Bộ lọc Gabor có thể được sử dụng để phát hiện vết lõm trong xe hơi không?

Tôi đang thực hiện một số nghiên cứu về bộ lọc Gabor để phát hiện vết lõm trên xe hơi. Tôi biết các bộ lọc Gabor đã được sử dụng rộng rãi để nhận dạng mẫu, nhận dạng vân tay, v.v.

Tôi có một hình ảnh.

Sử dụng một số mã từ trang web MathWorks File Exchange, tôi đã nhận được kết quả đầu ra sau đây.

mà bằng cách nào đó không phải là đầu ra mà người ta mong đợi. Đây không phải là một kết quả tốt.

Kịch bản của tôi như sau:

I = imread('dent.jpg');
I = rgb2gray(I);
[G, gabout] = gaborfilter1(I, 2, 4, 16, pi/2);
figure
imshow(uint8(gabout));

EDIT: Áp dụng một mã khác cho hình ảnh sau:

Hình ảnh đầu ra sau các hướng khác nhau của bộ lọc gabor:

Làm thế nào để tôi cách ly DENT này đã được phát hiện đúng?

Đây là một vấn đề cực kỳ khó khăn. Tôi là thành viên của một nhóm đã làm việc với nó trong nhiều năm, và đã phát triển và hỗ trợ các ứng dụng khác trong một thời gian dài, tôi có thể nói rằng phát hiện vết lõm là một vấn đề đặc biệt khó khăn và khó khăn hơn nhiều so với lúc đầu.

Có một thuật toán làm việc trong điều kiện phòng thí nghiệm hoặc trên các hình ảnh đã biết là một điều; phát triển một hệ thống chính xác và mạnh mẽ cho những hình ảnh "tự nhiên" như ô tô nhìn thấy trên bãi đỗ xe có thể sẽ cần một đội ngũ làm việc trong vài năm. Ngoài vấn đề cốt lõi của việc tạo ra thuật toán, còn có rất nhiều khó khăn kỹ thuật khác.

Mã mẫu bạn đã kiểm tra không phải là một khởi đầu tồi. Nếu bạn có thể tìm thấy các cạnh xung quanh phía bên phải của vết lõm, bạn có thể so sánh bản đồ cạnh của chiếc xe với bản đồ cạnh của một chiếc xe tốt đã biết được chụp từ cùng một góc với cùng một ánh sáng. Kiểm soát ánh sáng sẽ giúp khá nhiều.

Các vấn đề cần xem xét bao gồm:

1. Ánh sáng (khó khăn hơn nhiều so với lần đầu tiên)
2. Bề mặt 3D dự kiến ​​của bảng điều khiển bên ngoài được lắp ráp (ví dụ: từ dữ liệu CAD)
3. Các tiêu chí đặc trưng cho một vết lõm: diện tích, độ sâu, hồ sơ, v.v.
4. Tiêu chí cho âm tính giả và dương tính giả
5. Có nghĩa là lưu dữ liệu vết lõm và / hoặc ánh xạ vết lõm vào mô hình của chiếc xe (hoặc bố trí bướm)
6. Phương pháp và thiết bị để đo các đặc điểm của răng "thật": độ sâu, diện tích, v.v.
7. Cơ sở dữ liệu mở rộng của các vết lõm từ một mẫu xe ngẫu nhiên
8. Xử lý các màu sơn và kết thúc khác nhau

1. Ánh sáng Như Martin B đã lưu ý chính xác ở trên, ánh sáng chính xác là rất quan trọng cho vấn đề này. Ngay cả với ánh sáng có cấu trúc tốt, bạn sẽ gặp khó khăn rất lớn khi phát hiện những vết lõm nhỏ gần các đường nét, khoảng cách giữa các bảng, tay cầm, v.v.

Mục nhập Wikipedia cho ánh sáng có cấu trúc hơi mỏng, nhưng đó là khởi đầu để hiểu nguyên tắc: http://en.wikipedia.org/wiki/Sturationured_light

Các sọc sáng có thể được sử dụng để phát hiện các vết lõm (vết lõm) và vết lõm (mụn nhọt). Để xem ding, bạn sẽ cần chuyển động tương đối giữa nguồn sáng và xe. Đèn + camera di chuyển cùng nhau so với ô tô hoặc ô tô di chuyển qua đèn + camera.

Mặc dù trong và ngoài có những đặc điểm xuất hiện khi nhìn thấy ở rìa của dải sáng, khả năng phát hiện của một vết lõm nhất định phụ thuộc vào kích thước và độ sâu của vết lõm so với chiều rộng của dải sáng. Độ cong của xe hơi rất phức tạp, do đó, rất khó để đưa ra một dải ánh sáng nhất quán cho máy ảnh. Khi dải ánh sáng di chuyển trên thân xe, độ cong và thậm chí cường độ của dải ánh sáng sẽ thay đổi.

