CN111738026A - 用于评估符号的***和方法 - Google Patents
用于评估符号的***和方法 Download PDFInfo
- Publication number
- CN111738026A CN111738026A CN202010195105.2A CN202010195105A CN111738026A CN 111738026 A CN111738026 A CN 111738026A CN 202010195105 A CN202010195105 A CN 202010195105A CN 111738026 A CN111738026 A CN 111738026A
- Authority
- CN
- China
- Prior art keywords
- image
- saturation threshold
- imaging device
- initial
- pixels
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 59
- 238000003384 imaging method Methods 0.000 claims description 106
- 230000004044 response Effects 0.000 claims description 63
- 238000012549 training Methods 0.000 claims description 56
- 238000013507 mapping Methods 0.000 claims description 50
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 8
- 238000012804 iterative process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000001747 exhibiting effect Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010329 laser etching Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
- G06K7/10712—Fixed beam scanning
- G06K7/10722—Photodetector array or CCD scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1413—1D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Toxicology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
评估对象上的符号可包括获取对象的第一图像,包括符号。可以基于确定第二图像的饱和度阈值并且可能将像素值缩放到第二图像减小的比特深度来从第一图像导出第二图像。
Description
相关申请的交叉引用
不适用。
关于联邦赞助的研究或开发的声明
不适用。
技术领域
本发明涉及评估符号,包括验证条形码。
背景技术
在许多情况下,使用成像***评估符号可能是有用的。例如,在直接部件标记(“DPM”)和其他环境中,可以分析针对条形码所获取的图像,以便验证条形码已被正确打印或标记,或出于其他原因。在一些情况下,待评估的符号可能正在移动。例如,当标记有条形码的对象正在沿生产线或其他传送设备移动时,验证DPM条形码可能是有用的。
发明内容
本发明的一些实施例提供了一种用于评估对象上的符号的***。成像***可包括成像设备和与所述成像设备通信的处理器设备。所述成像设备可被配置成用于获取所述对象的第一图像,包括所述符号。所述处理器设备可被配置成:基于确定第二图像的饱和度阈值并将所述第一图像的像素映射到所述第二图像来生成从所述第一图像导出的所述第二图像,包括将具有超过所述饱和度阈值的值的所述第一图像的像素映射到所述第二图像的最大值,使得所述第二图像的亮度测量表现出与所述第二图像的所述饱和度阈值的预定目标关系。
本发明的一些实施例提供了一种用于评估对象上的符号的***。成像设备可被配置成以第一比特深度获取所述对象的第一图像,包括所述符号。处理器设备可被配置成基于以下内容来生成从所述第一图像导出的第二图像:基于所述第二图像的饱和度阈值与所述第一图像或所述第二图像中的至少一个的亮度测量之间的预定目标关系来确定所述第二图像的所述饱和度阈值;以及基于所述第二图像的所述饱和度阈值将所述第一图像的像素映射到所述第二图像。
本发明的一些实施例提供了一种评估对象上的符号的方法,该方法至少可以部分地通过使用成像设备和处理器设备来实现。可以利用所述成像设备获取所述对象的第一图像,包括所述符号。使用所述处理器设备,可以通过下述方式生成从所述第一图像导出的第二图像,包括:确定所述第二图像的饱和度阈值,该饱和度阈值可以不同于所述第一图像的饱和度阈值;以及将所述第一图像的像素映射到所述第二图像,包括将具有超过所述第二图像的所述饱和度阈值的值的所述第一图像的像素映射到所述第二图像的最大值。所述第二图像的所述饱和度阈值可以基于所述第二图像的所述饱和度阈值与所述第一图像或所述第二图像中的至少一个的亮度测量之间的目标关系来确定。可以利用所述处理器设备对所述第二图像进行评估,以确定所述符号的至少一个属性。
本发明的一些实施例提供了一种用于评估对象上的符号的***。成像***可包括成像设备和与所述成像设备通信的处理器设备。成像设备可被配置成以第一比特深度获取所述对象的第一图像,包括所述符号。所述处理器设备可被配置成:通过下述方式来根据所述第一图像生成第二图像,该方式包括将所述第一图像的像素映射到所述第二图像的像素,所述第二图像具有等于或小于所述第一比特深度的第二比特深度;以及评估所述第二图像以确定所述符号的至少一个质量属性。
本发明的一些实施例提供了一种用于评估对象上的符号的***。所述***可包括成像设备和与所述成像设备通信的处理器设备。所述成像设备可被配置成以第一比特深度获取所述对象的第一图像,包括符号。所述处理器设备可被配置成:针对所述第一图像,确定饱和度阈值和亮像素平均值中的至少一个,以及至少部分地基于所述饱和度阈值和所述亮像素平均值中的至少一个来确定所述第一图像的像素到具有小于或等于所述第一比特深度的第二比特深度的所述第二图像的映射。所述处理器设备还可被配置成从所述第一图像生成具有所述第二比特深度的所述第二图像,以及评估所述第二图像以确定所述符号的至少一个质量属性。
本发明的一些实施例提供了一种评估对象上的符号的方法,该方法至少可以部分地使用成像设备和处理器设备来实现。可以利用所述成像设备以第一比特深度获取所述对象的第一图像,包括所述符号。利用所述处理器设备,通过下述方式来从所述第一图像生成所述第二图像,该方式包括将所述第一图像的像素映射到所述第二图像的像素,且所述第二图像具有小于或等于所述第一比特深度的第二比特深度。可以利用所述处理器设备评估所述第二图像,以确定所述符号的至少一个属性。
为了实现上述目的和相关目的,本发明的实施例可包括以下完全描述的一个或多个特征。上述和以下描述以及附图详细阐述了本发明的某些示例方面。然而,这些方面仅指示了本发明的原理可采用的各种方式中的几种方式。本发明的其他方面、优点和新颖特征将从本文的详细描述中变得显而易见,如与附图一起考虑。
附图说明
通过结合所附附图的以下描述,本发明的特征和优势是显而易见的,在附图中:
图1是根据本发明的实施例的用于DPM验证的机器视觉***的示意图;
图2是根据本发明的实施例的用于DPM验证的方法的各个方面的示意图;
图3和图4是根据本发明的实施例的用于DPM验证的方法的各个方面的示意图;
图5是根据本发明的实施例的用于DPM验证的训练过程的示意图;
图6到图8是根据本发明的实施例的符号评估的方法的图解视图;以及
图9是根据本发明的实施例的用于符号评估的训练方法的图解视图。
具体实施方式
在以下详细描述中,参考形成其一部分的所附附图。在附图中,相似的标号通常标识相似的部件,除非上下文另有指定。在详细的描述、附图以及权利要求中描述的示例实施例并不旨在限制。在不偏离本文呈现的主题的精神或范围的情况下,其它实施例可被利用,并且可作出其他改变。容易理解的是,如在本文中大体描述的和在附图中示出的本公开的方面可以以多种不同的配置来被布置、替代、组合、分开、和设计,所有的配置在本文中明确地被设想。
