機器視覺光源特性研究

李若琛 聶雨 朱澤辰 王博雅 尹杰

摘 要：機器視覺隨著人工智能的發展，近年來備受關注。機器視覺通過機器模仿人眼功能，對外界事物進行觀測、分析與判斷。機器視覺系統將提取到的圖像信號傳遞給計算機，分析參數，得到各類數字化信號并進行后續研究。在影響機器視覺系統圖像質量的諸多因素中，光源特性起到關鍵性作用。好的光照系統能夠突出物體和背景間的差異，簡化圖像分割算法，提高物體邊緣與背景間的陡峭變化與對物體的測量精度。該實驗從光源的強度、位置、均勻性、顏色等方面展開，研究這些參數對機器視覺圖像質量的影響。

關鍵詞：機器視覺;光源;特性

中圖分類號：TN307 文獻標識碼：A 文章編號：1674-1064（2021）02-039-04

DOI：10.12310/j.issn.1674-1064.2021.02.018

1 研究思路及參數

探究光源主要性能參數、常用光源種類及選擇、光源布局方式、處理程序選用等[1]。

建立不同的光源照射模型，確定設計需求參數。

搭建機器視覺照明系統測試實驗平臺，實現對照明環境的測試。

進行實驗，對采集得到的圖像進行處理，進行多次實驗并對比實驗結果，總結結論。

研究參數包括：光源強度;光源位置;光源均勻性;光譜[2]。

2 相關程序

2.1 Sobel算子

Sobel算子具有運算較為簡潔、算法耗時短、邊緣輸出幅度大、漏檢邊緣與假檢邊緣較少、邊緣定位精度較高等突出優勢，所以實驗采用Sobel算子進行邊緣檢測，判斷機器視覺識別能力的強弱[3]。

本次實驗的sobel程序：

clear all;clc;

i=imread（'1.png'）;

i=rgb2gray（i）;

i=im2double（i）;

[j，thresh]=edge（i，'sobel'，[]，'horizontal'）;

figure;

subplot（121）;imshow（i）;subplot（122）;imshow（j）;

2.2 信噪比

圖像信噪比也是體現圖像清晰程度與衡量圖像質量好壞的一項重要指標，信噪比大，圖像畫面就清晰明朗;信噪比小，則畫面上可能充滿雜波干擾，將影響機器對采集到的圖像的分析。

本次實驗的信噪比程序：

clear all;clc;

img=imread（'15.png'）;

img=rgb2gray（img）;

[h w]=size（img）;

imgn=imresize（img，[floor（h/2） floor（w/2）]）;

imgn=imresize（imgn，[h w]）;

img=double（img）;

imgn=double（imgn）;

B=8;MAX=2^B-1;

MES=sum（sum（（img-imgn）.^2））/（h*w）;

PSNR=20*log10（MAX/sqrt（MES））;

2.3 標準差

標準差是定量反映圖像質量的又一參數，其表征了像素灰度值之間的離散程度，在一定程度上體現了圖像的清晰程度。標準差越大，說明圖像中灰度級分布越散，圖像質量也就越好。

本次實驗的標準差程序：

clear all;clc;

m=imread（'1.png'）;

i=rgb2gray（m）;

s2=std2（j）;

2.4 對比度

對比度是指一幅圖像灰度反差的大小，一般情況下，對比度越大，圖像越清晰醒目，色彩越鮮明艷麗;而對比度小，整個畫面顯得灰蒙蒙一片。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。由于本次實驗的對比度程序較長且使用較少，此處便不贅述具體程序。

3 實驗內容

3.1 光源種類

LED光源具有一系列優勢，其穩定、均勻、明亮，形狀多樣，適用于實驗中照射方式的改變，方便變換燈光顏色，可以無極調節亮度，反應快捷，有利于減小實驗誤差。此外，還兼具環保、發光效率高、發熱少等特性，所以在機器視覺領域內，LED光源無疑占據主流，所以本次實驗采用LED光源作為主要實驗光源[4]。

3.2 光源強度

本次實驗使用條形LED光源，設置了三個梯度的光源強度（3W、6W、9W），以暗室作為參照，拍攝了不同光源強度下包裝盒的圖像。

暗室下的原圖與圖像分析結果如圖1所示。

可以看出，在無光照的情況下，原圖辨識度不高，同時利用邊緣檢測分析得到的結果十分不理想，圖像出現大量斑點，基本很難辨別出任何輪廓。此時，圖像標準差S=14.9302很小，說明圖像中灰度級分布集中，圖像質量不佳。

