[发明专利]一种基于CAM02-UCS色貌模型的光源光谱优化方法

说明书

本发明提供了一种基于CAM02‑UCS色貌模型的光源光谱优化方法，包括：首先建立成像模型，计算出图像的原像素值，并采用显著性检测方法对目标区域的像素点坐标进行检测；然后将检测出的目标区域的像素点集映射到CAM02‑UCS色貌模型中，并建立最大化色差值的目标函数，进而利用遗传算法优化该目标函数，以得到最大化色差值的像素值；最后根据该像素值求出最优的光源光谱功率。本发明的有益效果是：本发明所提出的技术方案结合LED光源光谱模型和优化算法，以及色域模型这个直观的描述方法，通过优化光源光谱改变彩度和色相两个重要的视觉色彩因素，可以直观的看出光源优化的效果。

技术领域

本发明涉及图像优化领域，尤其涉及一种基于CAM02-UCS色貌模型的光源光谱优化方法。

背景技术

近年来，随着低成本、高性能、高效率的图像处理系统的不断出现，机器视觉检测在产品外观、缺陷定位、条形码识别等方面得到广泛的应用。这主要得益于CCD相机灵敏度、计算机CPU速度、图像采集卡采集速度的提高。另一方面，由于软硬件价格降低，用户越来越多，对于机器视觉照明系统的重要性有了广泛认识，在照明光源方面的投入越来越多，因此对于机器视觉照明系统的研究也越来越深入。机器视觉系统使用摄像机、相机等采集目标相应的图像信号，经过图像处理系统对其进行处理，实现计算机对目标的检测、跟踪与识别，最终实现对仪器和设备的自动化控制、产品缺陷的检测、提高质量和运行效率。

机器视觉系统中图像质量与程序算法决定了处理系统的处理速度和质量，图像本身的质量对整个视觉系统极为关键。而光源则是影响机器视觉系统图像水平的重要因素，因为它直接影响输入数据的质量和至少30％的应用效果。图像质量很大程度上是由目标周围的光照环境、目标物体表面材质、物体摆放位置所决定的。良好的光照环境能够有效地突出物体的识别目标，通过适当的光源照明设计可以使图像中的目标信息与背景信息得到最佳分离，从而得到计算机能够分析的高质量图像，大大降低图象处理的算法难度，同时提高系统的精度和可靠性。由此可见，照明系统设计的好坏直接关系到采集设备能否获得高质量的图像，良好的光源是机器视觉系统能高效运行的保证。照明系统设计的主要目的是以最合适的方式将光线照射到检测目标表面，突出被测目标需要检测的特征信息，可以说照明系统是整个机器视觉系统的关键部。

一个优秀的照明系统能够使被测目标的采集图像目标信息与背景信息分离，从而简化后续分析，关系到整个系统能否正常运行。错误的照明会引起很多后期处理的问题，例如光强过高会使许多重要信息丢失，阴影会使轮廓尺寸的检测产生误差。工业检测中由于存在各式各样的检测对象，为了获得稳定优质的图像，就需要针对不同的目标来选用最合适的照明系统，有时甚至需要多种光源不同布局相结合，需要通过大量的试验测试才能得出最优的光源组合及布局，可见机器视觉照明系统的研究是机器视觉领域一个十分重要的课题。作为一种非常实用的技术，广泛应用于医学图像、无损探测、遥感测量等领域，尤其是一些超越视觉极限的领域，可以用来分析物体颜色因不同物质的混合而引起的异常现象，如食品污染、皮肤疾病、资源探测、物证鉴定、印刷防伪、农作物病虫害等。

传统的机器视觉大都是对原始图像进行光滑、滤波、对比度增强等预处理来获取更明确的现场描述信息。预处理并不能增加图像数据的固有信息，只有高质量的原始图像才包含了更多可用于进一步分析的信息。原始图像获取受到照明条件和相机参数(强度、色彩和相对位置等)的强烈影响。通过改善照明条件,以提升原始图像的质量(信息量),对于后期机器视觉处理具有非常重要的意义。

人眼睛看到的物体是将表面的光反射到人们眼里，同样，相机能拍摄到物体上点的图像，是因为物体上点的光被摄像机捕获，所以我们要研究图像的质量，就要对成像过程及其光亮度的变化进行研究。寻找最优光照的目的就是主动构造一个最优的计算机视觉成像环境，成像环境越好，得到的图像质量就越高。大部分的机器视觉算法研究，都将重心放到了如何处理低质量的视觉图像上，然而通过优化光照直接获取高质量图像更直接有效，代价也要比后续繁杂的图像处理低的很多。