Bildaufbereitungsfilter

Grundlegende Arten von Vorbehandlungsfiltern

Im Folgenden werden vier verschiedene Vorbehandlungsfilter beschrieben. Jeder Filter arbeitet bei der Durchführung der Vorbehandlungsberechnungen sowie bei der Bildverarbeitung auf der Grundlage des 3x3-Pixel-Prinzips.

Graustufenwerte eines Originalbildes

Expansionsfilter

Die höchste Dichte (hellster Wert) der neun Pixel wird ermittelt und das mittlere Pixel wird dann an den Wert mit der höchsten Dichte angepasst.

Expansion

Schrumpfungsfilter

Der niedrigste Dichtewert (dunkelster Wert) aller neun Pixel wird eruiert und das mittlere Pixel wird an diesen Wert angepasst. Dunkle Pixel werden daher betont, wodurch eine stabilere Defekterkennung möglich wird.

Schrumpfung

Mittelwertbildungsfilter

Der Mittelwert aller neun Pixel wird berechnet (2+5+9+4+3+3+0+1+2 / 9 = 3,22 dann aufgerundet auf 1/100) und das mittlere Pixel wird an den Mittelwert angepasst. Dieser Vorgang stabilisiert das Bild und reduziert Bildrauschen, wodurch allerdings verschwommene Bereiche im Bild entstehen können.

Mittelwert

(2+5+9+7+3+0+1+2)/9 = 3,66
Nachkommastellen werden auf 3 abgerundet.

Medianfilter

Die Dichte des mittleren Pixels wird an das fünfte Element in der Dichtereihenfolge angepasst. Dies ermöglicht eine stabilere Rauschreduktion.

Median

Kantenextraktionen und Kantenverstärkungsfilter

Im Folgenden werden verschiedene Vorbehandlungsfilter, wie z.B. die Kantenextraktion oder die Kantenverstärkung, dazu verwendet, um gewünschte Eigenschaften innerhalb eines Bildes zu betonen. Kantenfilter können für viele Zwecke eingesetzt werden. Für die Auswahl des jeweils richtigen Filters benötigt man ein gutes Wissen über die Wirkungsweise der Filter. Im Folgenden wird die Verwendung von Sobel und Prewitt sowie die Extraktion von Kanten in der X- und Y-Richtung beschrieben.

Sobel und Prewitt

Sobel und Prewitt sind Kantenextraktionsprozesse, mit denen die Kanten in der X- und Y-Richtung separat extrahiert werden. Anschließend werden die Ergebnisse miteinander kombiniert. Nach der Multiplikation mit einem festgelegten Koeffizienten wird dem mittleren Pixel dann ein entsprechender Dichtewert zugewiesen.

Sobel

Prewitt

Überblick über die Kantenextraktionsreihen

 	Differential	Horizontale Richtung	Vertikale Richtung	Diagonale Richtung	Sonstige
Prewitt	Erstes Differential	○	○	△
Sobel	Zweites Differential	◎	◎	○
Roberts	Erstes Differential	△	△	○
Laplacian	Zweites Differential	△	△	△	Hängt nicht von der Richtung ab

◎○△Diese Symbole verdeutlichen die Stärke.
Bei hoher Intensität können Abweichungen, die als Rauschen ignoriert werden sollen, auch extrahiert werden.

Richtungsspezifischer Kantenextraktionsfilter

Die Kantenextraktion in der X- und Y-Richtung mit Hilfe des Sobel-Algorithmus wird durch die Beschränkungen der Defektlänge in vertikaler und horizontaler Richtung unterstützt.

Unterschiede zwischen Kantenextraktionsfilter und Kantenverstärkungsfilter

Die Kantenverstärkung dient dazu, verschwommene Bilder schärfer und deutlicher zu machen. Sie unterscheidet sich vom Kantenextraktionsfilter dadurch, dass sie die Konzentration des mittleren Pixels betont, indem das kombinierte Ergebnis der neun Pixel auf Null und Eins angepasst wird. Wenn bei der Kantenextraktion alle neun Pixel denselben Wert besitzen, ergibt sich daraus eine Dichte von 0. Die Dichte des mittleren Pixels wird jedoch verstärkt und bleibt daher erhalten.

Beispielanwendungen für den Einsatz der Filter

Das Bildverarbeitungssystem CV-3000 kann einen Bereich wiederholt mit zwei oder mehreren Vorbehandlungsfiltern überprüfen. Wenn der Anwender über die Funktionsweise der einzelnen Filter Bescheid weiß, kann damit ein optimales Bild erzeugt werden.

Beispiel 1: Umrissglättung mittels Expandieren(X) + Schrumpfen(Y)

Die Filter “Expandieren” und “Schrumpfen” werden gleichzeitig angewendet. Damit lassen sich unebene Konturen und Grate beseitigen, um für die Qualitätsüberprüfung eine glatte Oberfläche zu erzielen.