如本文中所使用的术语“制品”旨在包含可从任何计算机可读设备、载体(例如,非瞬态信号)或介质(例如,非瞬态介质)访问的计算机程序。例如,计算机可读介质可包括但不限于:磁存储设备(例如,硬盘、软盘、磁带等)、光盘(例如,压缩盘(CD)、数字多用盘(DVD)等)、智能卡以及闪存设备(例如,卡、棒)。此外,将理解的是,可以采用载波来承载计算机可读电子数据,比如,用于发送和接收电子邮件或用于访问如互联网或局域网(LAN)等网络的数据。本领域技术人员将认识到,在不背离所请求保护的主题的范围和精神的情况下,可以对这些配置进行许多修改。
同样如本文中所使用的,除非另有指定或限制,术语“部件”、“***”、“模块”等旨在指计算机相关***,其包括硬件、软件、硬件和软件的组合、或者是执行中的软件。例如,组件可以是但不限于处理器设备、在处理器设备上运行的进程、对象、可执行件、执行的线程、程序和/或计算机。通过图示的方式,运行在计算机上的应用和计算机两者均可以是组件。一个或多个组件(或***、模块等)可驻留在执行的进程和/或线程内、可定位于一个计算机上、分布在两个或更多个计算机或其他处理设备之间、和/或包括在另一组件(或***、模块等)内。
同样如本文所使用的,除非另有指定或限制,术语“符号”指示承载信息的标记,包括能够由成像设备成像的标记。在一些实现中,可诸如通过印刷、沉积、激光蚀刻等形成符号,包括以DPM符号的形式,诸如DPM 2D(或其他)条形码。在一些实现中,符号可以以其他方式形成,诸如通过使用墨水印刷。
本发明的一些实施例可被实现为***和/或方法,包括计算机实现方法。本发明的一些实施例可包括(或利用)设备,诸如自动设备,包括各种计算机硬件、软件、固件等的专用或通用计算机,与下文的讨论一致。
在一些实施例中,本发明的各个方面(包括根据本发明的方法的计算机化实现)可使用用于生成软件、固件、硬件或其任何组合的标准编程和/或工程技术而被实现为***、方法、装置或制品,以控制计算机或其他处理器设备来实现本文描述的各个方面。相应地,例如,本发明的实施例可被实现为在非瞬态计算机可读介质上有形地实现的指令集,由此使得处理器设备能够基于从计算机可读介质读取指令来实现指令。
在附图中示意地表示了根据本发明的方法的某些操作或执行这些方法的***的某些操作。除非另有指定或限制,特定操作在附图中以特定空间顺序的表示不旨在要求这些操作要以特定的顺序执行。在附图中表示或以其他方式在本文公开的某些操作可以以对于本发明的特定实施例而言是适当的不同的顺序执行。进一步地,在一些实施例中,某些操作可被并行地执行,包括由专用并行处理设备执行,或由被配置成用于作为大***的一部分交互操作的分离的计算设备执行。
同样如上文讨论的,使用成像***评估符号(包括2D条形码等)可能是有用的。例如,在DPM的环境中,使用所获取的DPM条形码(例如,2D条形码)的图像以验证条形码的质量可能是有用的。以此方式,例如,用户能够确保DPM(或其他)符号表现出适当的高印刷质量和整体保真度。
同样地,在一些情况下,评估运动的或仅在较短时间中静止的对象上的符号可能是有用的。例如,当标记对象沿着生产线移动时,对DPM符号进行验证可能是有用的。这可使得评估操作显著地复杂化。
在照明条件可能是变化的或因其他原因而导致不理想的环境下,或针对可能产生相对镜面的反射的对象而言,评估符号也可能是有用的。这也会使得评估操作显著地复杂化。
一些传统方式旨在通过执行迭代过程来改进符号评估,包括通过机器视觉***的使用,其中,该迭代过程包括多个图像的获取和评估。例如,机器视觉***可被配置成用于基于由国际标准化组织(“ISO”)和国际电工委员会(“IEC”)发布的技术报告29158(也被称为“AIM DPM”指南)的各个方面来评估符号。
AIM DPM指南描述了基于多个图像的获取以及多个图像的分析的DPM符号质量的评估。具体而言,AIM DPM要求特定***响应(例如,增益、光圈值或快门时间设置),以用于图像中的条形码的评估,以及如果初始图像的评估指示不正确的曝光则提供成像设备***响应的调整。例如,在AIM DPM下,如果初始图像过度饱和或表现出不足的分辨率,则应当对***响应和随后捕获的图像进行适当的调整。后续图像可随后被评估以确定调整后的***响应是否已实现正确的***响应(即,由此使得平均亮像素亮度与饱和度的比例与期望值匹配)。以此方式,通过多个连续的图像获取过程,可获取操作***响应,其适当地平衡饱和度与分辨率,并且尤其维持整体图像亮度与饱和度出现的亮度水平之间的某些关系。操作***响应可随后被用于运行时图像捕获和符号评估。以此方式,例如,符号评估可针对给定的应用或环境被统一地应用。
AIM DPM原则下的符号评估可能是有用的,但是用于评估的多个图像的获取在一些环境下可能是不切实际或不期望的。例如,在活跃的生产线上,在不停止生产线操作的情况下获取并且处理具有DPM符号的特定对象的多个图像可能是不可行的。相应地,提供能够在不一定要求多个图像捕获的情况下支持DPM(或其他)符号的准确评估的***可能是有用的。
本发明的实施例能够解决上文提到的问题,或以其他方式提供用于符号评估的改进的***或方法。例如,在一些实施例中,为了评估符号,可使用成像设备获取符号的第一图像。可随后从所获取的第一图像中导出第二图像,而不一定要求符号的图像的任何进一步获取(至少对于当前评估周期而言)。
具体而言,在一些实施例中,基于确定第二图像的饱和度阈值(其将保持饱和度阈值与图像亮度之间的目标关系)而从第一图像导出第二图像可能是有用的。例如,第二图像的饱和度阈值与图像亮度之间的目标比例可以是预先确定的(例如,基于AIM DPM或其他相关因素),并且第二图像的饱和度阈值可随后被确定,由此将第一图像的像素映射至第二图像,包括将超过第二图像饱和度阈值的像素设置为最大值,由此得到第二图像的图像亮度,该图像亮度将基本保持该目标比例。
在一些实施例中,可迭代地确定所导出的第二图像的饱和度阈值。例如,可基于各种考虑中的任一个来选择第二图像的初始饱和度阈值。第一图像的像素可随后被相应地映射至“初始”第二图像,并且可确定所得的初始第二图像的图像亮度。如果初始图像亮度表现出与初始饱和度阈值的适当的关系,则可随后进行初始第二图像中的符号评估。相反地,如果初始图像亮度与初始饱和度阈值之间的适当的关系没有实现,则可选择第二图像的后续饱和度阈值,并且可将第一图像的像素相应地重新映射至“后续”第二图像。可随后确定后续第二图像的图像亮度,以及该后续图像亮度与后续饱和度阈值之间的关系。
与初始导出的图像一样,如果后续图像亮度表现出与后续饱和度阈值的适当的关系,则可随后进行后续第二图像中的符号评估。然而,如果仍未获取到适当的关系,则可继续进一步饱和度阈值的选择、第一图像像素的映射以及图像亮度的评估。就此而言,例如,后续第二图像可有效地成为新的初始第二图像,其可由具有新的后续饱和度阈值的新的后续第二图像接替。
在一些实施例中,导出的第二图像的饱和度阈值可在没有迭代(诸如上文描述的示例迭代)的情况下确定。例如,可确定第一获取的(或其他)图像的图像亮度,并且随后选择表现出与所确定的图像亮度的适当的关系的饱和度阈值。所选择的饱和度阈值可随后被设置为第二图像的饱和度阈值,并且第一图像的像素可相应地被重新映射至第二图像。值得注意的是,在一些实现中,可仅使用单个获取的图像(即,不要求后续图像的获取,诸如可能对于运动的部件而言是不可能的情况)实现此类迭代。
在一些实施例中,较高比特深度的成像***的可用性可尤其使得仅基于单个图像的获取而实现图像亮度与饱和度水平之间的目标关系(例如,如AIM DPM中指定的)成为可能。例如,评估对象上的符号可包括获取表现出第一比特深度(例如,12或16比特)的对象的第一图像(包括符号)。第一图像可被分析以确定第一图像的像素到小于第一比特深度的第二比特深度(例如,8比特)的映射。具有第二比特深度的第二图像可随后基于第一图像和所确定的映射被生成,并且可被评估以确定符号的至少一个质量属性。相应地,在这些和其他实施例中,在不获取多个图像的情况下或不进行***响应的迭代事先调整的情况下评估符号是可能的,例如由AIM DPM指定。
在一些实施例中,在使用第一较大的比特深度获取第一图像之后,第一图像可以以各种方式被分析以确定像素到第二比特深度的映射。在一些实现中,例如,下述操作中的一个或多个可被执行。可针对第一图像确定动态范围,并且可识别亮像素集和暗像素集,诸如由例如AIM DPM指定的。可确定亮像素的平均强度值,并且随后可基于该平均强度值确定饱和度阈值。具有超过饱和度阈值的强度值的像素可被设为特定值(例如,最大亮度值),并且可基于所确定的饱和度阈值或平均亮像素强度值确定像素从第一比特深度到第二比特深度的映射。或者,在一些实施例中,饱和度阈值可被确定以使得在鉴于确定的饱和度阈值进行像素映射之后,亮像素的平均强度值表现出与所确定的饱和度阈值的适当的关系。
