩虹形成的原理。在图像中心区域，不用颜色形成的光斑是同心圆。向图像边缘移动时会产生彩虹效应，目标特征将在更大区域上成像，会导致对比度降低。对像素较小的相机影响更严重。

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

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：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


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~