<img alt="" src="https://secure.leadforensics.com/11743.png" style="display:none;">

Optische Parameter für Bildverarbeitungsanwendungen, Teil 2

Objektive erklärt

Im ersten Teil dieses Blogs haben wir die Optiken in der Bildverarbeitung vorgestellt und einige der Grundlagen von Bildverarbeitungsobjektiven behandelt: Sichtfeld, Arbeitsabstand (WD), und Sensorauflösung. Im Teil 2 werden wir weitere, dieser optischen Parameter durchgehen, ihre Funktionsweise untersuchen und Sie bei der Auswahl der richtigen Objektive für Ihre Bildverarbeitungsanwendung unterstützen.

Optical & Image Quality Parameters for Machine Vision Optics Die Bildqualität hängt von mehreren Schlüsselfaktoren ab: Sichtfeld, Arbeitsabstand, Auflösung, Schärfentiefe, Sensorgröße, Kontrast, Verzerrung und Perspektive.

Warum sind Objektive wichtig?

Aufgrund der abnehmenden Pixelgröße heutiger High-End Bildverarbeitungskameras wird es immer wichtiger so früh wie möglich im Auswahlprozess die Spezifikation des Objektivs zu evaluieren. Da die Sensorauflösungen immer besser werden ist die Objektauflösung nun eher der limitierende Faktor für die maximal erreichbare Auflösung in einem Bildverarbeitungssystem. Durch das Verständnis der wichtigsten Parameter sind Systemintegratoren gut gerüstet, um das richtige Objektiv für Ihre Anwendung auszuwählen.

Objektivauflösung

Wie im letzten Blog besprochen wird die genaue Messung der Fähigkeit eines Bildverarbeitungssystems, Objektdetails zu reproduzieren, als Auflösung bezeichnet.

Sensor Resolution Calculation Equation Pixels Horizontal Vertical Diagram Machine Vision

In den obigen Diagrammen sehen wir ein Beispiel für ein Bildverarbeitungssystem, das von der Linse zurückgehalten wird. Die Kamera erfasst zwei Bereiche eines Objekts, die durch eine definierte Entfernung voneinander getrennt sind.

Im Diagramm A liegen die Bereiche sehr nahe beieinander, während der Sensor eine ausreichend hohe Auflösung hat, um die Lücke zwischen diesen beiden Bereichen zu erkennen ist das Objektiv nicht scharf genug um diesen Unterschied aufzulösen, sodass das Bild das am Ende auf den Sensor trifft nicht die für diese Anwendung erforderliche Detailgenauigkeit auflöst.

In der Grafik B liegen die Bereiche weiter auseinander und so gelingt es dem Objektiv dieses Mal das Detail und den entsprechenden Abstand richtig aufzulösen. Die wichtigste Schlussfolgerung hier ist, dass Anwendung A ein schärferes Objektiv erfordern würde, um erfolgreiche Ergebnisse zu erzielen, während dieses Objektiv für die niedrigere Detailstufe, die Anwendung B erforderlich ist völlig ausreichend ist. Betrachten wir nun die gleichen Anwendungen mit einem schärferen Objektiv.

Sensor Resolution Calculation Equation Pixels Horizontal Vertical Diagram Machine Vision

Da das Objektiv in den Diagrammen C und D eine bessere Auflösung hat, hat sich die Fähigkeit des Systems verbessert, feinere Details aufzulösen. Wenn wir uns die Pixel auf dem Sensor in C ansehen, können wir sehen, dass der feinere Abstand zwischen den beiden Bereichen jetzt aufgelöst werden kann, was zu einem erfolgreichen Ergebnis für diese Bildverarbeitungsanwendung führt.

In der Grafik D hat sich die Disparität zwischen den blauen Pixeln vergrößert, wodurch ein höherer Detailgrad erreicht wird als in Grafik B. Auch hier lohnt es sich zu überlegen, ob Sie für Ihre Anwendung einen so hohen Detailgrad benötigen, da schärfere Objektive teurer sind.

Die Schlussfolgerung dieser Beispiele ist, dass das Objektiv die gleiche Auflösungsbewertung oder sogar eine bessere haben muss, damit die vom System geforderte Auflösung erreicht werden kann. Nur so können Sie das Beste Ergebnis aus Ihrer Vision-Lösung herausholen.

