Optical Parameters for Machine Vision Applications, Part 2

Optische Parameter für industrielle Bildverarbeitung, Teil 2

Objektive erklärt

In Teil eins dieses Blogs haben wir die industrielle Bildverarbeitungsoptik vorgestellt und einige der Grundlagen von Objektiven für die industrielle Bildverarbeitung behandelt: Sichtfeld, Arbeitsabstand (WD) und Sensorauflösung. In diesem zweiten Teil werden wir weitere dieser optischen Parameter behandeln, die Funktionsweise von Objektiven untersuchen und Sie bei der Auswahl der richtigen Optik für Ihre industrielle Bildverarbeitungsanwendung anleiten.

Optical & Image Quality Parameters for Machine Vision Optics

Die Bildqualität hängt von mehreren Schlüsselvariablen ab: Sichtfeld, Arbeitsabstand, Auflösung, Tiefenschärfe, Sensorgröße, Kontrast, Verzerrung und Perspektive.

Jede dieser Variablen kann als Hebel betrachtet werden, der die Gesamtbildqualität Ihres Bildverarbeitungssystems beeinflusst, und jede muss je nach Ihrer Bildverarbeitungsanwendung geschoben oder gezogen werden, um die richtigen Komponenten für Ihr System auszuwählen.

Warum sind Objektive wichtig?

Aufgrund der abnehmenden Pixelgröße in den heutigen High-End-Bildverarbeitungskameras wird es immer wichtiger, die richtige Objektivwahl in Ihrem Bildverarbeitungssystem frühzeitig im Prozess zu treffen. Da die Sensorauflösung immer besser wird, ist die Objektivauflösung nun eher der limitierende Faktor für die maximal erreichbare Auflösung in Bildverarbeitungssystemen. Durch das Verständnis der wichtigsten beteiligten Parameter sind Systemintegratoren gut gerüstet, um das richtige Objektiv für ihre Anwendung auszuwählen.

Objektivauflösung

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

 

In den obigen Diagrammen haben wir ein Beispiel für ein Bildverarbeitungssystem, das durch das Objektiv eingeschränkt wird. Die Bildverarbeitungskamera nimmt ein Objekt mit zwei interessierenden Bereichen wahr, die durch einen spürbaren Abstand getrennt sind.

In Diagramm A liegen die interessierenden Bereiche sehr nahe beieinander. Obwohl der Sensor eine ausreichend hohe Auflösung besitzt, um den Spalt zwischen diesen beiden Bereichen zu erkennen, ist das Objektiv nicht scharf genug, um diesen Unterschied aufzulösen, und so gelingt es dem Bild, das auf den Sensor trifft, nicht, den für diese Anwendung erforderlichen Detaillierungsgrad aufzulösen.

In B liegen die interessierenden Bereiche weiter auseinander, und so gelingt es dem Objektiv diesmal, die Details des Abstands zwischen den Bereichen aufzulösen. Die wichtigste Schlussfolgerung hier ist, dass Anwendung A ein schärferes Objektiv erfordern würde, um erfolgreiche Ergebnisse zu erzielen, während dieses Objektiv für den geringeren Detaillierungsgrad, der in Anwendung B erforderlich ist, ausreichend ist.

Betrachten wir nun dieselben 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 aufweist, hat sich die Fähigkeit des Systems, feinere Details aufzulösen, verbessert. Durch die Betrachtung der Pixel auf dem Sensor in C können wir erkennen, dass der feine Abstand zwischen den beiden interessierenden Bereichen nun aufgelöst werden kann, was zu erfolgreichen Ergebnissen für diese Bildverarbeitungsanwendung führt.

In D hat sich die Disparität zwischen blauen Pixeln erhöht, was einen höheren Detaillierungsgrad als in B ermöglicht. Es lohnt sich auch hier zu überlegen, ob Sie für Ihre Anwendung einen so hohen Detaillierungsgrad benötigen, da schärfere Objektive höhere Kosten verursachen.

Die Schlussfolgerung dieser Beispiele ist, dass das Objektiv die gleiche oder eine bessere Auflösung haben muss, um das Beste aus dem Sensor Ihrer Kamera herauszuholen und diese Auflösung für Ihr System zu erzielen.

Kontrast

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

Wenn schwarze und weiße Pixel zu benachbarten Graustufen konvergieren, ist der Kontrast bei dieser gegebenen Frequenz niedriger.

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

Maschinenbilder: Bild A hat einen geringen Kontrast; Bild B hat einen hohen Kontrast.

Wie Sie oben sehen können, weist das rechte Bild eine weitaus größere Disparität in der Stärke zwischen hellen und dunklen Linien auf, was einen besseren Kontrast bedeutet.

Ihre Wahl des Objektivs, des Sensors und der Beleuchtung wird den Grad des erzielten Kontrastes Ihres Systems beeinflussen und bestimmen, daher sollten Sie sorgfältig über Ihre Anwendung und den erforderlichen Kontrast in Ihrem Bild nachdenken.

Letztendlich hängt der erforderliche Kontrast, wie bei fast jedem anderen bisher besprochenen Parameter, davon ab, was Ihre Anwendung erfordert. Je mehr visuell subtile Details auf Ihrem Zielobjekt vorhanden sind, desto mehr Kontrast benötigen Sie in Ihrem System, um sie hervorzuheben.

Tiefenschärfe (DOF)

Innerhalb des Sichtfelds jedes Bildverarbeitungssystems gibt es einen optimalen Fokusbereich dessen, was als akzeptables Maß an Bildqualität angesehen wird.

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

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

Schmale und weite Tiefenschärfe in einem Automobilwerk.

Jedes Objektiv hat eine unterschiedliche Tiefenschärfefähigkeit. Einige Objektive erzeugen eine geringe Tiefenschärfe, wie im ersten Diagramm oben; die entferntesten und nächstgelegenen Punkte des Objekts zur Kamera können unscharf werden, da diese Punkte beginnen, sich vom optimalen Brennpunkt zu entfernen. Nicht nur die Klarheit geht an diesen Stellen verloren, sondern auch Auflösung und Kontrast verschlechtern sich, was natürlich alles zu einer schlechten Bildqualität beiträgt.

Andere Objektive können eine größere Tiefenschärfe erzeugen, wie im zweiten Diagramm, was mehr Flexibilität bei industriellen Bildverarbeitungsanwendungen ermöglicht. Dies ist besonders nützlich, wenn man versucht, Objekte mit komplexen geometrischen Strukturen oder große Objekte mit beträchtlicher Tiefe abzubilden.

Wir helfen Ihnen, die richtige Bildverarbeitungsentscheidung zu treffen

Bleiben Sie dran für diese Blogreihe, in der wir die Optik weiterhin beleuchten, Aberrationen, Tonnenverzerrungen, Verzeichnungen, MTF-Diagramme und einen ultimativen Leitfaden zur Auswahl des richtigen Objektivs untersuchen.

Besuchen Sie unbedingt unsere Seiten Objektive und Kameras für die besten Bildverarbeitungsprodukte auf dem Markt von branchenführenden Marken wie Kowa, VST, Computar, Tamron und Theia.

Zurück zum Blog >