L'elevato costo di produzione dei cavi in ​​fibra ottica coerenti rende necessario l'utilizzo della tecnologia CIFO nelle applicazioni in cui sono richieste distanze considerevoli tra il sensore e le ottiche per l'acquisizione delle immagini.
A causa della sua incoerenza spaziale, le immagini trasmesse dal cavo appaiono come un insieme casuale di punti illuminati. Tuttavia, una volta calibrato, il CIFO può essere utilizzato per trasmettere immagini senza l'impiego di alcun componente elettronico.


L'elemento utilizzato per visualizzare le immagini di ingresso nel dispositivo sperimentale che esegue questa calibrazione è uno schermo LCD a pannello piatto. Per ovviare al problema dell'aberrazione cromatica generata dal dispositivo ottico composto da lenti convenzionali, vengono utilizzati dei diaframmi. Questi diaframmi hanno l'ulteriore effetto di ridurre la luce emessa, risolvendo così anche il problema della saturazione del CCD nella telecamera. Sfortunatamente, ciò si traduce in un'illuminazione non uniforme nelle immagini di uscita, creando rumore nelle immagini ricostruite.
Questo articolo presenta e confronta tre metodi per correggere l'illuminazione non omogenea presente nel sistema, utilizzando il CIFO e la sua successiva calibrazione, mostrando i risultati ottenuti con ciascun metodo.
Parole chiave: Trasmissione di immagini, cavo in fibra ottica incoerente, correzione dell'illuminazione non omogenea. 

Esistono numerose applicazioni che richiedono l'acquisizione di informazioni statiche o dinamiche da un ambiente. Ottenere informazioni sull'ambiente stesso o sul suo contenuto consente un intervento rapido in caso di eventi imprevisti. A tale scopo vengono utilizzati molti sistemi di ispezione basati su tecniche di visione artificiale, che richiedono un certo livello di qualità visiva.
Tuttavia, in alcuni casi, l'uso di telecamere convenzionali non è possibile, principalmente a causa di problemi di accessibilità o ambienti pericolosi in cui non è possibile utilizzare segnali elettrici o sistemi elettronici. Esempi di tali ambienti includono ambienti corrosivi, serbatoi di acidi e idrocarburi, ambienti nucleari, ecc. In questi casi, diventa necessario trovare un'alternativa per l'acquisizione delle immagini. L'uso della tecnologia a fibra ottica per la trasmissione di immagini [1, 2] ha suscitato un interesse relativamente recente. La trasmissione in fibra ottica offre vantaggi rispetto ad altri mezzi, come l'immunità alle interferenze elettromagnetiche.


Un'alternativa per la trasmissione delle immagini è l'utilizzo di cavi in ​​fibra ottica coerenti, nei quali viene mantenuta la correlazione spaziale tra ciascuna fibra. Questi vengono utilizzati su brevi distanze per le endoscopie in medicina. Con questo tipo di cavo, qualsiasi immagine a un'estremità del cavo viene trasferita direttamente all'altra estremità, consentendo l'utilizzo di questa tecnologia nella gamma del visibile [3, 4]. Tuttavia, i cavi in ​​fibra ottica coerenti sono considerevolmente costosi e hanno applicazioni pratiche limitate. Per superare questo inconveniente, è stato proposto l'utilizzo di cavi in ​​fibra ottica incoerenti (IFOC) [5, 6]. Gli IFOC non presentano correlazione spaziale tra le fibre. Pertanto, è necessaria una calibrazione prima del loro utilizzo per la trasmissione delle immagini, stabilendo una relazione tra le posizioni dei punti di ingresso e di uscita, che consente la ricostruzione delle immagini ottenute in uscita [5, 6, 7].


Nel nostro caso, per la fase di calibrazione e la ricostruzione delle immagini di output, l'immagine di input viene proiettata sul CIFO (Central Optical Fiber Optic) e la sua uscita sul sensore CCD. I diaframmi sono necessari per migliorare la definizione delle immagini trasmesse riducendo le aberrazioni, che causano l'attenuazione della luce trasmessa. Questo problema di aberrazione cromatica si verifica perché le diverse lunghezze d'onda della luce non convergono in un unico punto quando attraversano lenti diverse. Di conseguenza, la luce si scompone attorno agli oggetti luminosi (questo fenomeno potrebbe essere corretto anche aggiungendo lenti o vetri speciali). Il sistema ottico, combinato con il fatto che la fibra ottica trasmette il 60% di ciò che riceve in ingresso, produce un'immagine di output con perdite di illuminazione non omogenee, che generano rumore nelle immagini ricostruite. Per migliorare
questa trasmissione dell'immagine, vengono proposti e confrontati diversi metodi per correggere l'illuminazione non omogenea risultante.

