機器視覺中照明技術的研究進展*

張巧芬 高 健

(廣東工業大學，廣州510006)

1 引言

機器視覺是通過光學的、非接觸的攝像機自動地獲取和解釋處理一個真實物體的圖像，以獲取所需信息或用于控制機器運動或過程。一個典型的機器視覺應用系統包括光源、光學鏡頭、攝像機、圖像采集卡、圖像處理系統(或平臺)、機器視覺軟件模塊、輸入輸出和控制執行模塊等部件。測量物體在機器視覺系統中的圖像獲取質量的好壞，主要取決于光源、圖像攝像機和視場幾何圖形這三個因素。通過精確地選擇光源和攝像機，并根據被測物的外在環境進行適當的配置，可以簡化很多機器視覺的問題。這對于成像系統和重構可以控制的自動視覺檢測系統尤為重要。

低端的圖像處理如圖像分割是任何機器視覺應用中必須的第一步，由于低端圖像處理對象都是灰度圖像，那么，在不同的光源照射下，處理結果就不一樣。解決這種問題的方法有兩種:(1)使低端的圖像處理不受光源變化的影響;(2)利用外部光源來控制照明。對于一個實時的機器視覺應用系統，由于時間是一個重要的約束條件，最好采用外部光源來照明視場，而不是在環境照明下通過花費冗長的計算周期來增加空間和時間算法強度。因此，外部照明成為機器視覺應用中的重要部分。在機器視覺應用中，外部光源中的非均勻照明會造成比環境照明還要壞的圖像分割，因此，好的均勻照明是非常重要的。好的光源必須能夠在給定的外在條件下，給視覺系統提供所測物品的任一部位的最佳圖像，圖像應盡可能地突出物體特征量，在物體需要檢測的部分與那些不重要部分之間盡可能地產生明顯的區別，增加對比度，同時還應保證足夠的整體亮度，以及周圍環境的外在光不影響測量。文獻［1］討論了光源的一些重要問題，如光源效率、光發散、光譜含量、光源大小和包裝等等。本文則重點對光源類型、照明方式以及光源顏色的選擇和光源位置的控制在機器視覺成像系統的作用做了深入細致的描述，并指出了目前研究中有待解決的問題。

2 機器視覺光源照明技術的選擇

為了選擇一些應用在特定環境中的光源，必須考慮的因素有:觀察的物體特征、物體的運動狀態、應用環境、所使用的攝像機類型。基于測量物體的特性和被觀察部位的特征，必須選擇下面的一種或幾種技術的綜合來解決問題:前向照明、背向照明和結構光照明。下面根據實際應用來分別介紹這幾種照明技術［2］。

A.前向照明

所謂前向照明即光源位于物體的前面(圖1)，主要是照射物體的表面缺陷、表面劃痕和重要的細節特征等。將光源置于被測物和相機之前，稱之為前向照明。在實際應用中絕大部分都采用前向照明方式。前向照明又分為“高角度”(75度以上)和“低角度”(25度以下)兩種。其區別在于光源發射光線與被測物待測表面的夾角大小的不同。在考慮使用“高角度照明”或“低角度照明”時，首先要考慮被測物表面待測部分，即背景部分機理的不同。

B.背向照明

圖2 背向照明方式

背向照明是將光源置于物體的后面(圖2)，這種照明方式能突出不透明物體的陰影或觀察透明物體的內部。其中，背向照明是將被測物置于相機和光源中間，優點在于可將被測物的邊緣輪廓清晰地勾勒出來。由于在圖像中，被測物被所遮擋的部分為黑色，未被遮擋的部分為白色，因此形成黑白分明易于分析的圖像，該方法90%用于精密測量系統中。如果條件不允許，也可以考慮同軸光照明。將光源置于相機和被測物之間，構成同軸光照明。一般來說，相同條件下，同軸光的照明效果不如背向照明的照明效果，而且同軸光源的價格要比背景光源高，所以對于尺寸測量，應首先考慮背景光源。