Vorher

Nachher

Beispiel 2: Mikroskopisch kleine Defekte hervorheben mittels Sobel + Binär + Expansion

Sobel + Binär + Vergrößerung (Fleckenerkennung)
Zuerst extrahiert das Sobel-Filter die Kanten des Defekts. Anschließend wird mittels Binärisierung ein Schwarz-/Weiß-Bild erzeugt, wobei die weißen Pixel durch das Expansionsfilter verstärkt werden. Dadurch wird der kleine Defekt noch deutlicher sichtbar.

Vor Anwendung der Filter

Sobel

Binärisierung+Expansion

Beispiel 3: Glätten von Rauschkomponenten mittels Mittelwertbildung und Median

Mit dieser Technik können Messungen im Zusammenhang mit der Kantenerkennung wirkungsvoll stabilisert werden. Der Mittelwertfilter macht verschwommene Bildbereiche wieder scharf und klar. Hingegen der Medianfilter den Rauschanteil präzise stabilisiert.

Vor Anwendung der Filter

Kurvenform der Kantenintensität (begriffliche Abbildung)

Nach dem Filtern

Kurvenform der Kantenintensität (begriffliche Abbildung)

Subtraktionsfilter

Das erfasste Bild wird in Echtzeit mit dem registrierten Bild verglichen. Der Defekt wird isoliert und dann extrahiert.

Subtraktionsfilter

Er berechnet den Differenzbetrag zwischen dem registrierten Bild und dem Dichtewert des eingegebenen Bildes und gibt das Differenzbild aus.

Herkömmliche Bildverarbeitungssysteme konzentrieren sich auf die Erkennung von Kratzern und kleinen Mängeln, wie Flecken und Schmutz.
Die Bildverarbeitungssysteme der Modellreihe CV von KEYENCE meistern nicht nur souverän diese herkömmlichen Anwendungen, sondern erkennen auch kleine Veränderungen der Farb- oder Helligkeitsverteilung. Mit den bisherigen normierten Korrelationsverfahren was das kaum möglich.

Echtzeit-Subtraktionsfilter

Das Echtzeit-Subtraktionsfilter vergleicht das unbearbeitete Bild mit einer Kopie des unbearbeiteten Bildes, die einer Verarbeitung mit den Filtern “Expand” (vergrößern) und “Shrink” (verkleinern) unterzogen worden ist und extrahiert so Flecken und andere kleine Fehler.
Bei diesem Filter ist keine Korrektur einer etwaigen Fehlausrichtung des Messobjekts erforderlich, so dass diese Prüfung mit einer einzigen Einstellung durchgeführt werden kann und damit besonders schnell ist.

Fehlererkennung im Inneren eines Bechers:
Normales Bild (Die Flächeneinstellungen sind komplex, weil eine Anpassung je nach Form des Messobjekts erforderlich ist.)

Bild mit Echtzeit-Subtraktionsfilter (Ermöglicht Prüfung kleiner Flächen.)

Funktionsprinzip des Echtzeit-Subtraktionsfilters

Der schwarze Fleck verschwindet, wenn Bild 1 mit dem Expansionsfilter bearbeitet wird. Mit Hilfe des Filters “Shrink” wird das Bild wieder verkleinert und auf die gleiche Größe wie das unbearbeitete Bild gebracht.
Bild 3 wird von Bild 1 subtrahiert. Zurück bleibt nur der schwarze Fleck. Dieser Prozess wird bei jedem erfassten Bild durchgeführt. Somit ist selbst dann eine stabile Erkennung gewährleistet, wenn sich die Form des unbearbeiteten Bildes ändert.

Intensitätserhaltungsfilter

Das Intensitätserhaltungsfilter kompensiert die Helligkeit des erfassten Bildes, indem der Filter sie mit der Helligkeit des registrierten Bildes vergleicht. Ab der Modellreihe CV-3000 von KEYENCE konnte der Intensitätserhaltungsfilter noch weiter verbessert werden und ermöglicht nun die Echtzeit-Kompensation von einzelnen Fenstern.

Unbearbeitetes Bild

Verbesserter Kontrast

Bild nach Kontrastkonvertierung

Ergebnisse nach Mehrfachfilterung

Die Bildverarbeitungssysteme der Modellreihe CV enthalten eine Vielfalt an Vorverarbeitungsfiltern. Es lassen sich mehrere dieser Filter gleichzeitig auf ein und denselben Bereich anwenden, um Bilder zu erzeugen, die für externe Prüfungen geeignet sind. Im nachfolgenden Beispiel wurden das Echtzeit-Subtraktionsfilter, das Filter “Shrink” (Verkleinern), das Filter “Average” (Mittelung) und das Kontrastkonvertierungsfilter miteinander kombiniert, um ein fast vollständig weißes Bild zu erzeugen, auf dem nur ein einziger schwarzer Fleck zurückgeblieben ist.

[Aufgabe der Filter in diesem Beispiel]