給予3W LED白光照射下的原圖與圖像分析結果如圖2所示。

光強為3W時，可見圖像清晰度改善明顯，突出反映在sobel邊緣分析結果中，包裝盒上的英文字母與數字“12”，較暗室來看已經有了一定的輪廓，只是字母并不清晰。從另外兩個參數來看，峰值信噪比PSNR=29.3068，較暗室有所提高，S=48.9336，有大幅度提升，說明一旦加以光源后，圖像質量較暗室將有明顯提高與較大改善。

給予6W LED白光照射下的原圖與圖像分析結果如圖3所示。

光強為6W時，從sobel分析結果來看，較3W還是有所提高，體現在數字“2”的輪廓已經非常清晰，且下方字母的輪廓更為明顯，可以隱約看出右下角的“辦公”二字，這在3W照明時是無法看清的。峰值信噪比PSNR=28.9339，按規律來說，峰值信噪比應該隨圖像清晰度增加而增加，但是此處較3W略有降低。經過資料查找分析，一種可能是實驗存在誤差，另一種可能是PSNR的結果無法和人眼看到的視覺品質完全一致，許多實驗結果也顯示，有可能PSNR較高者看起來反而比PSNR較低者差。再者，通過標準差來看分析結果，6W照明時圖像標準差S=56.0397，較3W有明顯提高，綜上說明6W的整體效果要高于3W。

給予9W LED白光照射下的原圖與圖像分析結果如圖4所示。

在9W光源照明下，可以看出圖像細節更為充分，比如圖像中已經可以分辨出右下角“炫彩辦公”四個漢字，對于右上角字母的辨識度也比6W有所提高。從定量角度來看，圖像峰值信噪比PSNR=29.2781，標準差S=58.2943，與上述6W情況相比，圖像質量略有提高。

由以上實驗可以推斷結論，光照強度的提高對于圖像質量的改善有很大影響，但是當光強增強到一定值時，圖像質量就可以滿足很多場合的要求。此時，繼續增大光強，從節能、性價比的方面來說并不適合，所以在實際場合，合理選擇光源強度，才能達到照明與效率都較為理想的情況。

3.3 光源位置

針對光源位置，實驗中選擇了前向照明、頂端照明、背場照明三種情況進行研究。其中，前向照明與頂端照明采用6W白色條形LED燈光作為光源，背場照明采用30W白熾燈板作為光源。

前向照明時原圖與圖像分析結果如圖5所示。

由圖像可以看出，當采取前向照明時，由于光源偏向在物體的某一側，會導致與光源相對的另一側出現較大面積的黑影。這一點在sobel邊緣分析圖像中也可以看出來，圖像偏于光照一側的輪廓較背于光照一側的輪廓要清晰，但是圖像整體清晰度尚可。通過定量分析知此時峰值信噪比PSNR=37.0018，標準差S=69.4199，說明在前向照明的情況下，雖然肉眼認為圖像質量不佳，但是機器視覺系統尚可辨別。

頂端照明時原圖與圖像分析結果如圖6所示。

頂端照明時，整幅圖像顯示出清晰明了的感覺，邊緣陰影較小，從邊緣分析來看，輪廓保留也較為完好，基本能夠清晰判斷圖像內容。該圖像PSNR=28.5875，標準差S=60.2465，參數也體現出圖像質量尚可。

背場照明時原圖與圖像分析結果如圖7所示。

背場照明時，即便通過肉眼可以辨別出字符，但是將圖像交給計算機處理時，縱使參數PSNR=37.0850，S=76.8766良好，但是sobel算子結果卻為一片漆黑。也就是說，在背場照明下，機器視覺并不能很好地發揮作用。筆者推斷，由于本次實驗的被攝物為不透光物體，所以只有當光照強度更加強烈時，才有可能使機器辨別出內容，或者當物體為透光物時，背場照明才可以發揮一定的作用。

由以上實驗可以初步總結，在機器照明的不同場合，應根據需要選擇合適的光源放置方法。在條件允許的情況下，可以優先考慮頂端照明，其次考慮前向照明。針對不透光物體，則盡量避免使用背場照明，對于透光物體，背場照明的光源也需要更大的功率，所以其也并非優于前向照明與頂端照明。

3.4 光源均勻性

為了研究光的均勻性，筆者進行了兩組實驗，第一組采用單一6W白色LED燈作為光源置于被攝物上方，第二組采用3個2W白色LED燈作為光源等距分散置于被攝物周圍。

6W光源集中照射的原圖與成像分析如圖8所示。

首先，從肉眼上直接觀察原圖像，集中光源下，光源照射效果在被攝物的某處過于集中，而在其余部分稍暗，由此判斷效果應該不佳。從sobel結果來看，圖像輪廓較為模糊，在燈光集中處和其他各處的輪廓無法比擬，整體質量不是很理想。

