Chapitre 5-Les Outils de Traitement PDF

06/09/2017
Vision Industrielle
Les outils de
traitement
Prétraitement
Détection de contours
Les outils de traitement Détection de régions
Reconnaissance des formes
Identification et de vérification
Autres outils de vision
La caméra
Plan du cours
 Outils de prétraitement
 Les opérations ponctuelles
 Les opérations de voisinage
 Outils de détection de contours
 Outils de détection de régions
 Outils de reconnaissance des formes
 La recherche de motifs
 La classification
 Outils d’identification et de vérification
 Autres outils de vision
1
06/09/2017
Prétraitement
Les étapes de traitement
 Prétraitement et calibration
• Les prétraitements permettent de préparer l’image à son analyse.
• La calibration permet de déterminer une correspondance entre les mesures
effectuées sur l’image et l’objet réel.
 Détection
• Les outils de recalage permettent de définir un repère relatif à l’objet contenu
dans l’image afin de placer ensuite les outils de vision par rapport à ce repère.
 Contrôle et inspection
• Contrôle de conformité d'assemblage, contrôle d'aspect, contrôle
dimensionnel, comptage et tri, pilotage de machines ou de robots,
identification.
Prétraitement
Les étapes de traitement
 Exploitation des résultats

• Les résultats des outils de vision sont exploitées pour activer les
sorties du système de vision selon différents modes : écriture d’une
valeur, envoie d’une impulsionnelle ou inversion de l’état de la sortie.
• Il est également possible d’envoyer des données, comme la position
d’une pièce devant être prise par un robot, via un port série ou sur
un réseau suivant différents protocoles de communication. Ces
données sont archivées dans une base de données et affichées sur
une interface homme‐machine dédiée.
2
06/09/2017
Prétraitement
Outils de prétraitement
Les outils de prétraitement
 Objectifs
 Restaurer et améliorer l’image (atténuer le bruit, corriger la
mise au point, corriger la distorsion, corriger les défauts
d’éclairage…)
 Mettre en évidence les zones d’intérêt afin de préparer à
l’analyse (extraire des régions ou des contours, déterminer
les propriétés fréquentielles de l’image…)
 Les opérateurs peuvent être ponctuels comme les
transformations d’histogramme ou tenir compte du
voisinage.
Prétraitement
Opérations ponctuelles
 Les opérations ponctuelles transforment les niveaux des
pixels de l’image.
 Elles correspondent à une LUT ou à une
transformation sur l’histogramme :
 le recadrage dynamique,
 l’égalisation et la spécification d’histogramme,
 la correction gamma,
 l’addition et la soustraction,
 la multiplication (ou la division),
 la binarisation et le seuillage,
 l’inversion vidéo…
3
06/09/2017
Prétraitement
Opération de voisinage
 Les opérations de voisinage prennent en compte les

niveaux des pixels voisins du pixel traité afin d’en
modifier son niveau.
 Elles correspondent à des opérations de filtrage :
 Les opérations de filtrage linéaire sont basées sur la
convolution.
 Le filtrage médian utilise un filtre d’ordre non linéaire.
 Le filtrage morphologique modifie les formes dans l’image à
l’aide d’éléments structurants.
Prétraitement
Le filtrage linéaire
 Définition
 C’est le produit de convolution discret à 2 dimensions entre
une image I et une fonction représentée par un noyau (ou
masque) de convolution N. Le résultat est une image J
définie par :
J(p,q)  ∑∑N(p - i,q - j)I(i, j)