在一些实现中,就此而言,可与AIM DPM迭代分析相似地进行第一图像的分析。但是,在一些实施例中,与AIM DPM相反,根据本发明的分析可能仅要求获取单个图像,即,可不一定要求要被评估的符号的第二图像的获取。
图1示出了根据本发明的一个实施例的用于评估对象24上的符号22的示例***20。在所示的实施例中,符号22是平坦的DPM 2D条形码,并且对象24是平行六面体盒子。在其他实施例中,其他配置是可能的。例如,要被成像的对象可能具有各种几何形状,并且各种符号可被成像并且分析,包括打标机打码(dot-peen)或其他DPM符号以及非DPM符号。
在图1所示的环境中,对象24被设置在传送机26上,传送机26被配置成用于以可预测并且持续的速率移动对象24穿过***20。在其他实施例中,对象可根据本发明以各种方式被移动进入或穿过***。在一些实施例中,对象相对于评估***可以是静止的。在一些实施例中,评估***可被配置成相对于要被评估的对象和符号是移动的。
一般而言,根据本发明的***可包括成像设备和处理器设备。在图1中示出的实施例中,***20包括成像***28,成像***28包括处理器设备30和具有视场(“FOV”)34的成像设备32,该视场34包括传送机26的一部分。相应地,成像***28可被配置成用于当对象24由传送机26移动时捕获对象24的一个或多个图像。
成像设备32和处理器设备30可以以各种方式被配置,分别包括一个或多个电子成像传感器和一个或多个透镜组件的布置,以及可编程通用计算机设备或机器视觉计算机的布置。在一些实施例中,成像设备和处理器设备可以是物理分离的***的一部分。例如,成像设备可被配置成用于与远程设置的处理器设备(例如,基于云的计算***)通信,以便于执行本发明的实现中的某些操作。
在一些实施例中,成像设备可被配置成用于获取具有第一比特深度的图像,并且相关联的处理器设备可被配置成用于分析具有小于第一比特深度的第二比特深度的图像,包括评估图像内的符号。在不同的实施例中,针对第一比特深度和第二比特深度的不同的相对尺度是可能的。例如,在图1中示出的实施例中,成像设备32被配置成用于获取FOV 34的12比特图像,并且处理器设备30被配置成用于分析8比特图像。即使特定实现包括分析具有小于由成像设备获取的比特深度的图像,但是在一些实现中,处理器设备可能能够分析具有与可能由相关联的成像设备获取的相同比特深度的图像或分析具有大于与可能由相关联的成像设备获取的比特深度的图像。在一些实施例中,不同的获取和处理比特深度是可能的,包括在处理器设备被配置成用于处理相关联的成像设备的完全比特深度(例如,由此使得导出的第二图像可表现出与所获取的第一图像相同的比特深度)的布置中。
在一些实施例中,有用的是,图像获取的比特深度和图像分析的比特深度可被选择,以使得图像可在宽范围的成像参数(例如,动态范围、平均亮度等)上被轻松地处理。例如,也如下文所讨论的,图像获取的比特深度连同适当的***响应可被选择,由此使得预期最亮的图像可在不过度饱和的情况下被捕获,并且由此使得预期最暗的图像可在具有允许其适当的分析的充足分辨率的情况下被捕获。相似地,图像分析的比特深度可被选择,以使得具有一系列亮度分布的图像可被有用地分析,包括在将图像向下缩放至相关较小的比特深度之后。
就此而言,例如,成像设备32可被配置成用于获取包括符号22的对象24的12比特图像。例如,随着对象24进入FOV 34,成像设备32可获取具有预先确定的***响应(例如,预先确定的光圈值和快门速度设置)的图像。处理器设备30可随后从第一(获取)图像生成第二(非获取)图像,诸如具有8比特或其他减少的比特深度的第二图像。例如,处理器设备30可被配置成用于将相关像素从第一获取的图像映射至导出的第二图像,包括如下文进一步详细描述的,以便于提供第二图像的饱和度水平与图像亮度之间的目标关系(例如,如AIMDPM中指定的比例)。
一旦生成,第二(例如,较低比特深度)图像可随后被分析以便于评估符号。例如,生成的第二图像可被分析,以便于评估其中符号的一个或多个质量属性,包括AIM DPM或其他相关指南中指定的质量属性。
一般而言,本发明的实施例下生成的图像可包括与获取的图像相同的主题和相似的信息。但是生成的图像可能表现出相对于获取的图像在某种程度上较低的分辨率,诸如可能因减少的比特深度而导致。然而,通过适当的训练,通常可维持足够的分辨率以允许对获取的图像进行适当分析(经由生成的图像),包括用于其中符号的评估,但受到捕获的比特深度的固有限制,以及受到相关应用所需的最小和最大***响应的影响。
也如上文中提到的,在一些实施例中,处理器设备可被配置成用于基于获取的图像的分析确定从第一获取的(例如,较大的比特深度)图像到第二导出的(例如,较小的比特深度)图像的映射。例如,处理器设备30可被配置成用于基于针对导出的图像确定适当的饱和度阈值,将超过饱和度阈值的获取的图像的像素设置为最大值以及随后将低于饱和度阈值的获取的图像的像素映射至导出的图像中对应的亮度水平,从而确定从获取的图像到生成的图像的映射。以此方式,例如,处理器设备30能够帮助确保来自获取的图像的相关信息被映射至生成的图像,同时为潜在多余的像素给予较少强调。
也如上文提到的,在一些实施例中,可基于图像亮度分析确定导出的图像的适当的饱和度阈值,该适当的饱和度阈值导致获取的图像中超过确定的饱和度阈值的像素映射至导出的图像的最大值。例如,如图2中所示,成像设备32(见图1)已获取了如直方图40中表示的第一图像。使用处理器设备30(见图1),可针对导出的第二图像确定初始饱和度阈值42。第一图像的像素可随后被映射至初始导出的图像,如直方图44中所表示的,其中超过饱和度阈值42(也如在直方图40中所示)的第一图像的像素46已被映射至初始导出的图像的最大值(如所示)。初始导出的图像(包括映射像素46)的图像亮度(诸如亮像素50的平均亮度48)可随后被确定并且与饱和度阈值42相比较以评估这些因素之间的关系。
如果平均亮度48与饱和度阈值42之间的适当的关系已经实现,诸如由AIM DPM指定的目标比例(例如,大约77/100),则初始导出的图像(如在直方图44中所表示的)可随后被用于评估符号22。如果没有实现,则可确定新的饱和度阈值,诸如后续饱和度阈值52(例如见直方图40),以尝试更好地建立期望的关系。
就此而言,也如下文讨论的,可采用迭代过程。例如,因为基于所选择的饱和度阈值进行的像素重新映射可影响所得的亮像素的平均亮度(或其他亮度测量),有时可迭代地执行一连串操作,包括:确定连续饱和度阈值;重新映射像素并且计算所得的相应亮度测量;以及随后评估当前饱和度阈值是否表现出与重新映射像素的相关联的亮度测量的适当的关系,或是否应当选择另一饱和度阈值(以及对应的像素映射)。
一旦饱和度阈值52已被确定,第一图像的像素(包括超过饱和度阈值52的像素56)可随后被重新映射至后续导出的图像(如直方图54中所表示的),并且可进行图像亮度(例如,确定为平均亮像素亮度58)的评估以及图像亮度与饱和度阈值52的关系的评估。同样地,如果亮度58与饱和度阈值52之间的适当的关系已经实现,则对应的(后续)导出的图像可随后被用于评估符号22。如果没有实现,则可使用新选择的饱和度阈值(未示出)和对应的像素映射等继续相似的迭代过程。
导出的图像的初始和后续饱和度阈值可以以各种方式被确定。在一些实现中,例如,***可以在较低和较高范围(例如,在相关动态范围内)逐步通过预先确定的饱和度阈值集,诸如,对于预先确定的集中的每一个饱和度阈值,通过后续地映射像素、评估图像亮度以及评估图像亮度与饱和度阈值的关系。在一些实现中,如果出现下述情况,则该后续评估可被终止,例如针对任何特定的饱和度阈值建立了目标关系,或基于其他相关标准诸如后续饱和度阈值与在前饱和度阈值相比会导致与目标关系的更差的对应性。
相反,在一些实现中,***可适当地执行搜索(诸如二进制搜索)以精简适当的饱和度阈值的确定和像素映射。例如,可诸如通过在相关亮度范围的中点处识别饱和度阈值来确定初始饱和度阈值,并且可随后完成对应的分析(例如,如上文描述的)。适当地,随后可基于初始分析指示了为获取目标关系是需要较高的饱和度阈值还是需要较低的饱和度阈值来识别新的饱和度阈值。例如,如果需要较高的(或较低的)饱和度阈值,则可以识别介于先前的饱和度阈值与相关范围的上端(或下端)的中间的新的饱和度阈值。在其他实现中,其他类型的搜索也是可能的。
