Bildaufbereitungsfilter

Vorbehandlungsfilter

Ein gutes Verständnis der Grundlagen der Bildverarbeitung ermöglicht es den Anwendern, optimale Bilder zu erzeugen. Durch die Anwendung von Vorbehandlungsfiltern können Bildkontrollen auf der Basis bestmöglicher Bilder (korrekter Fokus, guter Kontrast) durchgeführt werden. Der Einsatz von Vorbehandlungsfiltern vor der Durchführung der Fehlererkennung, von Längenmessungen und anderen Überprüfungen erhöht die Leistungsfähigkeit der Qualitätskontrolle deutlich. Die Auswahl des optimalen Vorbehandlungsfilters wird auf den folgenden Seiten näher beschrieben.

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.

Expansionsfilter

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.

Schrumpfungsfilter

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.

Mittelwertbildungsfilter

Medianfilter

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

Hinweis

Bei der Bildverarbeitung kommt es darauf an, klare Bilder zu erzeugen, die ein exaktes Abbild dessen darstellen, was das menschliche Auge wahrnimmt. In manchen Fällen können aber Aufbereitungsfunktionen (vergrößern, verkleinern) oder ein Aufweichen des Bildes, um Rauschkomponenten auszublenden (Mittelwert, Median), zu geeigneteren Prüfergebnissen als die naturgetreue Wiedergabe führen.
Bei der Bildaufbereitung sollten die folgenden Aufbereitungsmethoden auf alle Pixel angewendet werden.

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.

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.

Hinweis

Das Kantenverstärkungsfilter verarbeitet die Konzentration des mittleren Pixels gemäß des 3x3-Pixel-Prinzips nach oben und unten (X-Richtung) sowie rechts und links (Y-Richtung) und ersetzt diese. Davor muss noch angegeben werden, welche Art von Rauschen vorhanden ist und in welche Richtung die Verstärkung erfolgen soll. Beachten Sie jedoch, dass sich das mittlere Pixel des Rauschelements verstärkt, obwohl der Kantenverstärkungsfilter gleichförmig arbeitet.

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.

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.

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.

Typische Wiederholgenauigkeit bei instabiler Kantenerkennung

Ohne Filter 6,27 Pixel
Mittelwertbildung + Median 0,3 PixelStabilisiert

Bildaufbereitungsfilter im Überblick (Teil 1)

Die folgenden Punkte bilden die Grundlage der Bildaufbereitung.

  • Im ersten Schritt wird ein gutes Quellbild aufgenommen (scharfes Bild, hoher Kontrast).
    Gibt es Punkte, die aufbereitet werden müssen, wird das Bild entsprechend modifiziert (Bildaufbereitungsfilter).
  • Typischerweise wird bei der Bildaufbereitung der Wert des mittleren Pixels einer Gruppe aus 3 x 3 Pixeln durch das gewünschte Ergebnis ersetzt, wobei verschiedene Koeffizienten auf die Dichtewerte der umgebenden Pixel angewendet werden.
  • Eine sichere Prüfung ist gewährleistet, wenn man die Funktionsprinzipien der einzelnen Bildaufbereitungsfilter kennt und sie einzeln oder in Kombination so effektiv wie möglich auf den jeweils vorliegenden Fall anwendet.

Im nächsten Thema geht es darum, Bilder mithilfe von Bildaufbereitungsfiltern (Teil 2) so zu anzupassen, dass man ein optimales Ergebnis erhält.

Neben den oben beschriebenen, grundlegenden Bildaufbereitungsfiltern gibt es auch eine Reihe von neuartigen und sehr nützlichen Filtern wie den Subtraktionsfilter und den Echtzeit-Bildextraktionsfilter. Im Folgenden möchten wir Ihnen das Funktionsprinzip dieser Filter im Detail vorstellen.

Auswahl und Einrichtung von Bildaufbereitungsfiltern

Subtraktionsfilter

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

Das Subtraktionsfilter ist eine Vorverarbeitungsfunktion, die das erfasste Bild mit dem registrierten Referenzbild vergleicht und die Unterschiede zwischen den beiden extrahiert. Unter Berücksichtigung normaler geringfügiger Unterschiede zwischen den einzelnen zu prüfenden Objekten kann individuell eingestellt werden, ab welchem Abweichungsgrad ein Defekt erkannt werden soll.

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.

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.

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]

Echtzeit-Bildextraktion Mit diesem Filter werden nur schwarze Punkte auf dem Messobjekt angezeigt.
Verkleinern Mit diesem Filter werden die verbleibenden schwarzen Punkte um einen bestimmten Faktor vergrößert.
Mittelwert Mit diesem Filter wird das Umgebungsrauschen geglättet.
Kontrastkonvertierung Mit diesem Filter wird der Kontrast zwischen den schwarzen Punkten und den sie umgebenden Bereichen erhöht.

Bildaufbereitungsfilter im Überblick (Teil 2)

Beim Einsatz von Bildaufbereitungsfiltern mit Bildberechnung und Helligkeitskorrektur sind die folgenden Punkte zu bedenken.

  • Mit Bildberechnungsfiltern kann man die Unterschiede zwischen aufgenommenem und Quellbild extrahieren und eine effektive Flecken-/Mängelprüfung durchführen.
  • Mit dem Kontrastkonvertierungsfilter lässt sich der Kontrast mithilfe unterschiedlicher Schattierungsabstufungen für jedes Fenster anpassen.
  • Ein optimales Bild für die Prüfung erhält man, indem man die in Teil 1 und 2 vorgestellten Bildaufbereitungsfilter geschickt kombiniert.

Im nächsten Thema geht es um praktische Hinweise zu den Einstellungen für eine Qualitätsprüfung, die im Feld angewendet werden können. Neben der Kenntnis um die bereits beschriebene Hardware und Software gibt es eine Reihe von hilfreichen praktischen Erwägungen und Techniken.

0800-5393623

0800-5393623

Seitenanfang