Category: AOI

鐵條計數 傳統影像處理 較佳的影像呈現效果 較差的影像呈現效果 使用面掃描的相機取像的問題 必需使用線掃描的影像處理才能得到最佳影像 理想的影像 分析後得到數量39 電腦視覺軟硬體架構 NO 品項 預估金額 1 工業電腦 2 線掃描相機 3 線掃描相機鏡頭 4 線掃描光源 5 線掃描光源控制器 6 AOI軟體

客戶需求∶  我需要檢測車燈的打出來的光的顏色組成，如果超出範圍則發出警示。 檢測手法∶ 色相直方圖分佈∶  影像的色相直方圖分佈是描述影像中不同色相值的統計分佈情況。在色相直方圖中，色相值通常被劃分成若干個區間，例如0到180度之間的若干個小區間。然後，統計圖像中每個區間內像素的數量或者像素的比例，形成一個直方圖。 色相直方圖可以反映出圖像中各個色相的分布情況，即哪些色相在圖像中佔據主導地位，哪些色相較少出現。通過觀察色相直方圖，可以直觀地了解圖像的整體顏色分布情況，以及圖像中具體顏色的特徵。 通常，色相直方圖是基於圖像的色彩空間進行計算的，例如RGB色彩空間或者HSV色彩空間。在HSV色彩空間中，色相（Hue）表示顏色的種類或者色調，因此色相直方圖反映了圖像中不同種類顏色的分布情況。 通過比較不同圖像的色相直方圖分佈，我們可以評估它們之間的顏色相似度或者差異度，從而用於圖像檢索、圖像分類、圖像匹配等領域。 歸一相似度∶ “歸一相似度”（Normalized Similarity）指的是將相似度值歸一化到特定的範圍內，通常是0到1之間。這樣做的目的是使得相似度值更易於理解和比較，不受圖像尺寸、亮度等因素的影響。 在計算兩個直方圖的相似度時，我們可以得到一個原始的相似度值，表示它們之間的相似程度。但是這個值的範圍通常不是固定的，並且可能受到直方圖的大小、圖像的亮度等因素的影響。因此，將這個相似度值歸一化到0到1之間可以消除這些影響，使得相似度更具有可比性。 在歸一化相似度中，常見的做法是使用以下公式： 歸一化相似度=原始相似度直方圖1的總和+直方圖2的總和−原始相似度 歸一化相似度= 直方圖1的總和+直方圖2的總和−原始相似度 原始相似度 ​ 這樣得到的歸一化相似度值會保證在0到1之間，其中1表示完全相同，0表示完全不同。 合格 相似度：0.987 偏紅 相似度：0.552 偏黃 相似度：0.231 偏綠 相似度：0.318 偏藍 相似度：0.239

右駕光型量測規範示意 左駕光型量測規範示意 車燈配光室 AOI 輔助車燈燈型量測架設示意圖 使用 High Dynamic Range (HDR) Imaging 技術可以有效解決影像過曝所造成的影像失真問題，並得到一個明暗對比清晰的影像。這可以通過以下步驟實現： AOI 視覺分析 透過HDR技術取得 Tonemap HDR image 及相機反應函數 得到的Tonemap HDR Image, 用於光形的分析，可以得到下列數值 Golden 光型 中心點、輪廓、角度 亮度分佈 測試品  光型 中心點、輪廓、角度 …

在影像科學中的一個常見應用是將圖像組件從彼此分割開來，這稱為閾值化。傳統的閾值化技術在圖像的背景是平坦的情況下效果很好。不幸的是，這種情況並不常見；相反，圖像中的背景在視覺上會在整個圖像中發生變化。因此，人們開發了自適應閾值化技術，我們可以很容易地在 scikit-image 中使用它們。

使用多光譜影像處理或多光譜成像技術。它是一種利用不同波長的光（通常是可見光和近紅外光）來拍攝影像的技術。通過拍攝多個波長的影像，可以獲得不同光譜的信息，從而提供更多的資訊來分析和理解影像中的物體。 使用了三種不同顏色及不同的角度（紅光、綠光、藍光）的光來照射工件，並使用黑白相機分別拍攝了這三種光照下的影像。然後將這三張黑白照片組合成RGB彩色影像。在這個過程中，由於工件上的凸起部分對不同波長的光反射的方式不同，因此在RGB彩色影像中會出現顏色的變化。 多光譜成像技術可應用於許多領域，包括農業、環境監測、醫學影像、地質勘探等，以提供更多的資訊和更全面的分析。 使用案例： 檢測PCB板上的插件 R G B R, G, B Merge RGB Post Process 後處理後的影像，可以很清楚的辨識插件是否有正確的組裝。