2000年:颜色反击战的一年

2000年:颜色反击战的一年

如果黑白图片胜过千言万语，那么彩色机器视觉系统的支持者将争辩，RGB图片是Moby Dick到帽子中的单色猫。由于它们的红色，绿色和蓝色或更多颜色通道（或机器人的色调饱和度和强度），彩色图像比简单的灰度图像更多地提供三倍。制造商作为自动检查的好处通常已经吹捧了这一附加数据。然而，在20世纪80年代的食品行业的第一个工业色彩检测系统的早期开始，基于颜色的愿景在计算密集型，昂贵和古怪的情况下获得了糟糕的声誉，这太依赖于照明和物体的3D特征测试。

今天，色彩视觉的支持者说，计算机处理器已经不仅仅是色彩应用的匹配物了。“这种‘缓慢’的感觉是错误的，”Integral vision(密歇根州法明顿山)的视觉产品总监史蒂文·普雷恩(Steven Prehn)说。“我可以给你提供支持数据。”

图1：关键技术除了RGB数据之外，还使用近红外照明，以将来自日本甲虫的蓝莓分开，这极大地类似于果实，尺寸和形状。

在我看来，处理瓶颈的想法是一个神话。像“关键技术”这样的公司已经成功地在高速食品加工中使用颜色很多年了，所以它并没有受到阻碍。如果你吃了食物，你无疑从他们的产品中受益了&它正在慢慢改变。这是一个态度问题，”Way-2C (Arlington, MA)的技术官员罗伯特·麦康纳(Robert McConnel)解释道。“许多人因为难以使用传统方法和/或营销人员的承诺没有兑现而受到伤害。”

销售数据似乎支持Prehn和McConnell的积分。根据Nello Zuech，自动化成像协会的年度视觉市场报告的作者，“基于颜色的机器愿景市场”可能会使北美公司在1999年出售3501个单位的销售产生1.26亿美元的收入。这代表了33.9这些销售额的收入增加百分比和上一年的单位增加26.7％。

颜色的难题
根据自动检测系统，关键技术，Inc。（Walla Walla，WA）颜色视觉显着改变，因为它首先进入食品行业并将继续改变。具体而言，今天的最新系统不仅必须执行多层处理来识别特征和消除RGB空间中的噪声，一些系统将超出可见光谱到近红外和紫外线（图1）。

关键的努力表明，对必须采用颜色愿景的方式扩大理解，以适应工业检验的特定需求。根据Way-2C的McConnell，尽管有一些能够处理三种颜色频道的彩色CCD相机和图像处理板已经存在了一段时间，但行业才会变得更加了解色彩视觉如何与单色的颜色有关。

“围绕基于颜色的分类，有很多计算机马力。主要问题是，如果一个人试图将传统的单色视觉加工技术延伸到复杂的颜色竞技场，它们失败了。你可以用一个木头剪掉木头
锤子，但没有人会喜欢这个产品。如果使用合适的工具，问题就会消失。

幸运的是，多年和视觉专家的工作现已产生适当的视觉工具，包括专门针对基于颜色的工业检验的软件和硬件。

算法变着
Dimac (Højbjerg，丹麦)色彩视觉开发主管彼得•洛赫特表示:“那些基于颜色对图像对象进行分类(彩色图像分割)所需的最基本的软件工具，问世时间还不长。”

根据LOCHT，在彩色视觉开发的早期阶段，机器视觉行业选择将彩色图像分段设想为执行三种颜色频道中的每一个的传统灰色图像分割的简单问题，然后以某种方式将这些结果组合成一个单分割。不幸的是，LOCHT表示，虽然阈值化是灰色图像的正确分割方法或单个颜色通道，但是该概念不是普遍地广泛地推广到三维颜色空间中。

'三个通道的独立阈值化的天真组合意味着特定类别的彩色物体只能表示为彩色空间中的盒式结构。这是任何但是最琐碎的场景中的严重限制（例如涉及一些人为彩色的物体）。描述天然彩色物体的颜色类倾向于在彩色空间中准确地表示，只能作为相当复杂的形状，简化该形状仅导致讨厌的类重叠和随后的图像对象的错误分类，“LOCHT添加”。

Dimac的方法是开发一种算法，允许颜色类在颜色空间中有任何形状——一个类甚至可能由颜色空间中的几个“斑点”组成。该算法通过自我训练程序进一步自动化，将颜色分类的责任放在计算机上，而操作人员的输入很少。Dimac的颜色分割算法不仅被用于传统工业检测应用如发酵和烘烤食品的质量控制和生产水泥和纺织品,但它的颜色的方法也导致自动化等实验室程序的检测病理细胞在显微镜。

图2：（顶部）来自水泥结节的抛光表面的图像显示出三种不同的矿物相（Alite，Belite和Melt）加上两个空气空隙。（底部）使用DIMAC的算法显示单独的矿物阶段的颜色分割后相同的图像。

彩色摄像机目标机器视觉
颜色分割虽然至关重要，但不能单独脱离上下文。Akron，基于OH的Applated Vision的总裁Amir Novini继续通过注意基于颜色的工业摄像机和照明技术的最新进步来定义对颜色视觉的不同要求。

“这些天我们有更好的传感器。传感器较便宜，更重要的是，相机本身是用于自动化目的而不是近电路或广播视频。在高于标准NTSC的帧速率下运行它们的能力，以异步重置并启动相机 - 那么自然的东西一直是启动器。基本颜色传感器 - 良好的良好状态 - 已经存在于固态时尚的10年，但最初就像大多数其他传感器一样，它们旨在用于不同的使用，不一定是机器视觉。[今天]似乎是工业彩色视觉相机的市场，Dalsa和Pulnix等公司正在专注于自动化。Novini说，他们可以制作与保持高速吞吐量高速吞吐量的帧速率异步驱动的相机。

Novini计划在明年年初发布Genius系统的彩色版本，他补充说，最新的彩色硬件改进也有助于校准——这是一个成功的彩色系统的关键因素。“用光源校准传感器要容易得多，因为传感器在你的控制之下。光源也更好。例如，我想到了Mercron的一些东西。Mercron生产高频荧光驱动器，可以产生一个相当稳定的白色光源，以良好地呈现绝对颜色信息。十年前，你必须自己设计那个特殊的部分。”

Novini接着说，“在将典型的HSI环境引入我们的软件，并进行复杂的数学分析以确定我们(在色彩空间中)看到的是什么方面，我们变得越来越聪明。”在这样做的过程中，我们能够使用智能算法进行更好的绝对和相对颜色测量，这让我们能够找到微小的缺陷……同时实时控制照明，以确保我们所看到的是准确和真实的。这些都是需要发生的事情，说实话，很多都是通过实验来学习的。这不仅仅是基础科学，但我不知道有多少大学有完整的机器视觉，照明或色彩视觉课程。很多东西都是新的，是你自己通过整合学到的。”

关于作者：在接受他的立场作为管理无线设计的编辑之前，Winn Hardin花了几年的几年，涵盖了各种领先的贸易出版物。