 

Kontrast

Kontrast in der Bildverarbeitungsoptik bezieht sich auf die Fähigkeit des Systems, bei einer bestimmten Auflösung in einem Vision-System zwischen weißen und schwarzen Pixeln zu unterscheiden. Damit ein Bildverarbeitungssystem also optimal funktioniert sollten schwarze Bereiche des Motivs im Bild schwarz und weiße Bereiche als weiß erscheinen.

Da schwarze und weiße Pixel in Richtung benachbarter Pixel in Graustufen konvergieren ist der Kontrast bei dieser gegebenen Frequenz umso geringer.

Machine Vision: Industrial Machinery Application viewed with high contrast lens and low contrast lens.

Industrielle Anwendung: Bild A hat einen geringen Kontrast; Bild B hat einen hohen Kontrast.

Wie Sie oben sehen können, weist das rechte Bild einen viel größeren Unterschied in der Stärke zwischen hellen und dunklen Linien auf, was einen besseren Kontrast bedeutet.

Die Wahl des Objektivs, des Sensors und der Beleuchtung beeinflusst und bestimmt den von Ihrem System erzielten Kontrast. Denken Sie also sorgfältig über Ihre Anwendung und den erforderlichen Kontrast für Ihr Bild nach.

Letztendlich hängt der erforderliche Kontrast wie bei fast allen anderen bisher besprochenen Parametern davon ab was Ihre Anwendung erfordert. Je mehr optisch subtile Details auf Ihrem Zielobjekt vorhanden sind, desto mehr Kontrast benötigen Sie in Ihrem System, um diese zu erkennen.

Schärfentiefe (Dept of Field - DOF)

Innerhalb des Sichtfelds jedes Bildverarbeitungssystems gibt es einen optimalen Fokusbereich, der ein akzeptables Maß an Bildqualität erreicht.

Machine Vision: Narrow Depth of Field in an Automotive Factory Setting

Machine Vision: Wide Depth of Field in an Automotive Factory Setting

Geringe und große Schärfentiefe in einer Automobilumgebung.

Jedes Objektiv hat eine andere Schärfentiefe. Einige Objektive erzeugen eine geringe Schärfentiefe, wie die erste Grafik darstellt. Die von der Kamera am weitesten und am nächsten gelegenen Punkte des Objekts können unscharf werden, wenn diese Punkte weiter vom optimalen Brennpunkt abweichen. An diesen Stellen geht nicht nur Klarheit verloren, sondern auch Auflösung und Kontrast verschlechtern sich, was natürlich allgemein zu einer schlechteren Bildqualität beiträgt.

Wie in der zweiten Grafik dargestellt sind andere Objektive in der Lage eine größere Schärfentiefe zu erzeugen, was mehr Flexibilität bei Vision-Anwendungen ermöglicht. Dies ist besonders nützlich, wenn Sie versuchen Objekte mit komplizierten geometrischen Strukturen oder große Objekte mit beträchtlicher Tiefe abzubilden.

Wir helfen Ihnen, die richtige Entscheidung zu treffen

Bleiben Sie weiterhin auf dem Laufenden mit dieser Reihe von Blogs, wo wir weiterhin die Optik in den Mittelpunkt stellen und auf Begriffe wie Aberration, Barrelling, Verzerrung und MTF-Kurven eingehen und am Ende der Reihe einen ultimativen Leitfaden zur Auswahl des richtigen Objektivs erläutern.

Auf unseren Seiten zu Objektiven und Kameras finden Sie die besten Bildverarbeitungsprodukte auf dem Markt von branchenführenden Marken wie Kowa, VST, Computar, Tamron und Theia.

Weiterlesen

MASCHINENVISION GIBT COMPUTERN DIE KRAFT ZU SEHEN

Mit Machine Vision können Computer Barcodes, Datenmatrixcodes, direkte Teilemarkierungen, optische Zeichenerkennung und optische Zeichenüberprüfung lesen – Erfahren Sie hier mehr über die Computer Vision-Technologie

Erfahren Sie mehr
machine-vision-strip-cta.png