所以，在對物體進行照明時，要確定被照物體的特征。如果是顯示輪廓，那么用背向照明;如果要顯示表面劃痕，那么用前向照明。

C.結構光照明

對結構光照明的一個簡單定義是通過特定的手段，使光源發出的透射光束具有某種形狀(圖3)。可以通過很多種方法來達到這種效果，譬如使用光圈和透鏡、或者使用相干光(激光)。結構光照明在很多種情況下得到廣泛應用，這些應用一般可以分成如下兩類:(1)只將光投射到感興趣的物體表面，減少復雜性;(2)利用二維視覺系統來提取物體三維信息。

圖3 結構光照明

在這兩種情況中，第二種情況在實際應用中具有很大的重要性，如圖3所示，結構光三維視覺是基于光學的三角法測量原理。光學投射器(可以是激光器，也可以是投影儀)將一定模式的結構光投射于物體的表面，在表面形成由被測物體表面形狀所調制的光條三維圖像。該三維圖像由處于另一位置的攝像機攝取，從而獲得光條二維畸變圖像。光條的畸變程度取決于光學投射器與攝像機之間的相對位置和物體表面形廓(高度)。直觀上，沿光條顯示出的位移(或偏移)與物體的高度成比例，扭結表示了平面的變化，不連續顯示了表面的物理間隙。當光學投射器與攝像機之間的相對位置一定時，由畸變的二維光條圖像坐標便可重現物體表面的三維形廓。

3 機器視覺光源類型的選擇

除了選擇合適的照明技術，還應該考慮照明光源的類型。主要的光源類型有:白熾燈泡、熒光燈管、氙燈、LED、X射線管［2］。

白熾燈產生很多的紅外能量，氙燈的光譜橫跨紅外到紫外區域。對于不同的光源，其中一個非常重要的特性就是使用壽命。這通常用以小時為單位的平均壽命來表示。而對于氙燈(閃光燈)來說，使用壽命通常用閃耀次數來表示，這個數字通常達到百萬以上。光源的另一個重要特征就是人性因素，也就是說在選擇和包裝光源時，處于機器周圍的操作者的安全性和舒適性，譬如說預防X射線和激光的輻射。對于常用的光源，必須有一個簡單的屏蔽套，這對于閃光燈來說尤其重要。

白熾燈泡可能是機器視覺中最常用的光源，它可能是一個簡單的家庭用燈泡，也可能是高功率的石英鹵素燈。這種燈泡可以與光纖束相連將光傳送到一些比較難到達的地方。使用這種類型的光源主要的考慮因素是平均壽命和熱生成量，可以通過在低壓下操作來達到延長使用壽命的目的。

與白熾燈相比，熒光燈管由于它的低紅外能量而得到廣泛應用。熒光燈管產生的是漫射光，這非常有利于測量具有反射能力的金屬元件。熒光燈管具有不同的形狀和大小，從幾英尺到幾英寸的范圍。

氙燈(閃光燈)是機器視覺照明應用中另一個非常重要和有用的工具。它的最大優點就是能夠凍結被檢查的運動物體的“動作”，這是由于光的持續時間非常短，大概是5到200微秒。對圖像的凍結是由于絕大部分的TV相機(不管是固態的還是其他形式)都是暫存存儲器裝備。通過在適當的時間打開閘門，那么圖像就會在簡短的頻閃間隔中得到保存并被掃描照相機讀取。除此之外，氙燈還有另外的優點:具有寬的頻譜范圍和高能量。

X射線用于工業上的非破壞性測試由來已久，它的應用是基于X射線的高輻射能量，由于X射線的高原子密度，使得其更容易穿透物質。照相軟片就是將投射到軟片上的X射線能量轉化為白與黑的區域，區域的大小取決于照相軟片吸收能量的多少。X射線應用在工業上時，很多系統都是用X射線、熒光屏和電視攝像機的組合來替代照相軟片。這種類型的系統被當作一個非破壞性試驗工具來測量不同的產品的內部缺陷，如輪胎。由于沒有高的對比度和噪聲，這種系統獲得的圖像效果并不理想，但是，數字圖像處理和復雜算法的發展使得機器視覺和X射線在內部缺陷測量中得到廣泛應用。

