机器视觉颜色分析

什么是颜色 ？有技术对这个问题的反应 ，以及更实际的答案 。从技术上说 ，一个可以定义一个特定的颜色作为一个波长（或组合的波长）的能量在电磁波谱一般肉眼可见的 。但那真的是“颜色”吗 ？实际上不是 。术语在技术上除了在感知 ，没有什么意义 。当然 ，反射或透射或吸收的光可以分析光谱内容 。实际上 ，一些东西的颜色就是老哥俱乐部所感知到的 ，它的名称是老哥俱乐部对视觉感知的属性。

 

识别或分化

从人类的角度来看 ，老哥俱乐部是非常不一致的报告颜色 。事实上，色彩的感知不仅有生理上的 ，而且有心理上的影响 。考虑到这一点 ：没有人会知道，比如别人如何实际经验 ，颜色“蓝色” 。这个问题是外部因素的影响 ，特别是光源照亮物体 ，在物体的大小和形状 ，甚至变化的内容和强度 。人类的视觉虽然是相当有效的匹配或区分 ，甚至非常相似的颜色 ，当观察对象一次 。因此 ，在许多情况下 ，它是足够的自动检查和质量控制的颜色分析 ，以实现这一人类的能力 ，以区分密切相关的颜色 。

一个谨慎措施为了最大限度的准确性而不是区分颜色的项的精确光谱响应 ？有很多设备分光光度计 ，比色计 ，和其他能够准确报告的光谱波长吸收或被物体反射分析仪 。功能上 ，这些设备通常是专为离线或实验室使用在特定的应用程序 ，可能需要精密安装和部分演示文稿 ，或成本太高 ，否则不切实际的工厂地板使用 。此外 ，在许多应用中的颜色检查 ，可接受的变化是相对较宽的范围内 ，精确的光谱测量是不必要的上线 。一个现实的方法 ，然后是使用机器视觉技术 ，组件和软件 ，以实现可靠的和可用的颜色分析 ，通过匹配到一个已知的样本 。

 

机器视觉彩色成像

幸运的是 ，使用机器视觉的彩色成像和分析被广泛使用最小的 ，如果有的话，组件成本的影响 。最常用的机器视觉摄像机获取的彩色图像是单色相机几乎相同的一个例外是一种特殊的阵列彩色滤光片在传感器像素称为“拜耳滤波器的加入 ，“指定过滤器的配置和颜色 。

这种类型的彩色摄像机产生的三个图像在一个单一的收购 ，一个分别为红色 ，绿色和蓝色的内容为各自的过滤像素 。请注意 ，每个单独的像素不具有完整的颜色内容 。创建一个完整的图像 ，摄像机必须检查相邻像素的内容 ，这一过程被称为“马赛克”重建三子采样的图像覆盖全分辨率的相机 。重要的是要知道 ，这一过程的结果 ，在一个比将被发现在一个相应的单色图像（高达30%） ，在某些应用中可能是重要的一个事实 ，在彩色图像的彩色图像 。

颜色代表的字母的缩写组合

一些技术性的文章很详细地讲述了机器视觉如何处理和分析彩色图像 。各种各样的缩写为许多不同的色彩空间表示存在 ：CIE（XYZ 、LUV 、UVW） ，RGB ，HSI ，YIQ ，YPbPr ，CMYK ，和几个 。甚至有一些专家之间的分歧 ，在机器视觉系统分析的颜色最好的代表性。

 

典型的应用程序的执行

根据机器视觉产品 ，这些颜色表示的一个（或多个）将被用于调整目标颜色和/或配置所观察到的颜色将被允许偏离原来的颜色的程度 。处理一个彩色图像的两种常见的方法是颜色提取和颜色建模（这些类型的工具的名称和实际实现不同制造商） 。颜色提取的任务是创建一个灰度图像 ，从一个彩色图像 ，其中每个像素只包含一个特定的颜色响应的内容 。颜色建模（或匹配）是一个任务 ，在一个预先训练的颜色模型 ，在一个预先训练的颜色模型相匹配的颜色 ，如前 ，指定范围的颜色偏差 。在这两种情况下 ，允许颜色偏差会配置使用的颜色空间（RGB ，他表示相关参数 ，根据产品等） 。

随后的结果处理从产品到产品的变化 ，但往往是颜色处理的结果是一个灰度图像 ，只包含所捕获的图像的部分 ，具有正确的颜色 。使用该图像 ，进一步分析的功能 ，可以使用标准的灰度工具 。

 

执行中的挑战

在颜色分析中的应用与匹配面临着一定的关键的实施挑战 。正如前面所提出的 ，照明强度的一致性 ，和颜色内容发挥重要的作用 。正如老哥俱乐部自己的视觉 ，一个颜色的变化的感知与从对象反射的光的量 。如果强度是一致的 ，颜色匹配 ，这可能不是一个问题 。如果它是不一致的 ，颜色的分化可能是非常不可靠的 ，和更多的一些颜色空间表示比其他 。光照颜色的内容可以以同样的方式影响颜色分析 ，如果它变化 ，但在这种情况下 ，问题是在真正的颜色的源 。

什么是实际的颜色的照明源 ？如果它是单色的 ，颜色可能会很好 。不幸的是 ，单一颜色的照明（如红色 ，绿色 ，或蓝色的光）在生产环境中的颜色的分析和匹配的最小 。通常情况下 ，需要一个白色的光 。然而 ，白色不是一种“颜色” ，它是多种颜色的组合 ：一个完美的白光将有所有可见的颜色波长结合在同等强度。不幸的是 ，通用机器视觉的照明源远没有完美的白色 。幸运的是 ，虽然这不是一个问题 ，大多数应用程序在颜色匹配相机可以颜色平衡的更接近一致的反应 。但是 ，内容必须保持不变 ，就像强度 ，一个强大的应用程序 。

有几个其他的实施挑战 ，但在结论让老哥俱乐部讨论也许是最具挑战性的 ：部分到部分的变化 。在一个实际的生产环境中有许多应用程序 ，坚持非常严格的颜色内容规格 。以打印过程为例 。印刷的标签 ，容器 ，和商业包装 ，名称几个 ，都需要非常严格的保持颜色的内容在生产 。其他应用也有类似的规格 。在这种情况下 ，目标颜色和目标的可接受偏差的限制是非常明确的 。因此 ，精心设计的彩色成像和配置应该是成功的捕捉本地化的功能或颜色 ，偏离预期的目标 。然而 ，在其他应用中 ，要检查的对象不是很一致的 。在织物 ，塑料成型 ，和类似的产品的应用程序是已知的 ，往往有广泛不同的颜色内容 。人类是很好的装备来做这种比较检查 ，但机器视觉工具的配置 ，以适应这些变化可能是非常具有挑战性的 。在某些情况下 ，一个可以接受的颜色可以重叠的范围内的一个类似的可接受的颜色 ，使离散的两个几乎是不可能的 。在这种情况下 ，重新训练目标颜色或其他处理机制的协议可能是必需的 。

基于机器视觉的色彩处理可以是有价值的 ，最后 ，颜色分析工具可能会演变到一点 ，所有的检查 ，指导和在线分析是完全在颜色 ，如人类的视觉,但也许是可以实现的目标 。