一种图像亮度主动优化的视觉识别方法
【技术领域】
[0001] 本发明涉及机器视觉系统领域，尤其涉及图像预处理领域，通过提供一种图像亮 度主动优化的视觉识别方法，通过调整图像亮度，加快了图像识别的速度，大大提高了视觉 系统的识别通过率和识别精度。
【背景技术】
[0002] 机器视觉系统就是用机器代替人眼来做测量和判断，其特点是提高生产的柔性和 自动化程度，在一些不适合于人们作业的危险工作环境或人工视觉难W满足要求的场合， 常用机器视觉来代替人工视觉，同时在大批量生产过程中，用人工视觉检查产品质量效率 低且精度不高，用机器视觉检测方法可W大大提高生产效率和生产的自动化程度，而且机 器视觉易于实现信息集成，是实现计算机集成制造的基础技术，可W在最快的生产线上对 产品进行测量、引导、检测和识别，并能保质保量的完成生产任务。
[0003] 随着自动化设备精度要求的不断提高W及机器视觉系统在高精度、高柔性的自动 化设备中广泛应用，对机器视觉系统识别的通过率W及测量精度提出了更高的要求。
[0004] 光源照明设计作为机器视觉系统的一个重要组成部分，是影响机器视觉系统输入 的重要因素，其光强、光照稳定性和均匀性直接影响着图像的成像质量，而良好的图像质量 对模板匹配、边缘特征等信息提取算法尤为重要，因此，合理的图像亮度对提高视觉系统的 识别能力与测量能力是至关重要的。
[0005] 根据国内对成像系统图像亮度的研究成果可知，一副图像的亮度与入射光、曝光 时间、光圈大小、信号增益成一定关系，W函数表示：
[0006] B = f(E，F，T，G)
[0007] 其中，B为图像亮度、E为入射光强度、F为光圈大小、T为曝光时间、G为信号增益。
[0008] 然而，目前市面上的成套机器视觉系统（如Keyence、Omron、Panasonic等）均采 用固定光强方式，其入射光强、快口速度（曝光时间）、增益系数W及光圈大小在调整完成 之后便不再改变。而在实际生产中，被识别物体在治具内可能存在轻微的歪斜，或因来料高 度锁付一致性较差，或因来料批次不同被识别物体表面本身的反光系数不同，导致图像的 亮度不一，很可能导致识别NG或影响识别精度。
[0009] 鉴于此，本发明提出了一种图像亮度主动优化的视觉识别方案，W克服因被测对 象装夹或来料不一致性问题导致的各种识别异常问题。
【发明内容】
[0010] 本发明的主要目的在于提供一种图像亮度优化方法，通过本发明可W使所需要识 别图像的亮度趋近于注册图像，提高了相应图像算法的识别精度，加快了图像识别的速度， 且大大减少了图像识别NG的概率。
[0011] 本发明的另一目的在于提供一种图像亮度优化方法，基于平均灰度图像亮度优化 方法，可通过当前图像与注册图像R0I的平均灰度差值利用线性关系作增益系数快速补 偿。
[0012] 本发明的另一目的在于提供一种图像亮度优化方法，不仅局限于相机参数的主动 调整，还可通过装置数字型照明光源控制器，也可通过调整外部光源光照强度来主动优化 图像亮度。
[0013] 本发明的另一目的在于提供一种图像亮度优化方法，通过图像亮度的主动调整， 使得当前图像与注册图像的平均灰度一致性较好，大大提高了视觉系统的识别通过率和识 别精度。
[0014] 为满足本发明的W上目的W及本发明的其他目的和优势，本发明提供一种图像亮 度优化方法，包括W下步骤：
[0015] (A)选取注册图像，通过调节相机参数W及外部照明光源的亮度，获取最佳对比 度的图像作为注册图像，划定能够正确识别的R0I，计算R0I的平均灰度值作为标准灰度 StdGrey，并记录当前相机增益Gain和曝光时间Exposure,确定平均灰度值偏差允许范围 GreyRange ；
[0016] 度）比较当前图像与注册图像的平均灰度值，在相同增益Gain和曝光时间 Exposure下，拍摄需要识别的图片作为当前图像，计算其平均灰度值化rGrey，并和所述注 册图像比较，获取二者的平均灰度差值DiffGr巧二化rGr巧-StdGr巧；
[0017] (C)优化图像亮度，当DiffGrey在所述GreyRange允许范围内，则执行步骤值）， 当DiffGrey不在所述GreyRange允许范围内，则作增益系数快速补偿对图像进行优化，直 至DiffGrey在所述GreyRange允许范围内，再执行步骤值）；和
