利用贾柏转换法-元智大学.ppt

元 智 大 學 工 業 工 程 研 究 所 應用於紋路分析之最佳賈柏過濾器設計 研 究 目 的 瑕疵檢測及紋路異常檢測 檢測紋路表面是否有發生瑕疵以及異常紋路存 在。 多紋路分割 將多紋路影像分解成若干個子區域，每個子區 域對應一種紋路，並可以此方法進行紋路分類。 研 究 方 法 本研究最主要是要擷取代表紋路的最佳能量，使用的是以旋積（convolution）的方法，一般旋積的表示法為 f（x,y）為紋路之灰階影像，h（x,y）為轉換函數，本研究之 h（x,y） 利用賈柏轉換法（Gabor transform）設計而來。 賈 柏 轉 換 法 賈柏轉換法（Gabor transform）是由一個繁複的非線性方程式所構成，在轉換式裡包含三個參數，頻率（frequency）ψ，相角（orientation）θ，及帶寬（bandwidth）σ，將轉換法定義如下： 賈 柏 轉 換 法 賈 柏 轉 換 法 賈 柏 轉 換 法 文 獻 探 討 目 標 函 數 之 設 計---紋路上瑕疵區的檢測 目 標 函 數 之 設 計---紋路上瑕疵區的檢測 因此 在檢測正常紋路影像，E(x,y) 0， 而瑕疵（異常）紋路，E(x,y) ＞0 因此便可利用此能量差異以檢測出紋路上之瑕疵。 實驗結果與討論 ---瑕疵檢測之效果 本研究在瑕疵檢測樣本的選擇上，主要分為方 向性紋路及隨機性紋路， 1、方向性紋路：人工紋路、布紋及銑削和刨 削紋路。 2、隨機性紋路：沙紙紋路及皮革紋路 實驗結果與討論---瑕疵檢測結論 從原始影像經過賈柏轉換法（Gabor transform） 處理後所得之3D能量圖可看出，由求目標函數最 小能量值所得之參數（ ψ、θ、σ ）所設計出之 賈柏過濾器，在有瑕疵點存在之處，其能量值異 常的偏高，能量灰階圖亦有一明顯的白點存在， 因此目標函數之設計運用在瑕疵檢測為一可行之 方法。 瑕疵檢測之效果 1.1、方向性紋路-----在人工紋路瑕疵檢測方面 瑕疵檢測之效果 1.2、方向性紋路-----在布紋脫線檢測方面 瑕疵檢測之效果 瑕疵檢測之效果 1.3、方向性紋路-----在銑削工件刮痕檢測方面 瑕疵檢測之效果 2.1、隨機性紋路-----在皮革刮痕檢測方面 瑕疵檢測之效果 2.2、隨機性紋路-----在沙紙刮痕檢測方面 視窗靈敏度分析 光源變化對賈柏轉換法的影響 元智大學工業工程研究所 彩色紋路之表面瑕疵檢測 學 生：黃國唐 指導教授：蔡篤銘 博士 研究動機 研究動機 由於傳統灰階影像在瑕疵檢測的應用上，當瑕疵的空間位置、灰階分佈與表面之規則紋路都一致時，則無法凸顯出瑕疵。 傳統賈柏轉換法 傳統賈柏轉換法為使用影像之灰階值 與賈柏轉換法 旋積（convolution）而得之能量值 進行紋路分析，可定義為 可表示為 其中 表示複數的模數（modulus）， 為旋積之運算。 色彩模型–LAB色彩模型 色彩模型–Drg色彩模型 彩色賈柏轉換法 依據傳統賈柏轉換從彩色影像的色彩模型（color model） 中取兩個主要色彩特徵（color features），令一個為實部 （real part），另一個為虛部（imaginary part），兩個色 彩特徵組合成一複數形式來取代灰階影像的灰階值。 彩色賈柏轉換法 其中 的定義如同傳統賈柏轉換法， ? 為一複數。 彩色賈柏轉換 瑕疵檢測之目標函數設計Ⅰ： 瑕疵檢測之目標函數設計Ⅱ： 瑕疵檢測之目標函數設計(續) 首先在標準紋路影像上任意取一個 W ? W pixels 的視窗，所取的視窗大小要能表現出紋路的重複性，求其最小能量值，即 s.t. 的最大值設為標準視窗之邊長。因為賈柏參數值的些微跳動對彩色能量值並不敏感，所以本研究將賈柏參數 值的解析度（resolution）設為1。 ? ? Min 為了使所擷取之標準規則紋路的特徵更為平滑（smooth） ，可同時擷取多個訓練視窗代表標準規則紋路之特徵。 令 表示標準紋路中第i個樣本（視窗）的彩色能量值，n個訓練視窗之目標函數可定義為 由於 為一個大於零的正值。