在一些实现中,可基于获取的图像中像素强度的分析来确定适当的饱和度阈值,而不一定考虑将这些像素映射至导出的图像而对导出的图像的图像亮度的影响。图3示出了该类型分析的示例,如由***20所执行的(见图1)。在所示的实现中,例如,成像设备32具有获取的12比特图像。对应地,处理器设备30已确定了图像的动态范围60,并且已生成图像的直方图,如图3中图形地表示的。(使用该示例和其他示例,本领域技术人员将认识到处理器设备30可能不一定生成图形表示,而可能执行完全数字的某些任务,诸如通过存储像素计数列表并对其执行计算。)
对于图3中表示的特定12比特图像,动态范围60远小于可能的最大强度62。相应地,12比特图像中的某些信息对于所期望的图像分析(例如,符号评估)可能不是尤为有用的,或可能与其不相关。本发明的实施例通常能够将该信息的部分从用于分析的减少的比特深度(或其他导出的)图像(包括如上文和下文讨论的)中消除。
在一些实现中,已识别动态范围60并且生成直方图计数(如图3中所示)之后,处理器设备30能够询问所得的双模态分布以识别亮像素66集和暗像素64集。可从亮像素66的分析中确定平均亮像素值68(例如,平均强度),并且随后可基于平均亮像素值68确定饱和度阈值70。
在一些实现中,饱和度阈值70可被确定为平均亮像素值68的预先确定的倍数(例如,大约100/77)。以此方式,例如,平均亮像素值68可以是饱和度阈值70的大约77%。在其他实现中,其他方式是可能的。
在饱和度阈值70已被确定之后,超过阈值70的像素72可被设置为预先确定的值。例如,在一些实施例中,像素72可被设置为饱和度阈值70内的最大强度值,其可能导致在阈值70下最大强度范围处的像素计数增加,如由图3中像素74所表示的。低于饱和度阈值的获取的图像的像素76可随后被映射至确定的图像的较低的比特深度,该确定的图像可被分析以评估符号22(见图1)。
也如上文提到的,饱和度阈值70的特定值的选择以及像素72的对应重新映射可导致相对于初始获取的图像的平均亮度变化(或图像亮度的其他测量)。相应地,在一些情况下,初始饱和度阈值的选择(诸如,阈值70)可能得出没有适当地表现出与初始饱和度阈值的期望的关系(例如,比例)的平均图像亮度。在该情况下,例如,也如上文讨论的,可随后进行一个或多个后续饱和度阈值的迭代选择,连同像素的对应重新映射以及更新的亮度测量的计算,直至已实现适当的关系。
在一些实现中,可使用除了亮像素的平均(例如,平均值[mean])强度之外的图像亮度的测量。例如,在一些实现中,处理器设备30可被配置成用于确定亮像素的变化幅度或其他统计测量,并且可随后相应地确定饱和度阈值70(或其他映射参数)。同样地,在较高的动态范围是优选的一些实现中,诸如用于读取应用(例如,与评估应用相反),可有益地使用图像亮度的其他测量。
在一些实现中,本文讨论的操作可以以与明确呈现的不同的顺序执行。例如,在一些实现中,在将像素76映射至较低的比特深度(或其他导出的)图像之后可以将像素72设置为(多个)预先确定的值。
图4示出了分析过程的另一示例,该分析过程可由图1的***20实现。在所示的实现中,成像设备32获取到另一12比特图像。对应地,处理器设备30已确定了该图像的对应的动态范围80,并且已生成图像的直方图,如图3中图形地表示的。(同样,本领域技术人员将认识到处理器设备30可能不一定生成图形表示,而可能执行完全数字的某些任务,诸如通过存储像素计数列表并对其执行计算。)
对于图4中表示的特定12比特图像,动态范围80几乎等于图像可能的最大强度82。相应地,12比特图像中相对较少的信息可能与期望的图像分析(例如,符号评估)不相关或对其而言是无用的。就此而言,例如,可以看出较大的比特深度的图像的获取(其能够容纳图4中表示的图像中的强度)能够允许具有较广动态范围的图像的高分辨率获取。进一步地,也如上文讨论的,用于分析的比特深度的减少仍能够允许这些相同的图像的可靠且高质量的分析,包括与AIM DPM的各个方面保持一致。同样,与传统方式相反,本发明的一些实施例下的分析能够基于仅单个图像的获取而进行。
例如,在一些实现中,已识别动态范围80并且生成直方图计数(如图4中所示)之后,处理器设备30能够询问所得的双模态分布以识别亮像素86的集和暗像素84的集。可从亮像素86的分析中确定亮像素的统计测量(诸如,平均亮像素强度88),并且随后可基于平均值88确定饱和度阈值90。
在一些实现中,饱和度阈值90可被确定为平均亮像素值88的预先确定的倍数(例如,大约100/77)。以此方式,例如,平均亮像素值88可以是饱和度阈值90的大约77%。在其他实现中,其他方式是可能的。在其他实现中,其他倍数(或比例)可能是适当的。在一些实现中,诸如关于图2讨论的,导出的图像的饱和度阈值可相似地确定,但是也基于获取的图像的像素已被映射至导出的图像之后图像亮度的计算,并且考虑由确定的饱和度阈值施加的任何亮度截止。
在饱和度阈值90已被确定之后,超过阈值90的像素可被设置为可能由阈值90包含的预先确定的值。然而,在所示的实现中,亮像素被充分地聚集,由此使得获取的图像中仅有少量像素超过饱和度阈值90或像素均不超过饱和度阈值90。相应地,例如,除了可能有必要将获取的图像的像素96映射至较低的比特深度(例如,在缩放操作中)之外,将任何像素的强度值设置为新的值可能是不必要的。所映射的较低比特深度的图像可随后被分析以评估符号22(见图1)。
在一些实现中,在获取用于评估的图像之前或在其他时间训练(包括在运行时操作期间动态地训练)用于评估符号的***可能是有用的。这可能是有用的,例如,以防止对最亮的目标所获取的图像过饱和。
在不同的实现中,可以采用不同的训练方式,包括那些适当地优化分辨率与动态范围之间的平衡的训练方法。就此而言,图5示出了可由***20(见图1)执行的训练操作的示例的各个方面。在其他实现中,其他操作是可能的。
在图5中示出的实现中,成像设备32(见图1)可被配置成用于获取至少两个训练图像:亮图像训练图像和暗图像训练图像。具体而言,亮图像训练图像(如直方图100中所表示的)可被配置成用于大致地获取表示相关环境的最大预期图像亮度的图像。例如,训练对象或场景可被布置为使得成像设备32将被暴露于在***20运行时操作期间可合理地预期的最亮的镜面反射或整体照明。相反,暗图像训练图像(如直方图102中所表示的)可被配置成用于表示相关环境的最小预期图像亮度。例如,训练对象或场景可被布置为使得成像设备32将被暴露于在***20的运行时操作期间可合理地预期的最暗的镜面反射或整体照明。
一旦获取,亮图像或暗图像训练图像可被分析以便于确定成像设备32的适当的操作***响应104(即,在运行时操作期间成像设备32的***响应)。这可能是有用的,例如,以确保最佳地(例如,实质上)充分使用成像设备32关于亮图像训练图像的可能的动态范围,以及暗图像训练图像中相关特征的适当分辨率。
如果获取了这些(或其他)因素之间的适当平衡,则被用于获取训练图像的***响应可随后被设置为操作***响应。相反,如果未获取适当的平衡,则可在用于训练的***响应被调整之后再确定操作***响应,该调整包括通过计算调整(例如,基于查找表或先前训练或运行时工作),或通过使用更新的***响应获取和分析一个或多个额外暗图像或亮图像训练图像。
在一些实现中,可以使用与暗图像训练图像不同的***响应来获取亮图像训练图像。基于对训练图像(或***响应)的比较分析或基于具有收敛***响应的训练图像的迭代获取来确定操作***响应。
在一些实现中,迭代训练操作是可能的。例如,如上所述,一些实现可包括迭代获取具有不同***响应的训练图像,以便识别适当优化后的操作***响应。
在一些实现中,可以确定操作***响应,以便提供亮图像训练图像的亮像素的统计测量与由比特深度提供的操作图像获取的最大强度之间适当的关系。例如,操作***响应104有时可被确定为确保亮图像训练图像中的亮像素的平均强度值(例如,在直方图100中所示)实质上等于第一训练图像(以及通常的成像***)可能的最大亮度的预定分数(例如,大约77%)的***响应。以此方式,例如,可以选择操作***响应104,以确保在实质上充分利用第一比特深度且不存在过饱和的情况下,可以记录在运行时操作期间的最大预期亮度。在此方面,如上所述的操作还可以确保也适当地分析较暗的获取图像(例如,通过适当缩放的获取图像到较低比特深度的映射)。
