使用陰影校正與平場校正（FFC）實現完美的影像均勻性
高速工業自動化生產線使用多種光源和相機。此種設定通常會導致擷取影像的背景均勻性有所不同。平場校正 (FFC) 和陰影校正是機器視覺市場中常用的演算法，用以實現影像均勻性和品質。
高解析度視覺系統影像品質的挑戰
在半導體製造或其他高精度 AOI 檢測的高解析度成像中，高速工業自動化生產線通常使用多個光源與相機，這些設備可以同步或單獨觸發，以檢測微小的缺陷。然而，這種設置常導致捕捉的影像中背景均勻性變化，這種現象是不受歡迎的，因為它並非來自於目標物本身。影像瑕疵（如鏡頭暗角、相機感光元件缺陷、表面紋理不規則性以及和不均勻的光源等）會導致特徵檢測不準確、測量誤差並損及品質控制。
不同的校正算法處理不同的瑕疵
為了解決影像品質問題，各種校正算法被廣泛應用。有一些演算法專門針對感光元件相關的固定影像雜訊（FPN）加以解決，主要包括兩個層面：暗訊號不均勻性（DSNU）和光子響應不均勻性（PRNU）。其他演算法則用於解決非感光元件相關的問題，例如陰影或暗角現象。平場校正（FFC）和陰影校正在機器視覺市場中被廣泛應用，用於實現影像均勻性並提升整體影像品質。
平場校正演算法的不同版本
然而，不同的機器視覺供應商對平場校正（FFC）的解釋和使用方式各異，導致結果品質參差不齊。更重要的是，不同的應用通常有其個別需求，因此通用的解決方案往往無法滿足所有情況。
畫素級校正很適用於和感光元件相關的偽影，但需要極大儲存空間才能運作；相對的，對於光學或光源相關的問題，採用區塊式校正（將相鄰像素的小方形區域作為單位進行處理）效率更高。
低解析度感光元件在常見的視覺任務中，能受惠於更簡單、更具成本效益的 FFC 解決方案。然而，由於相機設定的儲存空間限制與缺乏彈性，高頻寬、低延遲的成像應用，將面臨固定演算法的限制。
自訂平場校正
當相機或影像擷取卡內建的固定式校正演算法不足使用時，Basler 透過具備VisualApplets 軟體的 FPGA 程式設計，提供先進且具有彈性的解決方案，帶來完美均勻的影像。除了我們現有的 FFC 演算法外，您也可以透過我們提供的額外服務和支援，彈性修改功能的細部項目，確保在您的特定應用上能有精確的 FFC 詮釋。
其他選項包括：
用於不同光源序列、曝光時間與增益幅度的多重設定
具備溫度校正的自適應模式
雜訊抑制
透過局部閾值自適應進行自動瑕疵畫素偵測/校正
序列相關選項
您可享有的好處
超越標準相機的解決方案，針對特定應用量身打造的進階、可自訂的 FFC 和陰影校正。
完全彈性，可根據您的要求進行自訂並調整功能
來自 Basler 經驗豐富團隊的專屬支援，我們精研此類先進技術長達 15 年以上
無執行階段授權成本
此方案所用產品
想實施類似的方案嗎？這些產品能有所助益。