LED光源是21世紀的新一代光源一第四代光源，以替代白熾燈、熒光燈和高壓氣體放電燈等傳統光源［3，4］。LED以其固有的特點，如省電、壽命長、耐震動，響應速度快、冷光源等特點，廣泛應用于指示燈、信號燈、顯示屏、景觀照明等領域，在我們的日常生活中處處可見，家用電器、儀表板照明、汽車防霧燈、交通信號燈等。由于硅和發光裝置及攝像機(固態相機)的光譜響應，能夠獲得最有效的能量轉換的光譜范圍是紅外區域。大多數的固態相機都響應近紅外的光譜區域(非可見光)，因此，紅外LED可以用來作為這種類型的攝像機的照明光源。近幾年來，隨著人們對半導體發光材料研究的不斷深入，LED制造工藝的不斷進步和新材料(氮化物晶體和熒光粉)的開發和應用，各種顏色的超高亮度LED取得了突破性進展，其發光效率提高了近1000倍，色度方面已實現了可見光波段的所有顏色，其中最重要的是超高亮度白光LED的出現，使LED應用領域跨越至高效率照明光源市場成為可能。

4 光源顏色對照明效果的影響

圖像分辨率的提高通常會伴隨更高的系統速度和更低的成本，同時提高圖像處理中算法的精確性，成像系統中光源的顏色對機器視覺系統中圖像的分辨率產生重大的影響［5］，Mark Vriesenga等人［6］提出利用控制光源的顏色來提高彩色圖像的分辨率，通過使用一個參量已經定義的照明系統，得到識別材料的最佳彩色光源。

4.1 攝像機模式

將可見光分成不相重疊的紅光［λR0，λR1］、綠光［λG0，λG1］和藍光［λB0，λB1］這三個標志帶，對應于彩色攝像機的感應區域。彩色攝像機在每一像素點上都產生三原色(R，G，B):

其中i(λ)是光源功率譜，s(λ)是測量物在攝影機方向的光譜反射率，fR(λ)、fG(λ)、fB(λ)是攝像機對應于紅綠藍標志帶的光譜響應函數。

4.2 彩色光源的優化

為了設計彩色光源使得材料分辨率達到最大，假設景物照度由分別以λR∈［λR0，λR1］、λG∈［λG0，λG1］、λB∈［λB0，λB1］為中心的沖擊函數iRδ(λ－λR)、iGδ(λ－λG)、iBδ(λ－λB)構成，照射在兩個光譜反射率函數分別為s1(λ)、s2(λ)的物體上，可以得到:

定義色對比度向量Δ=(ΔR(iR，λR)，ΔG(iG，λG)，ΔB(iB，λB))，其中

色對比度向量‖Δ‖是關于景物照度的函數，用來衡量兩個測量物的分辨率。對比度對視覺效果的影響非常關鍵，一般來說對比度越大，圖像越清晰醒目，色彩也越鮮明艷麗;而對比度小，則會讓整個畫面都灰蒙蒙的。高對比度對于圖像的清晰度、細節表現、灰度層次表現都有很大幫助。對比度越高圖像效果越好，色彩會更飽和，反之對比度低則畫面會顯得模糊，色彩也不鮮明。假定照明方式中，可以通過分別最大化ΔR、ΔG、ΔB來最大化‖Δ‖，因此，我們就要考慮在光譜靈敏度fR(λ)和光譜反射率函數s1(λ)、s2(λ)已知的情況下，如何選擇iR和λR來最大化ΔR，然后用相同的方法最大化ΔG和ΔB。用Rmax表示成像系統可以獲得的最大R值，那么，對于已確定的λR值，通過下式來選擇iR值使得ΔR達到最大值:

從式(7)，可以相應地得到ΔR(iR，λR)的值:

利用式(11)，可以得到在區間λR∈［λR0，λR1］上的ΔR(iR，λR)的最大值。只要λR已經確定，就可以通過計算式(10)來求得iR值。

由上面的分析可知，物體的分辨率一般都取決于光源的功率譜分布。在實際應用中，可以通過對白光源和多種濾色鏡的組合來獲取多種顏色的照明光源，比較在這些顏色的照明光源中物體的分辨率，得出產生最佳分辨率的光源。