在一些实现中,可以确定操作***响应,以便提供相关暗图像训练图像中表示的特征的适当的分辨率(例如,如直方图102所示)。例如,如果用于优化亮图像训练图像的成像比特深度的使用的***响应(例如,如直方图100所示)会导致暗图像训练图像的分辨率不可接受地低,则可以相应地调整操作***响应104。在此方面,例如,为了获得最暗期望图像的适当分辨率,有时可以确定优化后的操作***响应,以使得最亮期望图像产生一些过饱和。
在一些实现中,可以在运行时操作之前执行训练。在一些实现中,训练可以作为运行时操作的一部分执行。例如,在一些实现中,成像***28(参见图1)可以在运行时操作期间记录亮图像和暗图像训练图像的候选者。在恰当时,成像***28可以更新成像设备32的操作***响应。例如,成像***28可被配置成与上述方法类似地分析多个亮图像或暗图像训练图像,以便适当地平衡图像饱和度、图像分辨率或其他相关因素。
在一些实施例中,可以使用两个成像设备,第一成像设备被配置成获取初始图像,并且该初始图像用于指导选择用于获取图像以进行符号评估的第二成像设备的***响应。例如,可以将相对快速的第一成像设备(诸如图1中的成像设备110)配置成在成像设备32捕获用于评估符号22的图像之前捕获对象24的测试图像。然后,可以分析测试图像的亮度(或其它方面),以便确定用于由成像设备32进行图像获取的适当***响应,包括基于成像设备32的操作比特深度或其他相关考虑。例如,可以在成像设备110的***响应和其他已知特性以及成像设备32的已知特性的环境下分析测试图像的亮度,以便确定成像设备32捕获适当图像的适当***响应。以此方式,例如,由成像设备110获取测试图像可以有助于支持使用成像设备32来获取表现出适当特性的第一图像。在一些实现中,由成像设备32获取的此类图像随后可以基于适当确定的饱和度阈值映射到导出的图像,如上文所述。
与上述讨论一致,本发明的一些实施例可包括计算机实现的方法,包括由符号评估或其他(例如,通用机器视觉)***的软件或硬件模块执行的方法。就此而言,例如,可包括上面或下面讨论的一个或多个操作的方法可以由***20的模块(参见图1)或者由其他***的模块来实现。
作为一个示例,如图6所示,本发明的实施例可包括用于评估对象上的符号的方法200。在一些实现中,方法200可以至少部分地使用成像设备和处理器设备(诸如***20的成像设备32和处理器设备(参见图1))来实现。
在其他操作中,方法200包括202,即利用成像设备获取对象的第一图像,包括符号。在一些情况下,202中获取的第一图像可以表现出特定的比特深度204,从而有时可能支持生成较低比特深度导出的图像(如上所述)。
在202中获取第一图像之后,方法进一步包括210,即利用处理器设备生成从第一图像导出的第二图像。在所示的实现中,例如,210即生成导出的第二图像包括:212即确定第二图像的饱和度阈值、以及214即将所获取的图像的像素映射到导出的图像,214包括216,即将超过212中所确定的饱和度阈值的所获取图像的像素映射到最大值。在一些实现中,如上所述,210中生成的第二图像可以表现出小于比特深度204的比特深度。
在一些实现中以及如上所述,基于饱和度阈值与图像亮度之间的目标关系218来在212中确定饱和度阈值是有用的。例如,在一些实现中,方法200包括212即确定饱和度阈值,使得在210中生成的第二图像的亮度与饱和度阈值之间实现预定比率(例如,约77/100),包括在上述214、216即映射像素之后。
在所示的实现中,一旦在210中生成适当导出的图像,方法200进一步包括220,即评估第二图像中的符号。例如,相关处理器设备可以在220中评估符号,以验证符号已被适当地打印或标记,或出于其他原因。
在一些实现中,对于方法200和其他,确定饱和度阈值以及映射图像的特定兴趣区域的像素可能是有用的。在一些情况下,此类兴趣区域可仅包括相关图像的一部分。例如,对于主要针对220中的评估符号的图像评估,识别包含相关符号但不包括图像的某些其他部分的图像的兴趣区域可能是有用的。然后,可以在212中确定饱和度阈值,以及在214中相应地映射图像的仅(或主要)兴趣区域而不是整个图像的像素。在一些情况下,基于确定的饱和度阈值和相对应的像素映射导出的图像可仅(或主要)包括来自所获取图像中的兴趣区域的像素。
在一些实现中,导出的图像可以呈现给用户以供各种附加用途。例如,基于212中适当确定的饱和度阈值和214中相对应的像素映射来在210中生成的第二图像对用户来说比初始图像在视觉上更有用,初始图像可能实质上过饱和,或者可能具有聚集在相对小(和,例如,暗)范围上的有意义的像素。就此而言,210中生成的第二图像可以为用户提供有用的视觉显示,诸如允许用户更好地理解相对暗(或其他)初始图像的内容和价值,并且对于220中符号的评估或其他目的有用。
在一些实现中,212中确定饱和度阈值可包括潜在的迭代过程。在图7所示的实现中,例如,212中确定饱和度阈值包括230,即首先识别初始饱和度阈值。如上所述,230中初始饱和度阈值可以以多种方式被识别,包括基于识别饱和度阈值的预设范围的下限或上限、该范围中的中点或其他中间点,或以其他方式。
在230中初始饱和度阈值被识别之后,202中获取的第一图像的像素可以在232中被映射到初始(导出的)第二图像(也参见图6的映射214)。然后,234中可以确定初始第二图像的亮度测量。例如,可以使用各种已知方法(诸如AIM DPM中教导的方法)中的一种或多种来在234中确定初始第二图像的平均亮像素亮度。
为了确定初始第二图像是否表现出适当的特性,然后在236中可以确定亮度测量与初始饱和度阈值之间的关系。例如,处理器设备30可以在236中确定234所确定的亮度测量与230中所确定的饱和度阈值的比率。
如果236中所确定的关系实质上对应于目标预定关系,诸如预定比率(例如,大约77/100),则在238中初始第二图像可以被设置作为最终第二图像,并且可以在220中适当地评估导出的图像中的符号(参见图6)。相反,如果236中所确定的关系实质上不对应于预定关系,则可以重复图7中所示的处理,并且在230中识别后续饱和度阈值,基于后续饱和度阈值来在232中将像素映射到后续(导出的)第二图像,评估得到的图像亮度与饱和度阈值之间的关系,等等。
就此而言,例如,也如上文讨论的,可采用迭代过程。例如,由于基于230中所识别的饱和度阈值进行的像素的重新映射可以影响所得的亮像素的平均亮度(和其他亮度测量),可以执行一系列操作来在230中识别连续饱和度阈值,相应地在232中映射像素,在234中确定得到的各个亮度测量,然后评估236中所确定的关系是否合适,或者是否应在230中识别另一饱和度阈值。
作为另一示例,如图8所示,本发明的实施例可包括用于评估对象上的符号的方法300。在一些实现中,方法300可以至少部分地使用成像设备和处理器设备(诸如***20的成像设备32和处理器设备(参见图1))来实现。
在其他操作中,方法300包括302,即利用成像设备获取对象的第一图像,包括符号。具体地,可以在302中以第一比特深度304(例如,12比特或更大比特深度)来获取图像。为了便于进一步分析,方法300还包括310,即利用处理器设备从第一图像生成第二图像,其中第二图像包括小于第一比特深度304的第二比特深度312(例如,8比特或更小比特深度)。就一些方面,这可包括330、即确定第一图像的像素到第二图像的像素的映射,以及实现330所确定的映射。在恰当时,然后可以利用处理器设备在320中对第二图像进行评估,包括确定符号的至少一个质量属性。
如上所述,在一些实施例中,可以基于330中确定第一图像到第二比特深度的映射来在310中生成第二图像。在一些实施例中,可以基于332中确定第一图像的亮像素平均值(或其他亮度测量)或饱和度阈值来在330中确定映射。例如,如上所述,可以将超过所确定的饱和度阈值的像素设置为预定值(例如,最大值),并且可以将低于饱和度阈值的像素映射到较低的比特深度。
在一些实施例中,可以基于对第一图像的统计分析来在332中确定饱和度阈值。例如,处理设备可被配置成在334中确定第一图像的动态范围,在336中将第一图像划分成亮像素集和暗像素集,然后在338中确定亮像素集的平均值(例如,平均值)。然后,可以基于338中所确定的平均值来在332中确定饱和度阈值,诸如通过将338中所确定的平均值乘以预定的倍数(例如,大约100/77)。
在一些实现中,方法200、300中的一个或两个可包括训练方法或可以与训练方法一起实现,诸如图9所示的方法400。在一些实现中,方法400的操作可以在方法200、300中的任何一个的操作之前执行。在一些实现中,方法400的操作可以与方法200、300中的任何一个的操作同时或在方法200、300中的任何一个的操作之后执行。在一些实现中,类似于方法200、300,方法400可以至少部分地利用成像设备和处理器设备(诸如***20的成像设备32和处理器设备(参见图1))来实现。