Principio di funzionamento:
Innanzitutto, e prima della correzione dell'illuminazione, viene selezionato un metodo di calibrazione CIFO proposto e descritto in [5, 6]. In breve, questo metodo consiste nel proiettare un blocco di pixel bianchi su uno sfondo nero come immagine di ingresso, che viene poi proiettata sul piano di ingresso del CIFO. In uscita, l'immagine risultante viene proiettata sul piano del CCD dove viene acquisita. Per ogni posizione del blocco di pixel bianchi, si ottiene un insieme di fibre illuminate in uscita. Viene quindi creata una tabella di consultazione che registra le coordinate delle fibre illuminate in corrispondenza con le coordinate del blocco di pixel. Una volta ottenuta questa tabella di consultazione, l'immagine di uscita può essere ricostruita calcolando il valore medio delle fibre illuminate da una data posizione.
I tre metodi descritti nelle sezioni seguenti trattano ciascun pixel delle immagini di uscita, presupponendo che l'illuminazione non sia omogenea. L'illuminazione non omogenea presente nel sistema è illustrata nella Figura 1. Viene rappresentata la risposta all'uscita del cavo quando viene inviato un livello di grigio uniforme all'ingresso.

 

 

 

 

 

 

Correzione mediante un fattore moltiplicativo.
Il principio di funzionamento del primo metodo proposto consiste nell'emettere un'immagine bianca come input e calcolare, per ogni pixel e per ogni componente di colore, un fattore moltiplicativo che corregge il livello di intensità per quel pixel, riportandolo al valore 255 (il valore del bianco). Pertanto, per ogni pixel i, si ottiene quanto segue:

a (i).Routage (i) = Rentrada (i) = 255
aG (i).Goutage (i) = Gintrade (i) = 255 (1)
aB (i).Boutage (i) = Bintrade (i) = 255

Dove a è il fattore moltiplicativo per ciascuna componente R, G e B (rosso, verde e blu).
Per correggere l'illuminazione di un pixel i nelle immagini di output successive, ogni componente di colore viene moltiplicata per il suo valore a associato.

Correzione tramite lo spazio colore YIQ.
Lo spazio colore YIQ (I sta per "in fase" e Q per "quadratura"), come lo spazio colore RGB, è rappresentato da una matrice tridimensionale. A differenza dell'RGB, presenta le informazioni sul colore separate da quelle sulla luminanza. La prima matrice corrisponde alla luminanza, mentre le altre due contengono informazioni sul colore chiamate crominanze. Lo spazio YIQ era lo spazio colore utilizzato nei televisori standard NTSC. La matrice di luminanza contiene valori compresi nell'intervallo [0, 1].
Per modificare l'intensità del colore di un pixel, e quindi influenzare la luminanza, il valore di luminanza viene elevato a g. Questa variabile g viene calcolata secondo le seguenti equazioni:

g = 1-b, se 1 > b > 0
(per un'immagine più luminosa).
g = 1
1+b , se -1 < b < 0 (2)
(per un'immagine più scura).

Per correggere l'illuminazione non omogenea, il valore della variabile b(i) viene scelto come la differenza tra 1 e il valore di intensità di un pixel nella matrice di luminanza (valori nell'intervallo [0, 1]) dello spazio colore YIQ. Il nuovo valore del pixel i viene calcolato elevandolo alla potenza
g(i), come mostrato nel seguente sistema di equazioni.

Rcorretto(i) = Routput(i)g(i)
Gcorretto(i) = Goutput(i)g(i) (3)
Bcorretto(i) = Boutput(i)g(i)

È quindi possibile aumentare l'illuminazione applicando lo stesso valore g all'intera immagine.

Correzione assistita dalla calibrazione dell'illuminazione:
il terzo metodo consente di correggere l'immagine di output utilizzando le informazioni ottenute dopo una fase di calibrazione dell'illuminazione. Il processo di calibrazione è il seguente:

• Innanzitutto, viene generata un'immagine uniforme da inviare in ingresso. Ogni immagine di input generata è composta da un singolo livello di grigio (con livelli equispaziati tra 0 e 255).
• Per ogni pixel, ogni componente di colore e ogni immagine di output, il valore di output viene correlato con il valore di input omogeneo.
• Una volta completato il processo, è disponibile un registro indipendente per ogni pixel e per ogni componente dello spazio colore RGB, che mette in relazione il valore di tale componente in ingresso con il valore di output.
• Per ciascuno di questi registri, viene eseguita un'approssimazione polinomiale della funzione risultante.
• I coefficienti risultanti vengono memorizzati in una matrice di correzione.