i j
4
06/09/2017
Prétraitement
 Parcours du noyau de convolution sur toute l’image
Noyau
Image source Image destination
Prétraitement
 Notion de filtre passe‐bas
 Il est utilisé pour atténuer les valeurs de pixels aberrantes. Il filtre
les hautes fréquences spatiales (variations rapides des niveaux de
gris) comme les contours et le bruit.
 Il correspond à l’estimation d’une moyenne (pondérée ou non)
dans le voisinage de chaque pixel. On parle alors de lissage ou de
moyennage.
 Il existe différents noyaux :
Uniforme
Gaussien
…
5
06/09/2017
Prétraitement
 Notion de filtre passe‐haut
 Ils sont utilisés pour mettre en évidence les variations dans l'image.
Ils filtrent les basses‐fréquences spatiales (variations lentes des
niveaux de gris) comme les régions homogènes.
 Ils correspondent à l’approximation de dérivées premières ou
secondes.
 Il existe différents types de noyau :
Les gradients horizontaux ou verticaux qui sont des estimations de la dérivée
première (le gradient dans un direction donnée)
Les filtres de Sobel, Prewitt ou Roberts qui correspondent à des
lissages des approximations de dérivées premières
Les filtres Laplacien qui sont des estimations de dérivées secondes
 Les filtres doivent être combinés dans différentes directions.
Prétraitement
Le filtrage d’ordre non linéaire
 Filtrage non linéaire
 Filtre permettant d’éliminer la présence de valeurs
aberrantes
 Élimine les perturbations impulsionnelles
 Filtre médian
 Stockage des niveaux de gris dans un voisinage donné
 Choix de la valeur centrale
 Affectation de cette valeur au pixel central
6
06/09/2017
Prétraitement
Le filtrage morphologique
 Principe
 Modification d’un ensemble géométrique
 Application d’un élément de morphologie de géométrie
connue appelé élément structurant centré en chaque pixel
 Opérateur de la théorie des ensembles : union, intersection,
inclusion, exclusion, complémentation de l’élément…
 Opérateur min et max pour les images binaires :
Convention : les pixels en blanc (état logique 1) représentent les
formes et les pixels en noir (état logique 0) représentent le fond.
Prétraitement
 Erosion (ou rétrécissement)

Cette opération correspond à l’opérateur d’inclusion ou l’opérateur
mathématique min
Elle permet d’éroder les formes, c’est à dire diminuer leur taille. Les
éléments de petites tailles disparaissent
 Dilatation (ou expansion)
Cette opération correspond à l’opérateur d’intersection ou
l’opérateur mathématique max
Elle permet de dilater les formes, c’est à dire augmenter leur taille.
Les « trous » de petites tailles disparaissent
7
06/09/2017
Prétraitement
 Ouverture
C’est une érosion suivie d’une dilatation
Cette opération permet de supprimer les éléments de petites tailles
comme le bruit tout en conservant la taille des formes
 Fermeture
C’est une dilatation suivie d’une érosion
Cette opération permet de supprimer les « trous » de petites tailles
tout en conservant la taille des formes
Prétraitement
Application à la correction d’éclairage
 Exemple
Dégradé 500
450
400
350
300
Fond
250
200
150
100
50
Texte 0
0 32 64 96 128 160 192 224 255
8
06/09/2017
Prétraitement
 Binarisation
 Cette opération a pour but de séparer en deux classes les
pixels de l’image à l’aide d’un seuil. Lorsque plusieurs seuils
sont utilisés, plusieurs classes de pixels sont créées et on
parle de seuillage.
255 0 0
1 0
Seuil 0
254 255
0 255 255
0 Seuil 255
Prétraitement
 Choix du seuil
500
450
400
350
300
250
200
150
100
50
0
0 32 64 96 128 160 192 224 255
9
06/09/2017
Prétraitement

 Choix du seuil
500
450
400
350
300
250
200
150
100
50
0
0 32 64 96 128 160 192 224 255
Prétraitement
 Choix du seuil
500
450
400
350
300
250
200
150
100
50
0
0 32 64 96 128 160 192 224 255
10
06/09/2017
Prétraitement
 Origine de la non‐uniformité
 Non uniformité de la lumière
 Non uniformité de la réponse du capteur
 Défauts d’optique (vignettage)
 Non‐planéité de la surface observée (forme sphérique ou
cylindrique)
 Solution basée sur opérateurs ponctuels
 Soustraction ou multiplication d’image
Soustraction d’une image de référence représentant le défaut
d’éclairage seul avec l’image à traiter.
Binarisation
Prétraitement

 Solution basée sur opérateurs de voisinage
 Ouverture ou fermeture morphologique
Image I J = K = J ‐ I L= M =

fermeture(I) recadrage(K) binarisation(L)
11
06/09/2017
Prétraitement
Principe mathématique
 Exploitation de la dérivée numérique qui permet
d’estimer la variation des niveaux dans une direction
donnée (gradient).
 Pour une fonction croissante
 La variation s’effectue de sombre (n→0) vers claire (n→255)
 La dérivée première est positive,
 La dérivée première passe par un maximum local au point
d’inflexion de la courbe correspondante,
 Le signe de la dérivée seconde passe du plus au moins au
point d’inflexion de la courbe correspondante.
Prétraitement
 Pour une fonction décroissante