3個2W光源分散照射的原圖與成像分析如圖9所示。

從直觀感受來看，使用低功率分散照明的效果要比高功率集中照明的效果更好，光照在整個被攝物表面分布均勻。從sobel算子結果看來，無論是圖像左上的數字“12”，還是下方的字母與右下角的“辦公”字樣，輪廓都較為清晰。從定量參數來看，標準差S高達80.6759，表明圖像質量較好。

綜上可以推出結論，使用小功率分散照射的方式要比使用大功率集中照射的方式效果更好，即在條件允許的情況下選擇光源照明方式時，要考慮到光源的均勻性對成像質量的影響。

3.5 光源顏色

在本次研究中，筆者使用兩組實驗，對比探究光源顏色與背景顏色相同或不同時，對于機器視覺成像質量的影響。第一組在被攝物下方放置紅色背景板，使用紅色LED光源進行照明，第二組在被攝物下方同樣放置紅色背景板，使用白色LED光源進行照明。在這組實驗中，主要觀察sobel算子處理結果以及圖像的對比度數據，從而判斷何種情況下成像質量理想。

紅色背景、紅色光源情況下的原圖與圖像分析結果如圖10所示。

從sobel的分析結果來看，圖像輪廓不明顯，除了能概略看出左上方的數字“2”之外，其他的漢字或者字母均無法辨別。同時，肉眼觀察到原圖左下角紅色的“COLOR”字樣在紅光照射下已幾乎不可見，反映在sobel邊緣處理結果中則是左下角完全漆黑，無法辨別出有任何字樣。如此，更是說明了如果被攝物顏色與光源以及背景顏色相同，機器視覺將難以甚至無法分析被攝物。同時，運行對比度程序得出圖像對比度C≈9.64，對比度較低，所以圖像會有一種灰蒙蒙的感覺，并不理想。

紅色背景、白色光源情況下的原圖與圖像分析結果如圖11所示。

相較于紅色背景與紅色光源作用下的圖像，當背景與光源顏色不同時，無論從原圖還是sobel結果來看，圖像都更為明朗清楚，色彩更鮮明，圖像輪廓辨識度也有較大提高，整體質量優于前者。此時，圖像對比度C≈265.07，也遠遠高于前者，所以圖像會更加清晰。

4 實驗總結

本次實驗以包裝盒為研究對象，針對機器視覺光源特性的幾個重要參數展開研究，探索最佳照明方案，以便機器視覺系統能夠捕捉到被攝物細節，從而有利于后續圖像分析與處理。

針對光源種類，文章并未設計詳細實驗，根據LED光源特性強于諸多照明光源的特點，當前LED光源照明無疑是較為合理的選擇。

在光源強度選擇上，有光源的效果一定強于無光源的效果，但是當光照強度達到一定程度后，對于圖像質量的改善效果便不再明顯。此時，繼續增大光源強度，反而會導致光源能耗大幅增加，甚至出現較為明顯的反光現象，總體性價比會下降。所以，在選擇光源強度時，要以達到圖像質量需求為標準，合理選擇。

在光源擺放上，本次實驗研究了前向照明、頂端照明以及背場照明。根據實驗結果，照明效果最佳為頂端照明，頂端照明能夠最大化表現出被攝物的表面特征，清晰明朗。其次為前向照明，能較好反映物體的特征。針對如實驗所用的不透光物體，最不適用的為背場照明，其只能捕捉到被攝物的大致外形，而表面特征少之又少，其更適用于被測物為透光物的場合。

在光譜方面，實驗通過改變背景顏色與光源顏色，結合被攝物部分特征的顏色，說明了同色光源與背景或同色光源與同色被攝物會減小圖像整體的對比度，機器視覺系統對圖像特征的捕捉能力較差。反之，對于不同色的光源與背景，對比度會有顯著提高，圖像較為清晰，質量較為理想。

參考文獻

[1] 靳衛國，周莉.應用MATLAB研究機器視覺系統的光源特性[J].電子工業專用設備，2012，41（2）：40-47.

[2] 何新宇，趙時璐，張震，等.機器視覺的研究及應用發展趨勢[J].機械設計與制造，2020（10）：281-283，287.

[3] 張聰聰，牟莉.基于機器視覺的圖像邊緣檢測算法研究[J].國外電子測量技術，2020，39（12）：80-85.

[4] 劉航鋮，嚴小軍，惠宏超.兩種常用光源在機器視覺檢測中的對比與選用[J].科技風，2020（3）：74-76