5 光源位置對照明效果的影響

在視覺和機器人技術中，已經有了大量的關于攝像機的放置問題的研究，同樣，光源的放置也是人們特別感興趣的問題，近年來也陸續出現了相關的報道［7，8］。在機器視覺應用中，照度均勻的光源是照明技術中非常重要的一個難題。文獻［9，10］討論了照明光源的位置，Cowan［9］給出了自動放置照相機和光源的方法，以此來獲取高質量的圖像，這個設計通過計算機輔助模式CAD得到進一步發展。Li et等［10］利用數學編程技術來決定最佳的照相機和光源位置。他們定義了獲取測量范圍內變化最小的高質量圖像的最佳照相機和光源位置。他們假定處理圖像的邊沿。通過對Torrance-Sparrow模型的變型，即考慮了光源的偏振現象，計算了邊沿的對比度并用于估計2D測量中的方差。Sunil Kumar Kopparapu［11］提出一個基于模擬退火算法的方案來決定光源的最佳位置，使被測面從多個光源中獲得均勻照明。

5.1 照明設計

光是能引起視覺感受的電磁輻射能量，光度測定就是與光有關的輻射線測定。輻射通量是單位時間內通過某一截面的輻射能，單位為瓦。光通量指人眼所能感覺到的輻射能量，單位為流明。發光強度簡稱光強，國際單位是candela(坎德拉)簡寫cd，LCD是指光源在指定方向的單位立體角內發出的光通量。對于一個發光強度為I的點光源，表面光照度可以表示為

其中，D是表面到光源的距離。圖4給出了點光源位于圖像中心時的光照度。從式(12)可以看出，在中心處光照度最大，而在中心兩邊趨于減小。從圖4可以看出，不能通過點光源來獲得均勻照明。這就意味著需要在空間放置多個光源來獲取均勻照明。

圖4 點光源位于圖像中心時的光照度

考慮一維情況，此時只考慮在一個方向上獲得均勻照明。如圖5所示，將需要照明的視場與光源距離D，設O為參考點。視場上的每一點{pj}Mj=1用與參考點所成的角度{θj}Mj=1來表示。認為有N個發光強度均為I的相同光源放置在點{di}Ni=1上。那么，在任何一點pj上，由N個光源共同作用產生的光照度為:

圖5 光源分布

同樣，對于圖6所示的二維空間，可以得出pjk≡(θj，k)點的光照度:

圖6 平面上光源的光照度

其中，(dxi，dyi)是位于二維空間i處的光源位置。

5.2 照明效果

通過利用模擬退火算法來求得全局最小值，決定光源的最佳位置，可以得出二維空間均勻照明效果。

如圖7所示給出了不同數目的光源下通過模擬退火算法后得到的光照度分布圖。圖中正方形表示光源的隨機位置，圓圈表示采用模擬退火算法后得出的光源最佳位置。

圖7 光源數目不同時的光照度分布圖

6 發展展望

機器視覺技術已經廣泛應用于不同的領域中，例如，在農業領域應用于蘋果的分類［12］、優質種子的分類［13］等等;在汽車工業中應用于鈑金成形缺陷檢測［14］，在紡織工業中應用于織網的檢查［15］;在TFT-LCD工業中應用于瓶子的檢測［16，17］和缺陷檢測［18-20］。人們已經大量研究了機器視覺系統中的后期圖像處理系統，但是光學技術在機器視覺中的應用還是一個嶄新的領域，正處于起步階段，而光源作為機器視覺光學系統中的關鍵器件之一，它的進一步研究需要從如下幾個方面展開:(1)在整個視場(Field-of-View，FOV)內必須保持光照強度均勻;(2)對不同的測量物體顏色可調;(3)在環境溫度的影響下可以自動調節光照強度;(4)響應快速，易于控制;(5)穩定，壽命長。

總之，鑒于光源在機器視覺系統中的關鍵作用，本文總結了國內外對光源類型、照明方式以及光源顏色的選擇和光源位置的控制的研究情況。無可否認，機器視覺系統中光源的研究具有很大的意義并富有一定的挑戰性，是廣大科技工作者的努力研究方向和急需解決的難題。

［1］E.J.Sieczka，G.K.Harding.Light source design for machine vision，Proceedings of SPIE，1992，1614(2):2～10.