 La variation s’effectue de claire (n→255) vers sombre (n→0)
 La dérivée première est négative,
 La dérivée première passe par un minimum local au point
d’inflexion de la courbe correspondante,
 Le signe de la dérivée seconde passe du moins au plus au
point d’inflexion de la courbe correspondante.
12
06/09/2017
Prétraitement
Extremum du gradient
Zéro du laplacien
Prétraitement
 Principe
 Les outils de recherche de points de contour (bords)
analysent la dérivée d’un profil moyen défini dans une
fenêtre d’analyse (ROI).
 Le signe de la dérivée est utilisé pour déterminer la polarité
de la transition
 La position du point d’inflexion détermine la localisation de
la transition
 Les extremums locaux sont utilisés pour déterminer
l’amplitude de la transition
13
06/09/2017
Prétraitement
Mise en œuvre
 Fenêtre d’analyse (ROI : Region Of Interest)

 Forme : la forme des bords recherchés conditionne la forme de la
fenêtre d’analyse
Ligne : point
Rectangle : segments, droites, rectangle
Anneau : cercle, arc de cercle
 Orientation : sens dans lequel sont recherchés les bords
Prétraitement
Mise en œuvre
ROI
14
06/09/2017
Prétraitement
Mise en œuvre
 Calcul de la dérivée première numérique
 Un profil moyen est d’abord déterminé en calculant la
moyenne des niveaux des lignes situées dans la direction
d’analyse.
 Pour calculer la dérivée de ce profil, le produit de
convolution discret entre le profil analysé et un filtre
numérique est effectué.
 Le filtre est défini par sa taille et ses coefficients :
‐1 0 1 ‐1 ‐1 0 1 1
‐1 ‐1 0 0 0 1 1
Prétraitement
Mise en œuvre
255 128
224 96
192 64
160 32
128 0
96 -32
64 -64
32 -96
0 -128
20 60 100 140 180 220 260 300 340 380 20 60 100 140 180 220 260 300 340 380
Profil moyen des lignes de la ROI Dérivée du profil
15
06/09/2017
Prétraitement
Mise en œuvre
 Détection des bords (points de contour)
 Les extremums locaux de la dérivée sont déterminés
 Pour chaque extremum, sa polarité, sa position et son
amplitude sont déterminés
 Contours sélectionnés
Les extrema dont l’amplitude est supérieure à un seuil défini par
l’utilisateur
Les extrema avec la polarité fixé par l’utilisateur
 Tri des contours
Position des transitions par rapport à la direction d’analyse
Amplitude des transitions
…
Prétraitement
128
Mise en œuvre
96
64
32
-32
-64
-96
-128
20 60 100140180220260300340380
16
06/09/2017
Prétraitement
 Taille du filtre
128 128
96 96
64 64
32 32
0 0
-32 -32
-64 -64
-96 -96
-128 -128
20 60 100 140 180 220 260 300 340 380 20 60 100 140 180 220 260 300 340 380
‐1 0 1 ‐1 ‐1 ‐1 ‐1 ‐1 0 1 1 1 1 1
Prétraitement
Mise en œuvre
 Taille de la ROI
255 128
224 96
192 64
160 32
128 0
96 -32
64 -64
32 -96
0 -128
20 60 100 140 180 220 260 300 340 380 20 60 100 140 180 220 260 300 340 380
17
06/09/2017
Prétraitement
Application
 Application à la détection d’objet
Prétraitement
Application
 Application au contrôle dimensionnel
18
06/09/2017
Prétraitement
Détection de régions
Analyse en composantes connexes

 Principe
 Binarisation de l’image
 Recherche des groupes de pixels connectés appelés blobs (ou
composantes connexes) en fonction d’un voisinage (4‐
connexité, 8‐connexité, …)
 Chaque blob est ainsi identifié (étiqueté)
 Différentes caractéristiques peuvent être mesurées sur
chaque blob (surface, périmètre, angle, …)
 Les blobs détectés peuvent être sélectionnés et triés en
fonction de leurs caractéristiques mesurées
Prétraitement