在图9所示的实施例中,方法400包括402,即确定相关成像设备的亮图像***响应。具体地,例如,可以确定亮图像***响应,以便适当地配置成像设备以用第一比特深度304(参见图8)捕获代表在运行时操作期间的最大期望亮度的亮图像训练图像。
在一些实现中,可以基于亮图像训练图像的亮像素的目标统计(例如,平均强度)值404和目标饱和度阈值406来在402中确定亮图像***响应。例如,可以将目标饱和度阈值406设置为实质上等于亮图像训练图像(或图8的302所获取的第一图像)的比特深度的最大强度值。类似地,可以将亮像素的目标统计(例如,平均强度)值404设置成用于表现出与最大强度值的适当关系(例如,约为其77%)。然后,在402中可以将亮图像***响应确定为通常可以确保亮图像训练图像中的亮像素的实际统计(例如,平均强度)值实质上等于目标统计(例如,平均强度)值404的***响应。
而且在图9所示的实施例中,方法400包括410,即确定成像设备的暗图像***响应。具体地,例如,可以确定暗图像***响应,以便成像设备以适当的分辨率捕获表示运行时操作期间的最小期望亮度的暗图像训练图像。例如,可以确定在运行时用于适当地分析符号的目标分辨率412,并且在410中可以确定暗图像***响应,以便确保通常获得目标分辨率412。
继续,方法400包括420,即基于亮图像或暗图像***响应中的一个或多个来确定用于获取第一(较大比特深度)运行时图像(例如,图8的302所获取的图像)的成像设备的操作***响应。例如,处理器设备30(参见图1)可被配置成基于较暗图像的目标分辨率412和较亮图像的目标饱和度阈值406或亮像素的统计值404的适当平衡,在420中确定对应于402、410所确定的亮图像***响应或暗图像***响应的操作***响应。
虽然已参照示例实施例对本发明进行了描述,然而本领域内技术人员将理解,可在不背离本发明的范围的情况下作出各种变化并用等效物替代其中的要素。此外,本领域技术人员将理解用于使特定器械、情况、或材料适应本发明的教导而不脱离本发明的本质范围的许多修改。因此,本发明不限于作为实施本发明的最佳模式所公开的特定实施例,而是本发明将包括落入所附权利要求的范围内的所有实施例。
Claims (20)
1.一种***,用于评估对象上的符号,其特征在于,包括成像***,
所述成像***包括:
成像设备;以及
与所述成像设备通信的处理器设备,
所述成像设备被配置成获取所述对象的第一图像,包括所述符号,
所述处理器设备被配置成基于下述内容生成从所述第一图像导出的第二图像,即:
确定所述第二图像的饱和度阈值;以及
将所述第一图像的像素映射到所述第二图像,包括将具有超过所述饱和度阈值的值的所述第一图像的像素映射到所述第二图像的最大值,使得所述第二图像的亮度测量表现出与所述第二图像的所述饱和度阈值的预定目标关系。
2.如权利要求1所述的***,其特征在于,基于以下内容来确定所映射的像素的所述亮度测量:
将所述所映射的像素划分为亮像素和暗像素;以及
确定亮像素的平均值。
3.如权利要求1所述的***,其特征在于,所述第一图像具有第一比特深度,并且所述第二图像具有小于所述第一比特深度的第二比特深度。
4.如权利要求1所述的***,其特征在于,确定所述第二图像的饱和度阈值并映射所述第一图像的像素,包括:
识别初始饱和度阈值;
首先将所述第一图像的像素映射到初始第二图像,包括将具有超过所述初始饱和度阈值的值的所述第一图像的像素映射到初始最大值;
确定所述初始第二图像的初始亮度测量以及所述初始亮度测量与所述初始饱和度阈值之间的初始关系;以及
如果所述初始关系实质上偏离预定所述预定目标关系,则:
识别后续饱和度阈值;
随后将所述第一图像的像素映射到后续第二图像,包括将具有超过所述后续饱和度阈值的值的所述第一图像的像素映射到后续最大值;以及
确定所述后续第二图像的后续亮度测量以及所述后续亮度测量与所述后续饱和度阈值之间的后续关系。
5.如权利要求4所述的***,其特征在于,基于饱和度阈值的预定集来确定所述后续饱和度阈值。
6.如权利要求4所述的***,其特征在于,基于所述初始亮度测量与所述初始饱和度阈值之间的所述初始关系来确定所述后续饱和度阈值。
7.如权利要求1所述的***,其特征在于,确定所述第二图像的所述饱和度阈值,包括:
确定所述第一图像的所述像素的亮度测量;以及
基于所述第一图像的所述像素的所述亮度测量和所述预定目标关系来确定所述饱和度阈值。
8.如权利要求1所述的***,其特征在于,所述预定目标关系指定所述第二图像的所述饱和度阈值与所述所映射的像素的所述亮度测量之间的预定比率。
9.如权利要求1所述的***,其特征在于,所述处理器设备和所述成像设备进一步被配置成用于执行训练操作,所述训练操作包括:
获取表示最大期望图像亮度的第一训练图像;
获取表示最小期望图像亮度的第二训练图像;以及
确定所述成像设备的***响应,以用于基于所述第一训练图像和所述第二训练图像中的一个或多个来获取所述第一图像。
10.如权利要求1所述的***,其特征在于,所述成像设备是第一成像设备,所述***进一步包括:第二成像设备,
其中所述第二成像设备被配置成在所述第一成像设备获取所述第一图像之前获取所述对象的测试图像;以及
其中所述第一成像设备被配置成使用基于所述测试图像的特性确定的***响应来捕获所述第一图像。
11.一种***,用于评估对象上的符号,所述***的特征在于,包括:
成像设备;以及
与所述成像设备通信的处理器设备,
所述成像设备被配置成以第一比特深度获取所述对象的第一图像,包括所述符号,
所述处理器设备被配置成基于下述内容生成从所述第一图像导出的第二图像,即:
基于所述第二图像的所述饱和度阈值与所述第一图像或所述第二图像中的至少一个的亮度测量之间的预定目标关系来确定所述第二图像的饱和度阈值;以及
基于所述第二图像的所述饱和度阈值将所述第一图像的像素映射到所述第二图像。
12.如权利要求11所述的***,其特征在于,所述符号是DPM符号,所述对象是移动对象。
13.如权利要求11所述的***,其特征在于,基于下述内容来分别确定所述第一图像或所述第二图像中的至少一个的所述亮度测量,即:
将所述第一图像或所述第二图像中的至少一个划分为亮像素和暗像素;以及
确定所述亮像素的各个平均值。
14.如权利要求11所述的***,其特征在于,所述预定目标关系指定所述第二图像的所述饱和度阈值与所述第二图像的所述亮度测量之间的预定比率。
15.如权利要求11所述的***,其特征在于,所述处理器设备和所述成像设备进一步被配置成在获取所述第一图像之前执行训练操作,所述训练操作包括:
确定用于所述成像设备以目标比特深度捕获表示最大期望亮度的第一训练图像的亮图像***响应;
确定用于所述成像设备以目标分辨率捕获表示最小期望亮度的第二训练图像的暗图像***响应;以及
基于所述亮图像***响应或所述暗图像***响应的一个或多个来确定用于获取所述第一图像的所述成像设备的操作***响应。
16.一种方法,用于评估对象上的符号,所述方法至少部分地使用成像设备和处理器设备来实现,所述方法的特征在于,包括:
利用所述成像设备获取所述对象的第一图像,包括所述符号,
利用所述处理器设备通过下述方式生成从所述第一图像导出的第二图像,所述方式包括:
确定所述第二图像的饱和度阈值,基于所述第二图像的所述饱和度阈值与所述第一图像或所述第二图像中的至少一个的亮度测量之间的目标关系来确定所述第二图像的所述饱和度阈值;
将所述第一图像的像素映射到所述第二图像,包括将具有超过所述第二图像的所述饱和度阈值的值的所述第一图像的像素映射到所述第二图像的最大值;以及
利用所述处理器设备评估所述第二图像,以确定所述符号的至少一个属性。
17.如权利要求16所述的方法,其特征在于,基于识别多个潜在饱和度阈值来迭代地确定所述第二图像的所述饱和度阈值,并且根据由多个所述潜在饱和度阈值中的每一个分别提供的图像亮度的评估,从多个所述潜在饱和度阈值中选择所述第二图像的所述饱和度阈值。
18.如权利要求16所述的方法,其特征在于,迭代地确定所述第二图像的所述饱和度阈值,
迭代地确定所述第二图像的所述饱和度阈值并将所述第一图像的像素映射到所述第二图像包括:
识别初始饱和度阈值;
首先将所述第一图像的像素映射到初始第二图像,包括将具有超过所述初始饱和度阈值的值的所述第一图像的像素映射到初始最大值;以及
确定所述初始第二图像的初始亮度测量以及所述初始亮度测量与所述初始饱和度阈值之间的初始关系;