Questa calibrazione per ogni singolo pixel è rappresentata dalla Figura 2. Ogni figura mostra i valori di output per un dato livello di grigio sull'asse x e il numero dell'immagine corrispondente a quel livello di grigio sull'asse y (in questo caso, vengono utilizzate 20 immagini. La prima corrisponde a un'immagine nera, l'ultima a un'immagine bianca). La Figura 2(a) rappresenta le risposte misurate, mentre le Figure 2(b), (c) e (d) sono approssimazioni della Figura 2(a) ottenute rispettivamente con una retta, un polinomio di secondo grado e un polinomio di terzo grado.
Per correggere l'illuminazione non omogenea, il nuovo valore di ciascuna componente di colore del pixel i viene calcolato utilizzando i polinomi calcolati in precedenza; ovvero, nel caso di un'approssimazione con una retta (Fig. 2(b)), risolvendo le seguenti equazioni:

aR (i).XR + bR (i) - Rout (i) = 0
aG (i).XG + bG (i) - Gout (i) = 0 (4)
aB (i).XB + bB (i) - Bout (i) = 0


La correzione viene finalizzata regolando il nuovo valore X = 255 x X/numero_di_immagini_di_input; se X > 255, viene regolato il valore 255, e se X < 0, viene regolato il valore 0.
Risultati sperimentali
Una volta acquisita l'immagine all'uscita CIFO, viene corretta l'illuminazione non omogenea e quindi viene applicato il processo di ricostruzione [5, 6]. I risultati ottenuti sono mostrati nella Figura 3, che visualizza l'immagine originale, l'immagine ricostruita senza correzione dell'illuminazione e l'immagine ricostruita corretta per l'illuminazione: utilizzando un fattore moltiplicativo, utilizzando lo spazio YIQ con successivo aumento dell'illuminazione (g = 0,6) e utilizzando la calibrazione dell'illuminazione approssimando una linea, rispettivamente nelle Figure 3(a) a (e).
Conclusioni
Come si può vedere nella Figura 3, il metodo più efficiente è la calibrazione dell'illuminazione (in particolare con un'approssimazione di primo grado). In effetti, come si può osservare nella Figura 3(e), rispetto alla ricostruzione senza correzione dell'illuminazione, questo metodo riduce significativamente il rumore e ripristina i colori originali. Tuttavia, il metodo che utilizza lo spazio colore YIQ ha il vantaggio di un tempo di elaborazione molto più breve (con MATLAB®: 1,6 secondi contro 20 secondi per la correzione tramite calibrazione dell'illuminazione), ma, sebbene riduca il rumore dell'immagine, ha l'effetto di attenuare i colori. Infine, il metodo che utilizza un singolo fattore moltiplicativo si colloca tra gli altri due metodi in termini di tempo di elaborazione, ma non riduce significativamente il rumore; al contrario, ne modifica la tonalità.
In definitiva, questo metodo di correzione dell'illuminazione non omogenea potrebbe essere implementato da molte altre applicazioni che utilizzano telecamere, in particolare in ambienti bui o quando è necessario ripristinare le informazioni sul colore.

 

Maggiori informazioni o un preventivo

 