 Exemple
Image Binarisation Inversion
19
06/09/2017
Prétraitement
Etiquetage Sélection Caractéristiques :

116 régions selon la surface Centre, périmètre
Prétraitement
Quelques mesures…
 Surface
 Diamètre équivalent
 Centre de gravité
 Chaine de contours
 Périmètre, diamètre équivalent
 Boite encadrante (Bounding Box)
 Longueur, largeur et centre
 Moments d’inertie
 Axes d’inertie (principal, secondaire), angle, excentricité
20
06/09/2017
Prétraitement
Principe et méthodes
 La recherche de motifs
 Elle permet de reconnaître un objet par comparaison à un modèle
quels que soient sa position, son orientation, ses dimensions, son
éclairage…
 La corrélation normalisée
L’image de l’objet à retrouver est comparée à l’image traitée en la
superposant en chaque pixel. Si l’objet recherché est présent dans l’image
alors la corrélation est maximum.
 La recherche géométrique
La comparaison ne s’effectue plus uniquement par les niveaux de gris mais par
une description vectorielle des caractéristiques géométriques de la pièce.
Prétraitement
Principe et méthodes
 La classification
 Apprentissage : un apprentissage hors‐ligne permet
d’apprendre et caractériser par un vecteur d’attributs
différentes classes d’objet.
 Décision : ce vecteur est ensuite évalué en‐ligne pour toutes
les images à traiter et l’objet est affecté à la classe la plus
proche aux sens d’une distance.
21
06/09/2017
Prétraitement
Application
Modèle
Image d’apprentissage Image requête
Prétraitement
Identification et vérification
OCR et OCV
 Les outils d’identification

 Les outils d’identification permettent la reconnaissance de
caractères (OCR) et la lecture de chaînes de caractères ainsi
que la lecture de codes à barres ou codes matriciels
 Les outils de vérification
 Les outils de vérification permettent la vérification de
caractères (OCV) de codes à barres et de codes matriciels
22
06/09/2017
Prétraitement
Identification et vérification
Exemple
Prétraitement
Autres outils
Les outils de calibrage et de recalage
 Les outils de calibrage

 Les outils de calibrage ont pour but de donner une
correspondance entre une mesure en pixels et une mesure
en millimètre par exemple.
 Ils utilisent une image de la pièce « bonne » ou des mires de
calibrage qui permettent également de tenir compte des
distorsions et des effets de perspectives.
23
06/09/2017
Prétraitement
Autres outils

 Exemple
Image de l’objet Image de la grille Image corrigée
Grille
Prétraitement
Autres outils
 Les outils de recalage

 Les outils de recalage permettent de définir un repère pièce
afin de recaler les images. Lorsque les objets changent de
position ou d’orientation d’une acquisition à l’autre, il n’est
plus possible d’utiliser des outils configurés dans un repère
image.
 Le repère pièce est déterminé à partir :
des bords de la pièce,
d’une région détectée dans la pièce,
d’une image de la pièce ou d’une partie de la pièce.
24
06/09/2017
Prétraitement
Autres outils
Les outils statistiques
 Ils permettent de mesurer différentes statistiques
(moyenne, variance, …) dans une région.
25

Chapitre 5-Les Outils de Traitement PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 5-Les Outils de Traitement PDF

Transféré par

Droits d'auteur :

Formats disponibles

06/09/2017

 Exploitation des résultats

Les outils de prétraitement

 Les opérations de voisinage prennent en compte les

J(p,q)  ∑∑N(p - i,q - j)I(i, j)

Le filtrage d’ordre non linéaire

 Erosion (ou rétrécissement)

Application à la correction d’éclairage

Application à la correction d’éclairage

Application à la correction d’éclairage

Application à la correction d’éclairage

Image I J = K = J ‐ I L= M =

 Pour une fonction décroissante

 Fenêtre d’analyse (ROI : Region Of Interest)

Profil moyen des lignes de la ROI Dérivée du profil

Analyse en composantes connexes

Analyse en composantes connexes

Image Binarisation Inversion

Analyse en composantes connexes

Etiquetage Sélection Caractéristiques :

 Les outils d’identification

Les outils de calibrage et de recalage

 Les outils de calibrage

Les outils de calibrage et de recalage

Image de l’objet Image de la grille Image corrigée

 Les outils de recalage

Vous aimerez peut-être aussi