如果所述初始关系实质上对应于所述目标关系,则将所述初始第二图像设置为所述第二图像,
如果所述初始关系实质上偏离所述目标关系,则:
识别后续饱和度阈值;
随后将所述第一图像的像素映射到后续第二图像,包括将具有超过所述后续饱和度阈值的值的所述第一图像的像素映射到后续最大值;
确定所述后续第二图像的后续亮度测量以及所述后续亮度测量与所述后续饱和度阈值之间的后续关系;以及
如果所述后续关系实质上对应于所述目标关系,则将所述后续第二图像设置为所述第二图像。
19.如权利要求16所述的方法,其特征在于,进一步包括执行图像获取和分析的训练操作,
所述训练操作包括以下的一个或多个:
确定用于所述成像设备捕获表示最大期望亮度的第一训练图像的亮图像***响应;或者
确定用于所述成像设备以目标分辨率捕获表示最小期望亮度的第二训练图像的暗图像***响应;以及
基于所述亮图像***响应或所述暗图像***响应的一个或多个来确定用于获取所述第一图像的所述成像设备的操作***响应。
20.如权利要求19所述的方法,其特征在于,基于以下一个或多个来确定所述亮图像***响应,即:
所述第一训练图像中的亮像素的目标平均值,该目标平均值是所述第一训练图像的最大记录亮度的预定分数;或者
对应于第一比特深度的所述最大记录亮度的目标饱和阈值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/358,029 | 2019-03-19 | ||
US16/358,029 US10755062B1 (en) | 2019-03-19 | 2019-03-19 | System and method for evaluating symbols |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111738026A true CN111738026A (zh) | 2020-10-02 |
Family
ID=69846300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010195105.2A Pending CN111738026A (zh) | 2019-03-19 | 2020-03-19 | 用于评估符号的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10755062B1 (zh) |
EP (1) | EP3712842A1 (zh) |
JP (1) | JP7039640B2 (zh) |
CN (1) | CN111738026A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10755062B1 (en) * | 2019-03-19 | 2020-08-25 | Cognex Corporation | System and method for evaluating symbols |
CN113472997B (zh) * | 2020-03-31 | 2022-11-04 | 北京小米移动软件有限公司 | 图像处理方法及装置、移动终端及存储介质 |
US20220375049A1 (en) * | 2022-07-19 | 2022-11-24 | Real Image Technology Co., Ltd | Reduction of Glare in Endoscopic Images |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000276553A (ja) * | 1999-03-25 | 2000-10-06 | Denso Corp | 情報コードの2値化方法、当該2値化方法を用いた光学情報読取装置、及び当該2値化方法を用いたコード品質判断補助装置 |
JP2009301113A (ja) * | 2008-06-10 | 2009-12-24 | Toshiba Corp | 被対象認識装置および被対象認識方法 |
US20100202695A1 (en) * | 2009-02-10 | 2010-08-12 | Canon Kabushiki Kaisha | Apparatus, method and program |
JP2011118513A (ja) * | 2009-12-01 | 2011-06-16 | Toshiba Corp | 文字認識装置および帳票識別方法 |
JP2011135182A (ja) * | 2009-12-22 | 2011-07-07 | Sony Corp | 画像処理装置および方法、並びにプログラム |
CN104751195A (zh) * | 2013-12-27 | 2015-07-01 | 英特尔公司 | 利用参考图像的图像处理 |
CN105283884A (zh) * | 2013-03-13 | 2016-01-27 | 柯法克斯公司 | 对移动设备捕获的数字图像中的对象进行分类 |
CN105848008A (zh) * | 2012-05-31 | 2016-08-10 | 富士通株式会社 | 数字水印检测设备和数字水印检测方法 |
CN107873101A (zh) * | 2014-11-21 | 2018-04-03 | 克里斯多夫·M·马蒂 | 用于对象辨识和评估的成像*** |
CN110060309A (zh) * | 2017-12-06 | 2019-07-26 | 康耐视公司 | 用于符号读取的局部色调映射 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1079854A (ja) * | 1996-09-05 | 1998-03-24 | Fuji Photo Film Co Ltd | 画情報の変換方法、画情報の変換条件設定方法及び画像記録装置 |
US9769354B2 (en) * | 2005-03-24 | 2017-09-19 | Kofax, Inc. | Systems and methods of processing scanned data |
US7653263B2 (en) | 2005-06-30 | 2010-01-26 | General Electric Company | Method and system for volumetric comparative image analysis and diagnosis |
US8316425B2 (en) | 2006-02-28 | 2012-11-20 | Konica Monolta Laboratory U.S.A., Inc. | Method and apparatus for authenticating printed documents |
US9639727B2 (en) * | 2008-12-12 | 2017-05-02 | The Code Corporation | Graphical barcode readers that are configured for glare reduction |
US9396421B2 (en) * | 2010-08-14 | 2016-07-19 | Rujan Entwicklung Und Forschung Gmbh | Producing, capturing and using visual identification tags for moving objects |
JP5522333B1 (ja) * | 2012-08-23 | 2014-06-18 | 大日本印刷株式会社 | 培地情報登録システム、コロニー検出装置、プログラム及び衛生管理システム |
US20140132429A1 (en) | 2012-11-10 | 2014-05-15 | John Conant Scoville | Method for data compression and inference |
JP2014142729A (ja) | 2013-01-23 | 2014-08-07 | Renesas Electronics Corp | 半導体装置の製造方法 |
CN105051600B (zh) * | 2013-03-29 | 2018-02-02 | 富士胶片株式会社 | 图像处理装置、摄像装置以及图像处理方法 |
