Skip to main content
main-content

Über dieses Buch

Das Lehrbuch behandelt systematisch die Bildgewinnung für die automatische Sichtprüfung. Die Autoren leiten die wesentlichen Methoden detailliert ab und stellen alle gängigen Bildgewinnungsverfahren in einem strukturierten Zusammenhang dar.

Der zweite Teil des Buches ist der Bildsignalbeschreibung und der Bildauswertung gewidmet, wobei insbesondere Methoden behandelt werden, die für die automatische Sichtprüfung relevant sind.

Die Autoren skizzieren die Herleitung der beschriebenen Methoden, ohne sich in mathematischen Details zu verlieren. Ihr Ziel ist, dass der Leser die Zusammenhänge wirklich versteht und das "große Bild" des Fachgebietes erkennt. Das Buch ist in sich geschlossen und bedarf zum Verständnis keiner ergänzenden Literatur.

Die 2. Auflage wurde gründlich überarbeitet, inhaltlich ergänzt und aktualisiert. Neue Beispiele verdeutlichen den Bezug zur Praxis.

Die Zielgruppen

Das Buch eignet sich für Studierende der Informatik, Elektro- und Informationstechnik, der Physik und des Maschinenbaus. Ebenso wendet es sich an Ingenieure in der Automatisierungstechnik.

Inhaltsverzeichnis

Frontmatter

Chapter 1. Einleitung

Die automatische Sichtprüfung erobert in raschem Maße die industrielle Messtechnik und Qualitätskontrolle im Maschinenbau und in vielen anderen technischen Bereichen. Die Entwicklung wird vor allem durch immer leistungsstärkere Rechner und preiswert verfügbare Kamerakomponenten begünstigt.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Bildgewinnung

Frontmatter

Chapter 2. Licht

Optische Bildgewinnungs- und Messverfahren beruhen auf den Eigenschaften von Licht. Vereinfacht kann Licht auf zwei sehr unterschiedliche Weisen physikalisch beschrieben werden: als Welle oder als Teilchen. Je nach dem konkret vorliegenden physikalischen Szenario ist die eine oder die andere Sichtweise besser geeignet, um beobachtete Effekte zu erklären. Beide Betrachtungsweisen sind berechtigt, denn keine kann für sich genommen alle beobachteten Phänomene erklären.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 3. Optische Abbildung

Die Abbildungsoptik für die Bildaufnahme in der automatischen Sichtprüfung löst im Idealfall die Aufgabe, jeden interessierenden Punkt des Prüfobjekts auf genau einen Punkt auf dem Sensor abzubilden. Das bedeutet, dass das von jedem Prüfobjektpunkt G ausgehende divergente Bündel von Lichtstrahlen mit Hilfe der Abbildungsoptik in ein Strahlenbündel übergeht, das sich auf dem Sensor in einem Punkt B schneidet. Bei einer solchen Punkt-zu-Punkt-Korrespondenz \( {\rm B} = {\mathcal{A}}\left\{ \text{G} \right\} \) spricht man von einer scharfen optischen Abbildung.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 4. Radiometrie

Die Photometrie beschäftigt sich mit der Messung von Intensität und Leistung des sichtbaren Lichts unter Berücksichtigung der Empfindlichkeit des menschlichen Auges (siehe Kap. 5). Das sichtbare Licht macht nur einen kleinen Teil des gesamten elektromagnetischen Spektrums aus (siehe Abschn. 2.1.1). Es umfasst den Wellenlängenbereich von etwa 380 nm bis 780 nm. Physikalische Messungen von Intensität, Leistung etc. lassen sich natürlich unabhängig vom menschlichen Auge für das gesamte elektromagnetische Spektrum durchführen.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 5. Farbe

In der Photometrie und in der Lichttechnik beziehen sich alle Größen auf das Helligkeitsempfinden des menschlichen Auges. Die Empfindlichkeit des menschlichen Auges lässt sich durch eine Funktion \( V\left( \lambda \right) \) der Wellenlänge beschreiben. Diese Hellempfindlichkeitsfunktion ist nicht unter allen Umgebungsbedingungen gleich, sondern unterscheidet sich beispielsweise für Nacht- und Tagessehen (Abb. 5.1).
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 6. Sensoren zur Bildgewinnung

Das durch eine optische Abbildung in der Bildebene entstandene Bild einer zu inspizierenden Szene, d. h. die örtliche Verteilung der Bestrahlungsstärke in der Bildebene, wird für die weitere Verarbeitung zunächst in ein analoges elektrisches Signal gewandelt, das dann örtlich und zeitlich diskretisiert, quantisiert und schließlich gespeichert wird. Ein System zur Digitalisierung von Bildern muss mithin in der Lage sein, das aufzunehmende Bild in einzelne Elemente (Pixel) örtlich aufzuteilen, diese einzeln anzusprechen (zu adressieren), eine Integration der Bestrahlungsstärke über eine definierte Zeitspanne vorzunehmen, den Bildwert an jedem Pixel zu messen, diesen zu quantisieren und in einen Speicher zu schreiben.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 7. Bildaufnahmeverfahren