［2］Am ir Novini.Fundamentals of Machine Vision Lighting，Northcon/93.Conference Record，3400 Gilchrist Road Mogadore，OH 44260，2 16/784～4456.

［3］Hsien-Huang P.Wu，Jing-Guang Yang，Ming-Mao Hsu，Chia-Ju Wu.Automatic measurement and grading of LED dies on wafer by machine vision，Proceedings of International Conference on Mechatronics Kumamoto Japan，2007:8～10.

［4］關積珍.LED照明設計與選型若干問題的探討.電氣應用·石化電氣，2009，28(6):14～15.

［5］S.Y.Chen.Realtime Structured Light Vision with the Principle of Unique Color Codes，2007 IEEE International Conference on Robotics and Automation Roma，Italy，2007:10～14.

［6］Mark Vriesenga，Glenn Healey，Kalman Peleg，Jack Sk lansky.Controlling Illumination Color to Enhance Object Discriminability［J］，Computer Vision and Pattern Recognition，1992.Proceedings CVPR′92.，1992 IEEE Computer Society Conference on.

［7］Seungku Yi.Robert M.Haralick and Linda G.Shapiro，Optimal Sensor and Light Source Positioning for Machine Vision，1995，61(1):122～137.

［8］Seungku Yi，Robert M.Haralick and Linda G.Shapiro.Automatic Sensor and Light Source Positioning for Machine Vision，PHYSICS BASED VISION，IEEE，1990:55～59.

［9］C.K.Cowan.Automatic camera and light-source p lacement using CAD models，in:Workshop on Directions in Automated CAD-based Vision，1991:22～31.

［10］S.Li，R.M.Haralick，L.G.Shapiro.Optimal sensor and light source positioning for machine vision，Computer Vision and Image Processing 1995，61(1):122～137.

［11］Sunil Kumar Kopparapu.Lighting design for machine vision application，Image and Vision Computing，2006，24:720～726.

［12］Unay，D.，Gosselin，B..Artificial neural network-based segmentation and apple grading by machine vision，IEEE International Conference on Image Processing，2005，2:630～633.

［13］Yi Xun，Junxiong Zhang，Wei Li.Weiguo Cai.Automatic System of Seeds Refined Grading Based on Machine Vision，The Sixth World Congress on Intelligent Control and Automation，2006，2:9686～9689.

［14］Gayubo，F.，Gonzalez，J.L.，de la Fuente，E.，Miguel，F.，Peran，J.R..On-line machine vision system for detect split defects in sheet-metal forming processes，18th International Conference on Pattern Recognition，2006，1:723～726.

［15］Sorebo，J.H.，Lorenz，R.D..Web inspection using gradient-indexed optics.IEEE Transactions on Industry Applications，2005，41(6):1476～1482.

［16］Feng Duan.Yaonan Wang，Huanjun Liu.A real-time machine vision system for bottle finish inspection.ICARCV2004 8th Control，Automation，Robotics and Vision Conference，2004，2:842～846.

［17］Shafait，F.，Imran，S.M.，Klette-Matzat，S..Fault detection and localization in empty water bottles through machine vision，E-Tech 2004，2004:30～34.

［18］Hong-Dar Lin，Chih-Hao Chien.Automated Detection of Color Non-Uniformity Defects in TFT-LCD.International Joint Conference on Neural Networks，2006:1405～1412.

［19］Chun-Lung Chang，Hsin-Hung Chang，Chia-Pin Hsu.“An intelligent defect inspection technique for color filter，”IEEE International Conference on Mechatronics，2005:933～936.

［20］Jae-Seung Ryu，Jong-Hwan Oh，Jeong-Goo Kim，Tak-Mo Koo，Kil-Houm Park.TFT-LCD panel Blob-Mura inspection using the correlation of wavelet coefficients，IEEE Region 10 Conference TENCON，2004，A:219～222.