Một giải pháp một phần là đảm bảo rằng camera và dải sáng luôn ở một góc nhất quán so với bình thường (vuông góc 3D) của phần bề mặt được kiểm tra. Trong thực tế, một robot sẽ được yêu cầu di chuyển máy ảnh chính xác so với bề mặt cơ thể. Di chuyển robot chính xác đòi hỏi kiến ​​thức về tư thế (vị trí và góc 3D) của thân xe, đây là một vấn đề khó chịu.

Đối với bất kỳ kiểm tra cho các ứng dụng ô tô, bạn cần phải kiểm soát hoàn toàn ánh sáng. Điều đó có nghĩa là không chỉ đặt đèn theo lựa chọn của bạn tại các địa điểm đã biết, mà còn chặn tất cả các ánh sáng khác. Điều này sẽ có nghĩa là một bao vây khá lớn. Vì các tấm của xe hơi cong ra phía ngoài (gần giống như bề mặt hình cầu), chúng sẽ phản chiếu ánh sáng từ các nguồn xung quanh chúng. Để đơn giản hóa rất nhiều vấn đề này, bạn có thể sử dụng một thanh bột phát tần số cao bên trong một vỏ bọc bằng nhung đen. Thông thường, cần phải đi đến cực đoan như thế cho các ứng dụng kiểm tra.

2. Bề mặt 3D Bề mặt ngoài của ô tô gồm các đường cong phức tạp. Để biết liệu một điểm đáng ngờ có phải là một ding hay không, bạn phải so sánh điểm đó với các tính năng đã biết của chiếc xe. Điều đó có nghĩa là bạn sẽ cần ghép hình ảnh 2D từ máy ảnh với mô hình 3D được xem ở một góc nhất định. Đây không phải là một vấn đề được giải quyết nhanh chóng, và thật khó để làm tốt việc một số công ty chuyên về nó.

3. Đặc tính khiếm khuyết Đối với nghiên cứu học thuật hoặc thử nghiệm trong phòng thí nghiệm, có thể đủ để phát triển một thuật toán thể hiện sự hứa hẹn hoặc cải tiến trên một phương pháp hiện có. Để giải quyết đúng vấn đề này cho mục đích thương mại hoặc công nghiệp thực sự, bạn cần có một thông số kỹ thuật chi tiết cao cho các vết lõm kích thước mà bạn muốn phát hiện.

Khi chúng tôi giải quyết vấn đề này, không có tiêu chuẩn quốc gia hoặc ngành hợp lý nào cho vết lõm (biến dạng 3D). Đó là, không có kỹ thuật theo thỏa thuận để mô tả vết lõm theo diện tích, độ sâu và hình dạng của nó. Chúng tôi chỉ có các mẫu mà các chuyên gia trong ngành đồng ý là xấu, không quá tệ và cận biên về mức độ nghiêm trọng. Việc xác định "độ sâu" của một ding cũng rất khó khăn, vì một ding là một vết lõm 3D trong (điển hình) một bề mặt 3D cong ra bên ngoài.

Các dings lớn hơn dễ phát hiện hơn, nhưng chúng cũng ít phổ biến hơn. Một nhân viên ô tô có kinh nghiệm có thể quét thân xe một cách nhanh chóng - nhanh hơn nhiều so với một người quan sát chưa được đào tạo - và nhanh chóng tìm thấy kích thước của ngón tay hồng hào của bạn. Để biện minh cho chi phí của một hệ thống tự động, bạn có thể phải phù hợp với khả năng của một người quan sát có kinh nghiệm.

4. Tiêu chí cho lỗi phát hiện Ngay từ đầu, bạn nên đặt tiêu chí cho âm tính giả và dương tính giả có thể chấp nhận được. Ngay cả khi bạn chỉ nghiên cứu vấn đề này như một dự án R & D và không có ý định phát triển sản phẩm, hãy cố gắng xác định tiêu chí phát hiện của bạn.

âm tính giả: hiện tại vết lõm, nhưng không phát hiện dương tính giả: vùng không được xác định là vết lõm

Thông thường có một sự đánh đổi: tăng độ nhạy và bạn sẽ tìm thấy nhiều dings hơn (giảm âm tính giả), nhưng bạn cũng sẽ tìm thấy nhiều dings không có ở đó (tăng dương tính giả). Khá dễ dàng để thuyết phục bản thân rằng một thuật toán hoạt động tốt hơn so với thực tế: thiên vị tự nhiên của chúng ta là nhận thấy các khiếm khuyết được phát hiện bởi thuật toán và giải thích những lỗi mà nó đã không phát hiện ra. Tiến hành kiểm tra mù, tự động. Nếu có thể, hãy nhờ người khác đo các mức độ và chỉ định mức độ nghiêm trọng để bạn không biết các phép đo thực sự là gì.

5. Lưu dữ liệu và / hoặc ánh xạ nó Một vết lõm được đặc trưng bởi mức độ nghiêm trọng và vị trí của nó trên thân xe. Để biết vị trí của nó, bạn phải giải quyết vấn đề tương ứng 2D-3D được đề cập ở trên.