Dieses Kapitel behandelt verschiedene Verfahren zur Bildaufnahme in der automatischen Sichtprüfung. Dabei ist zu unterscheiden, welche Eigenschaften des untersuchten Objekts von Interesse sind (Abb. 7.1).
Jürgen Beyerer, Fernando Puente León, Christian Frese

Bildauswertung

Frontmatter

Chapter 8. Bildsignale

Das mit den in Kap. 7 beschriebenen Verfahren gewonnene Bildsignal g(x) ist eine Funktion g : \( {\mathbb{R}}^{2} \to {\mathbb{R}}^{Q} \), welche die gesamte Bildebene auf i. Allg. vektorielleWerte abbildet, wobei Q die Anzahl der Kanäle bezeichnet (vgl. Abschn. 1.3). Zunächst sollen sowohl der Definitionsbereich als auch der Wertebereich als kontinuierlich betrachtet werden.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 9. Vorverarbeitung und Bildverbesserung

Wesentliche Ziele der Vorverarbeitung und Bildverbesserung sind es.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 10. Bildrestauration

Bei den in Kap. 9 behandelten Bildverbesserungsverfahren wurden überwiegend subjektive oder qualitative Kriterien betrachtet. Insbesondere war hierbei die visuelle Interpretierbarkeit der Resultate wichtiger als die „Originaltreue“. Aus dieser Motivation heraus resultierte eine überwiegend heuristische Vorgehensweise, bei der teilweise sogar eine absichtliche Verfremdung der Bilder in Kauf genommen wurde, etwa bei der Pseudo- und Falschfarbendarstellung (Abschn. 9.1.3).
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 11. Segmentierung

Das Ziel der Segmentierung ist die Zerlegung eines Bildes g(x) in getrennte bedeutungsvolle Bereiche. Beispielsweise kann die Trennung des Prüfobjekts vom Hintergrund gewünscht sein, oder es werden in einem Bildsignal die Grenzen zwischen verschiedenen Objekten gesucht. Das segmentierte Bild ist leichter automatisch zu analysieren. Das Segmentierungsergebnis kann z. B. genutzt werden, um in einer anschließendenWeiterverarbeitung die Lage und Größe der segmentierten Objekte zu bestimmen.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 12. Morphologische Bildverarbeitung

Morphologische Verfahren stammen aus der Übertragung mengenalgebraischer Methoden auf die Bildverarbeitung. Sie wurden von Matheron und Serra unter dem Begriff der „Mathematischen Morphologie“ eingeführt [12, 16, 17]. Hierin werden Bildsignale als Punktmengen betrachtet; morphologische Filter sind Operationen, die diese Mengen manipulieren.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 13. Texturanalyse

Eine Textur kann man definieren als eine zweidimensional ausgeprägte Struktur mit einer gewissen deterministischen oder statistischen Regelmäßigkeit. Eine einheitliche Definition für den Begriff Textur existiert nicht [13]. Alternativ kann z. B. eine Textur über die Variation der Bildstrukturen definiert werden, die kleiner sind als die interessierenden Skalen [25].
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 14. Detektion

Die Detektion befasst sich mit der Erkennung bekannter oder unbekannter Objekte im Bild und mit der Feststellung ihrer Lage im Bild. Bei den zu detektierenden Objekten kann es sich einerseits um Prüfobjekte handeln, deren Vorhandensein, Lage oder Vollständigkeit untersucht werden soll. Andererseits kann es die Aufgabe sein, Defekte oder bestimmte Strukturen bzw. Merkmale im Bild zu detektieren.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Chapter 15. Bildpyramiden,Wavelet-Transformation und Multiskalenanalyse

Die Multiskalenanalyse ist ein mathematisches Konzept, das die Signalanalyse auf unterschiedlichen Auflösungsstufen beschreibt. Während die Auswertung von feinen Details im Bild die maximale verfügbare Auflösung benötigt, lassen sich grobe Strukturen mit geringerem Aufwand bei reduzierter Auflösung analysieren. Zwei Verfahren zur Multiskalenanalyse, die in diesem Kapitel behandelt werden, sind Bildpyramiden und die Wavelet-Transformation.
Jürgen Beyerer, Fernando Puente León, Christian Frese

Backmatter

Weitere Informationen

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Globales Erdungssystem in urbanen Kabelnetzen

Bedingt durch die Altersstruktur vieler Kabelverteilnetze mit der damit verbundenen verminderten Isolationsfestigkeit oder durch fortschreitenden Kabelausbau ist es immer häufiger erforderlich, anstelle der Resonanz-Sternpunktserdung alternative Konzepte für die Sternpunktsbehandlung umzusetzen. Die damit verbundenen Fehlerortungskonzepte bzw. die Erhöhung der Restströme im Erdschlussfall führen jedoch aufgrund der hohen Fehlerströme zu neuen Anforderungen an die Erdungs- und Fehlerstromrückleitungs-Systeme. Lesen Sie hier über die Auswirkung von leitfähigen Strukturen auf die Stromaufteilung sowie die Potentialverhältnisse in urbanen Kabelnetzen bei stromstarken Erdschlüssen. Jetzt gratis downloaden!

Bildnachweise