Verbesserung der Bildqualität

Computational Imaging

MVTec HALCON unterstützt Computational Imaging, bei dem mehrere Aufnahmen desselben Objekts unter variierenden Beleuchtungs- oder Aufnahmebedingungen kombiniert werden. Dadurch lässt sich die Bildqualität verbessern, ohne auf komplexe Beleuchtung oder spezielle optische Setups angewiesen zu sein. So lassen sich Bildmerkmale in Echtzeit extrahieren und robuste Anwendungen mit geringerer Entwicklungszeit und reduzierten Kosten umsetzen.

Haben Sie eine Anwendung im Sinn?

Kostenfreie Anwendungsevaluierung

Die Toolbox in HALCON bietet verschiedene Computational-Imaging-Techniken

Funktionen in HALCON

Hyperspektrale Bildverarbeitung
High-Dynamic-Range-Bildgebung (HDR)
Photometrisches Stereo-Verfahren (PMS)

Hyperspectral Imaging

Hyperspektrale Bildverarbeitung analysiert Materialien anhand spektraler Signaturen. Hyperspektralkameras liefern pro Pixel ein vollständiges Spektrum über Dutzende bis Hunderte eng benachbarter Wellenlängen. Dadurch werden Unterschiede sichtbar, die mit RGB- oder Grauwertkameras nicht erkennbar sind – etwa zwischen chemisch unterschiedlichen, aber optisch identischen Objekten.

Mit MVTec HALCON lassen sich Hyperspektraldaten für Klassifikation, Materialidentifikation und Qualitätskontrolle einsetzen. HALCON bietet dafür eine Vielzahl direkt anwendbarer Beispielprogramme. Besonders relevant ist das Beispielprogramm „Classify different pills based on hyperspectral images“. Es zeigt eine vollständige Pipeline für die spektrale Klassifikation, mit der sich optisch identische, aber chemisch verschiedene Pillen zuverlässig unterscheiden lassen.

Der Ablauf umfasst:

Import von Hyperspektraldaten im weit verbreiteten ENVI-Dateiformat oder von GigE Vision-kompatiblen Hyperspektralkameras.
Neuordnung der Datenstruktur von BIL (Band Interleaved by Line) in ein bildbasiertes Format.
Reflexionstransformation, um die tatsächlichen Intensitätswerte zu berechnen. Hierfür müssen neben den eigentlichen Messdaten auch dunkle und weiße Referenzdaten vorliegen.

Klassifikation in HALCON auf Basis der emittierten Spektren.

Hyperspektrale Bildverarbeitung in HALCON zeigt Unterschiede zwischen optisch identischen, aber chemisch verschiedenen Objekten.

Hyperspektrale Bildverarbeitung in HALCON ermöglicht die Analyse von Materialien anhand ihrer spektralen Signaturen.

Hyperspektrale Klassifikation in HALCON trennt visuell identische, aber chemisch verschiedene Pillen.

Beispiel für hyperspektrale Klassifikation in HALCON: optisch identische Pillen werden anhand ihrer Spektren unterschieden.

Pipeline in HALCON zur hyperspektralen Bildverarbeitung mit Import, Transformation und Klassifikation.

Pipeline der hyperspektralen Bildverarbeitung in HALCON: von Datenerfassung bis zur Klassifikation.

Unterstützte Hardware

GigE-Vision-kompatible Hyperspektralkameras

Das Beispiel basiert auf Daten, die mit GigE-Vision-kompatiblen Hyperspektralkameras wie der FX-Serie unseres Technologiepartners Specim aufgenommen wurden. Alternativ können offline gespeicherte ENVI-Datensätze verwendet werden.

Anwendungsbeispiel: Klassifikation von Pharmazeutika zur Erkennung von Fälschungen, für die Sortierung oder Differenzierung von Generika und Markenpräparaten.

Anwendungsbeispiel

Klassifikation visuell identischer Objekte

Ein typisches Einsatzszenario ist die Unterscheidung visuell identischer Pharmazeutika, z. B. zur Erkennung von Produktfälschungen, für die Sortierung unterschiedlicher Medikamente in Produktionslinien oder zur Differenzierung von Markenpräparaten und Generika. Obwohl Tabletten die gleiche Form und sichtbare Farbe aufweisen, können sie anhand ihrer Infrarotspektren zuverlässig klassifiziert werden – etwa nach Wirkstoff oder Zusammensetzung. HALCON ermöglicht die nahtlose Integration solcher Verfahren in industrielle Anwendungen.

High-Dynamic-Range-Bildgebung (HDR)

HDR kombiniert Aufnahmen mit unterschiedlichen Belichtungen zu einem Bild mit gleichmäßiger Beleuchtung. So werden Details in hellen und dunklen Bereichen sichtbar. Typische Anwendungsfälle: Fehlerprüfung und Qualitätskontrolle.

HDR in HALCON: Bohrung wird aus hellen und dunklen Aufnahmen zu einem detailreichen Bild kombiniert.

High-Dynamic-Range-Bildgebung (HDR) kombiniert helle und dunkle Aufnahmen zu einem gleichmäßig beleuchteten Bild.

High-Dynamic-Range-Bildgebung in HALCON zeigt Details in sehr hellen und sehr dunklen Bildbereichen.

HDR-Bildgebung in HALCON: Kombination mehrerer Belichtungen macht Details in hellen und dunklen Bereichen sichtbar.

Photometrisches Stereo-Verfahren (PMS)

PMS erzeugt Formbilder, indem ein Objekt aus mehreren Beleuchtungsrichtungen aufgenommen wird. Die berechneten Formbilder machen Kanten und Texturen deutlich sichtbar, z. B. bei Braille-Zeichen auf Pharmaverpackungen. Sie können in Machine-Vision-Aufgaben wie OCR oder Objektsegmentierung weiterverarbeitet werden. Typische Anwendungen sind die Detektion feiner Oberflächendefekte oder die Reduzierung von Beleuchtungseinflüssen bei Druckinspektionen.

Photometrisches Stereo in HALCON zeigt ein Objekt mit Beleuchtung aus vier Richtungen zur Form- und Texturanalyse.

Photometrisches Stereo in HALCON: Objekt wird aus vier verschiedenen Richtungen beleuchtet, um Form- und Texturinformationen zu berechnen.

PMS-Formbild in HALCON zeigt deutlich sichtbare Braille-Zeichen für OCR und Qualitätskontrolle.

Photometrisches Stereo in HALCON erzeugt ein Formbild mit klar erkennbaren Braille-Zeichen auf einer Pharmaverpackung.

ANWENDUNGEN IN DER PRAXIS

Unsere Erfolgsgeschichten

[Translate to German:] Warehouse where cheese wheels age during the ripening process

Machine Vision automatisiert Käse-Produktion und steigert Wettbewerbsfähigkeit

Die Lebensmittelindustrie profitiert erheblich von den rasanten Entwicklungen im Bereich der Künstlichen Intelligenz (KI). Besonders wertvoll für Lebensmittelproduzenten ist die Kombination von KI mit industrieller Bildverarbeitung (Machine Vision),…