6. Xác định hình dạng "thật" của vết lõm Các vết lõm rất khó đo. Một vết lõm sắc nhọn và một vết lõm tròn có cùng diện tích bề mặt và độ sâu sẽ xuất hiện khác nhau. Đo vết lõm bằng phương tiện cơ học dẫn đến những đánh giá chủ quan, và cũng khá tẻ nhạt khi sử dụng máy đo độ sâu, thước đo, v.v., khi bạn có thể sẽ phải đo hàng chục nếu không muốn nói là nhiều hơn.

Đây là một trong những vấn đề kỹ thuật khó hơn để giải quyết cho bất kỳ dự án phát hiện khuyết tật nào cho sản xuất: làm thế nào để đo lường một khiếm khuyết và mô tả nó? Nếu có một tiêu chuẩn để làm như vậy, liệu tiêu chuẩn có tương quan tốt với một cái gì đó mà hệ thống kiểm tra đo lường? Nếu hệ thống kiểm tra không tìm thấy một "ding" nó nên được tìm thấy, ai sẽ đổ lỗi?

Điều đó nói rằng, nếu một hệ thống kiểm tra hoạt động đủ tốt cho một mẫu các khiếm khuyết đã biết, thì cuối cùng người dùng có thể tin tưởng nó và chính hệ thống đó trở thành tiêu chuẩn để xác định mức độ nghiêm trọng của khuyết tật.

7. Cơ sở dữ liệu rộng rãi về các vết lõm Lý tưởng là bạn sẽ có hàng trăm nếu không phải là hàng ngàn hình ảnh mẫu của các vết lõm ở các mức độ nghiêm trọng khác nhau tại các vị trí khác nhau trên các phương tiện từ các nhà sản xuất khó tính. Nếu bạn quan tâm đến việc tìm kiếm vết lõm do tai nạn trong quá trình lắp ráp, thì có thể mất nhiều thời gian để thu thập loại dữ liệu đó. Các vết lõm gây ra trong quá trình lắp ráp không phổ biến.

Nếu bạn chỉ quan tâm đến việc tìm kiếm vết lõm do tai nạn hoặc thiệt hại môi trường, thì đó là một vấn đề khác. Các loại vết lõm sẽ khác với các loại gây ra bởi các va chạm vô tình bên trong một nhà máy lắp ráp ô tô.

8. Xử lý các màu sơn khác nhau Đúng là các máy dò cạnh có thể mạnh mẽ một cách hợp lý trong việc phát hiện các cạnh trong các hình ảnh có độ tương phản khác nhau, nhưng thật tuyệt vời khi thấy "mức độ tương phản khác nhau" thực sự có ý nghĩa gì đối với các loại sơn và hoàn thiện ô tô khác nhau . Một dải sáng trông tuyệt vời trên một chiếc xe màu đen sáng bóng khó có thể phát hiện trên một chiếc xe màu trắng với lớp sơn cũ.

Hầu hết các máy ảnh có phạm vi động tương đối hạn chế, do đó, việc đạt được độ tương phản tốt cho cả bề mặt sáng bóng màu đen và bề mặt xỉn màu trắng là khó khăn. Rất có khả năng bạn sẽ phải tự động kiểm soát cường độ ánh sáng. Điều đó cũng khó.

Bộ lọc Gabor chỉ là bước đầu tiên trong vài bước mà bạn sẽ sử dụng cho tác vụ phát hiện lỗi như vậy. Ngoài ra, lưu ý rằng bạn chỉ sử dụng một định hướng và thang đo cụ thể của bộ lọc Gabor - thông thường bạn sẽ sử dụng toàn bộ phạm vi định hướng và tỷ lệ.

Một phác thảo rất sơ bộ về phương pháp phát hiện khuyết tật đơn giản sử dụng bộ lọc Gabor có thể như sau:

• Áp dụng bộ lọc Gabor ở các hướng và tỷ lệ khác nhau
• Áp dụng một trình phân loại (được đào tạo về dữ liệu đào tạo phù hợp) để phân loại từng pixel là "lỗi" hoặc "không khiếm khuyết"
• Tổng hợp các phát hiện từ các pixel lân cận để đảm bảo mỗi lỗi chỉ được phát hiện một lần và để loại bỏ các phát hiện giả

Một điểm không có trong danh sách này nhưng thường rất quan trọng là thu nhận hình ảnh. Cách bạn chiếu sáng đối tượng và đặt máy ảnh của bạn có ảnh hưởng rất lớn đến việc dễ dàng phát hiện các khuyết tật trong hình ảnh thu được. Hình ảnh mẫu của bạn dường như sử dụng ánh sáng môi trường đã có mặt tại thời điểm đó - điều này rất có thể không tối ưu.

Như tôi nói, đây chỉ là một phác thảo rất thô. Kiểm tra tự động là một lĩnh vực rộng và đòi hỏi nhiều chuyên môn để làm tốt nó.

Không, nó không thể. Xử lý hình ảnh không phải là phép thuật, bạn cần cung cấp thêm thông tin. Không có một số ý tưởng về chiếc xe được cho là trông như thế nào, làm thế nào máy tính được phân biệt một vết lõm với kiểu dáng cơ thể dự định?