[001引 （D)图像识别，所述当前图像亮度优化后的平均灰度值与所述注册图像R0I相近， 则开始进行识别。
[0019] 其中在所述步骤（A)和度）中，根据下述识别算法计算图像平均灰度值：
[0020] 1)设相机增益和图像平均灰度值的比例关系y = ax+b。其中，y为图像平均亮度， a为斜率，X为相机增益，b为固定常量；
[0021] 2)根据线性回归方程
[00过便可解得曰，b ;
[002引扣获取相机增益和图像平均灰度值的近似线性关系，通过增加固定相机增益，计 算图像平均灰度值。
[0024] 在所述步骤似中，当所述图像亮度偏差值小于10%时或者当增益调整超限时， 通过调节相机增益结合改变曝光时间或外部照明光源亮度进行优化。当移动取像时，通过 改变照明光源亮度及相机增益进行优化；当静止取像时，通过控制曝光时间及相机增益进 行优化。
[00巧]进一步地，在所述步骤（A)中，通过上述识别算法，当不能够正确识别所述注册图 像中选定的ROI的平均灰度值的时候，则重新选取注册图像及相应的ROI，即手动调节参数 (选择性地调节下述参数的一种或几种；例如，相机的焦距、光圈、增益、曝光时间等）W及 外部照明光源的亮度，获取最佳对比度的图像，将该最佳对比度的图像作为注册图像。然后 根据不同的特征识别需求，划定R0I，通过上述识别算法进行识别，能够正确识别后，按照上 述方法计算图像R0I的平均灰度值作为标准灰度StdGrey，并记录下当前相机增益Gain和 曝光时间Exposure,并确定平均灰度值偏差允许范围。如果不能够正确识别，则重复W上步 骤，直至能够正确识别为止。
【附图说明】
[0026] 图1是本发明的一个优选实施例的优化图像亮度的步骤流程图。
[0027] 图2是本发明的一个优选实施例的相机增益大小与图像平均灰度值的关系图。
[0028] 图3是本发明的一个优选实施例的图像亮度主动优化的视觉识别方法流程图。
【具体实施方式】
[0029] W下描述用于掲露本发明W使本领域技术人员能够实现本发明。W下描述中的优 选实施例只作为举例，本领域技术人员可W想到其他显而易见的变型。在W下描述中界定 的本发明的基本原理可W应用于其他实施方案、变形方案、改进方案、等同方案W及没有背 离本发明的精神和范围的其他技术方案。
[0030] 在本发明中，提出了一种基于平均灰度的图像亮度优化方法，通过图像亮度的主 动优化W提高图像亮度来达到顺利识别图像的目的，满足现代自动化的需求，如图1及图3 所示，包括如下步骤：
[003。 （A)选取注册图像
[0032] 通过手动调节相机的焦距、光圈、增益、曝光时间W及外部照明光源的亮度，获取 最佳对比度的图像，将该最佳对比度的图像作为注册图像。然后根据不同的特征识别需求， 划定R0I (Region of Interest)，通过相应的识别算法进行识别，本实施例优选的识别算法 如下：
[0033] 在本实施例中，W某款相机为例，通过增加固定相机增益，计算图像平均灰度值， 提取其中110组离散数据，绘制曲线如图2所示，通过最小二乘法对曲线做线性拟合：
[0034] 1)设相机增益和图像平均灰度值的比例关系y = ax+b。其中，y为图像平均亮度， a为斜率，X为相机增益，b为固定常量。
[0035] 2)根据线性回归方程
[003引便可解得a，b。
[0037] 3)图2所示的某品牌工业相机的相机增益与图像平均灰度值拟合得到的直线方 程为 y = 0. 506X+31. 473。
[003引通过上述识别算法，当能够正确识别所述注册图像中选定的ROI的平均灰度值的 时候，计算图像R0I的平均灰度值作为标准灰度StdGrey，并记录下当前相机增益Gain和曝 光时间Exposure,并确定平均灰度值偏差允许范围GreyRange。优选地，在本实施例中，为 兼顾图像处理速度与精度，本发明W ±1个灰度值偏差作为范围。
[0039] 通过上述识别算法，当不能够正确识别所述注册图像中选定的R0I的平均灰度值 的时候，则重新选取注册图像及相应的R0I，即手动调节参数（选择性地调节下述参数的一 种或几种；例如，相机的焦距、光圈、增益、曝光时间等）W及外部照明光源的亮度，获取最 佳对比度的图像，将该最佳对比度的图像作为注册图像。然后根据不同的特征识别需求，划 定R0I，通过上述识别