US9299007B2 (en) * | 2014-01-28 | 2016-03-29 | Ncr Corporation | Methods and apparatus for item identification using brightness compensation |
JP6643122B2 (ja) * | 2016-02-03 | 2020-02-12 | キヤノン株式会社 | 距離画像装置、撮像装置、および距離画像補正方法 |
GB2572571B (en) * | 2018-04-03 | 2021-09-01 | Apical Ltd | Image processing |
US20190394379A1 (en) * | 2018-06-21 | 2019-12-26 | Qualcomm Incorporated | Auto exposure control predictive convergence |
US10755062B1 (en) * | 2019-03-19 | 2020-08-25 | Cognex Corporation | System and method for evaluating symbols |
-
2019
- 2019-03-19 US US16/358,029 patent/US10755062B1/en active Active
-
2020
- 2020-03-18 JP JP2020047274A patent/JP7039640B2/ja active Active
- 2020-03-19 EP EP20164156.0A patent/EP3712842A1/en active Pending
- 2020-03-19 CN CN202010195105.2A patent/CN111738026A/zh active Pending
- 2020-08-24 US US17/001,393 patent/US11113490B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000276553A (ja) * | 1999-03-25 | 2000-10-06 | Denso Corp | 情報コードの2値化方法、当該2値化方法を用いた光学情報読取装置、及び当該2値化方法を用いたコード品質判断補助装置 |
JP2009301113A (ja) * | 2008-06-10 | 2009-12-24 | Toshiba Corp | 被対象認識装置および被対象認識方法 |
US20100202695A1 (en) * | 2009-02-10 | 2010-08-12 | Canon Kabushiki Kaisha | Apparatus, method and program |
JP2011118513A (ja) * | 2009-12-01 | 2011-06-16 | Toshiba Corp | 文字認識装置および帳票識別方法 |
JP2011135182A (ja) * | 2009-12-22 | 2011-07-07 | Sony Corp | 画像処理装置および方法、並びにプログラム |
CN105848008A (zh) * | 2012-05-31 | 2016-08-10 | 富士通株式会社 | 数字水印检测设备和数字水印检测方法 |
CN105283884A (zh) * | 2013-03-13 | 2016-01-27 | 柯法克斯公司 | 对移动设备捕获的数字图像中的对象进行分类 |
CN104751195A (zh) * | 2013-12-27 | 2015-07-01 | 英特尔公司 | 利用参考图像的图像处理 |
CN107873101A (zh) * | 2014-11-21 | 2018-04-03 | 克里斯多夫·M·马蒂 | 用于对象辨识和评估的成像*** |
CN110060309A (zh) * | 2017-12-06 | 2019-07-26 | 康耐视公司 | 用于符号读取的局部色调映射 |
Non-Patent Citations (1)
Title |
---|
CHANGSHENG CHEN等: "A two-stage quality measure for mobile phone captured 2D barcode images", 《PATTERN RECOGNITION》, vol. 46 * |
Also Published As
Publication number | Publication date |
---|---|
EP3712842A1 (en) | 2020-09-23 |
US20210073495A1 (en) | 2021-03-11 |
JP7039640B2 (ja) | 2022-03-22 |
US10755062B1 (en) | 2020-08-25 |
US11113490B2 (en) | 2021-09-07 |
JP2020155128A (ja) | 2020-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111738026A (zh) | 用于评估符号的***和方法 | |
Pape et al. | 3-D histogram-based segmentation and leaf detection for rosette plants | |
US11301712B2 (en) | Pointer recognition for analog instrument image analysis | |
CN106839976B (zh) | 一种检测镜头中心的方法及装置 | |
CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
US9679354B2 (en) | Duplicate check image resolution | |
US10937168B2 (en) | System and method for finding and classifying lines in an image with a vision system | |
CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
CN112446225B (zh) | 光学代码的模块尺寸的确定 | |
CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及***及装置及介质 | |
JP3756507B1 (ja) | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN111213156B (zh) | 字符识别锐度确定 | |
RU2690716C1 (ru) | Способ и устройство самоадаптивной идентификации для идентифицирования защищенного документа | |
CN113962877B (zh) | 一种像素畸变的校正方法、校正装置及终端 | |
CN109658452B (zh) | 一种轨距检测方法及装置 | |
CN109472772B (zh) | 图像污点检测方法、装置和设备 | |
CN112530079A (zh) | 一种检测票据要素的方法、装置、终端设备和存储介质 | |
CN113537253B (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
CN111213372B (zh) | 成像设备的动态范围的评估 | |
US7193196B2 (en) | Methods and systems for evaluating optical systems | |
CN110781812A (zh) | 一种基于机器学习的安检仪自动识别目标物体的方法 | |
JP7221456B2 (ja) | 目標識別装置、目標識別方法およびプログラム | |
US20230099873A1 (en) | Image processing apparatus, image processing method, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |