230715
역할 분담
-딥러닝 : One-stage detection 알고리즘을 사용하여 구현하기를 원하심(ex. YoloV8)
-영상처리 : PCB 기포 검출을 위한 적정 밝기 선정 알고리즘 구현
딥러닝 - 동빈 민석
영상처리 - 승주
230728
교수님 생각 : 촬영하여 얻은 BGR Image에서 여러 가지 특징을 관찰하고, 적절한 특징을 선정하고 이를 바탕으로 적정 밝기를 설정하는 방향. 처음 나한테 요구하셨던 것은 아래와 같이 원본 PCB 이미지 입력하면 여러 특징을 출력하는 것.
Input : PCB Original Image
Output :
1. B Grayscale Image
2. B Histogram
3. H만 뽑아낸 이미지
4. H Histogram
5. S image
6. S Histogram
7. V image
8. V Histogram
예상대로 B 채널에서는 픽셀값 0과 255로 양극화되어있는 모습을 관찰할 수 있다.
또한 PCB는 대부분 Blue 색상이므로, Hue 값은 대체로 120 근처에 분포한다.
처음엔 HSV기반 Mask와 B Channel 기반 마스크를 생각했지만, 교수님은 B Channel mask가 더 성능이 좋을 것이라고 판단하심.
(나도 B Channel 히스토그램을 보았을 때 너무 뚜렷하게 양극화 되어있기 때문에 '
B Channel 기반 Mask가 더 좋다고 생각했음. 굳이 H mask를 쓸 필요가 없다.
그리고 HSV보다 RGB가 더 익숙한 개념이기도 했음)
230801
1. B Channel Based Mask로 코팅영역 추출
How? 비코팅 영역은 UV 광원에 반응하지 않기 때문에 UV Camera로 촬영한 영상에서 비코팅 영역은 검정색임
즉 B Channel 기반으로 Binary Mask를 생성하겠다.
(ROI는 Pixel값 255로, else 0 / 지금은 코팅 영역이 ROI이므로 비코팅 영역을 0으로 설정하면 됨)
2. 코팅영역 추출 후 방해요소 제거
1) Sobel Edge
2) Hough Transform
방해요소라고 함은 PCB 영상의 평균 밝기(Pixel Average)를 측정할 때, PCB 상의 element나 글씨는 하얀색이다. 이는 평균 밝기 측정에 방해 요소로 작용하고, 이러한 방해요소들은 Edge의 세기가 비교적 높을 것이므로 Edge Detection으로 검출한 후 제거한다. (직선 혹은 원의 형태를 띌 것이다)
3. 기준 Measure(적정 밝기에 대한 기준을 내가 생각하여 기준을 정해보기)