Ringraziamenti
Questo lavoro è stato parzialmente supportato dal progetto spagnolo SILPAR (Sistema per la localizzazione e il posizionamento assoluto di robot. Sviluppo di uno spazio intelligente), Programma nazionale per il design industriale e la produzione, Ministero della Scienza e della Tecnologia, rif. DPI 2003-05067, e dal progetto regionale TIFO (Sistema sensoriale per il rilevamento e la trasmissione di immagini tramite fibra ottica per lo sviluppo di uno spazio intelligente) della Comunità di Madrid, rif. GR/MAT/0720/2004.
Riferimenti
[1] VI Bovrinev, Jung-Young Son, Seong-Keun Lee, "Metodo di multiplexing spettrale bidimensionale per la trasmissione diretta di immagini attraverso una fibra ottica", Opt. Eng., 36, 1, 15-21, 1997.
[2] CE Dionne, RA Gonsalves, "Imaging ottico incoerente attraverso una sottile guida d'onda a lastra", Opt. Eng., 39, 9, 2392-2396, 2000.
[3] Smith JS, Lucas J., “Un sistema di tracciamento della saldatura basato sulla visione per la saldatura TIG di piastre di testa”, J. Phys. E. Sci. Instrum., 22, 435-440, 1989.
[4] Gamo, J; Horche, PR; Merchan, M.; Rodriguez, M. e Rosales, P, “Un sistema basato su reti neurali per il riconoscimento di pattern attraverso un fascio di fibre ottiche”, Proc. SPIE, 4305, pp. 119, 2001.
[5] J. Gamo, O. Demuynck, Ó. Esteban, JL Lázaro, A. Cubillo, “Calibrazione di un fascio di fibre ottiche incoerenti per la trasmissione di immagini”, Proc. IADAT, 2005.
[6] O. Demuynck, Ó. Esteban, JL Lázaro, J. Gamo, Á. Cubillo, “Trasmissione di immagini tramite un fascio di fibre ottiche incoerenti”, Proc. OPTOEL'05, 2005.
[7] MJ Tsai, JS Smith, J. Lucas, “Calibrazione multifibra di fasci di fibre ottiche incoerenti per la trasmissione di immagini”, Trans. Inst. MC, 15, 5, 260-268, 1993.

Biografie degli autori

 

Olivier Demuynck ha conseguito la laurea in Ingegneria Informatica presso l'ISIMA (Institut Supérieur en Informatique, Modélisation et ses Applications) di Clermont-Ferrand, in Francia, nel 2001. Attualmente sta svolgendo un dottorato di ricerca presso il Dipartimento di Elettronica dell'Università di Alcalá. La sua ricerca si concentra sulle discipline della visione per la robotica, degli spazi intelligenti, dell'elaborazione di immagini e segnali, della ricostruzione tridimensionale tramite viste multiple e dell'ottica.

José Luis Lázaro ha conseguito la laurea in Ingegneria Elettronica e delle Telecomunicazioni presso il Politecnico di Madrid rispettivamente nel 1985 e nel 1992, e il dottorato di ricerca in Telecomunicazioni presso l'Università di Alcalá nel 1998, dove attualmente è professore. La sua ricerca si concentra su sistemi di sensori e laser per la robotica, infrarossi e visione artificiale applicati agli spazi intelligenti e metrologia monoculare.

Oscar Esteban ha conseguito la laurea triennale in Fisica e il dottorato di ricerca in Fisica, con specializzazione in ottica avanzata, presso l'Università Complutense di Madrid rispettivamente nel 1997 e nel 2001. Attualmente è professore presso il Dipartimento di Elettronica dell'Università di Alcalá. I suoi principali interessi di ricerca riguardano i sensori a fibra ottica e l'optoelettronica applicata agli spazi intelligenti.

Daniel Pizarro ha conseguito la laurea in Ingegneria delle Telecomunicazioni presso l'Università di Alcalá nel 2003. Dal 2003 al 2005 è stato ricercatore presso il Dipartimento di Elettronica della stessa università. Dal 2005 ricopre la carica di professore assistente nello stesso dipartimento. La sua ricerca si concentra sulle discipline della visione artificiale, degli spazi intelligenti, della teoria dell'ottimizzazione, della ricostruzione tridimensionale da prospettive multiple, del SLAM visivo e della teoria del controllo.

Javier Gamo ha conseguito la laurea in Fisica presso l'Università di Saragozza e il dottorato di ricerca in Scienze presso il Politecnico di Madrid, rispettivamente nel 1993 e nel 2000. Nel 2000 è entrato a far parte del Dipartimento di Ricerca e Sviluppo della Zecca Reale Spagnola (Fábrica Nacional de Moneda y Timbre - Real Casa de la Moneda). Da allora, collabora anche come professore associato presso il Dipartimento di Elettronica dell'Università di Alcalá. I suoi principali interessi di ricerca riguardano la sicurezza ottica di documenti di valore e di identificazione.

 

Autori:

O. Demuynck, JL Lázaro, Ó. Esteban, D. Pizarro, J. Gamo

Dipartimento di Elettronica, Scuola Politecnica Superiore,

Università di Alcalá. Campus Universitario, s/n

28871 Alcalá de Henares (Madrid-Spagna).

E-mail: Questo indirizzo email è protetto dagli spambot. È necessario abilitare JavaScript per visualizzarlo.