Prétraitement des images dans les systèmes de vision industrielle
Optimiser les données d'image et rationaliser les systèmes de vision
Le prétraitement des images est un élément central des systèmes modernes de traitement des images. Il sert à préparer de manière optimale les données d'images brutes provenant de caméras de vision industrielle pour les étapes de traitement suivantes. L'objectif est d'optimiser les informations de l'image, de nettoyer les données de l'image et, si nécessaire, de réduire efficacement la quantité de données. Les utilisateurs bénéficient d'une meilleure qualité d'image et d'une charge réduite sur le PC hôte, ce qui permet de réduire les coûts du système.
Dernière mise à jour : 12/01/2026
Qu'est-ce que le prétraitement des images ?
Le prétraitement des images désigne toutes les étapes qui influencent les données d'image avant l'analyse réelle de l'image. Des algorithmes et des processus techniques spécialisés sont utilisés directement sur la caméra de vision industrielle, dans la frame grabber ou dans le système embarqué. Le prétraitement des images optimise les données en fonction des exigences spécifiques de l'application, augmente la qualité de l'image et réduit la charge sur le PC hôte. Il est essentiel pour des solutions de traitement d'images précises, rapides et robustes.
Le prétraitement des images peut être divisé en deux catégories : nettoyage des données de l'image sans réduire la quantité de données et réduction des données de l'image.
Nettoyage des données d'image : Optimisation sans réduction des données
Le nettoyage des données d'image fait référence à toutes les étapes de prétraitement qui améliorent la qualité des données d'image sans modifier de manière significative les informations ou la taille de l'image. L'objectif est de fournir des données brutes non altérées et utilisables de manière optimale pour le traitement ultérieur de l'image.
Les méthodes typiques de nettoyage des données d'image sont les suivantes
Débayerisation :
Reconstruction de l'information sur les couleurs à partir des signaux des capteurs d'une matrice de filtres colorés.
Balance des blancs: Ajustement correct des couleurs de l'image en fonction des différentes sources de lumière ou des conditions d'éclairage.
Réduction du bruit : Réduction du bruit de l'image à l'aide d'un filtre approprié ou de méthodes de modélisation.
Amélioration de la netteté de l'image :
Augmente la netteté perçue des détails et des bords de l'image.
Correction de l'ombrage et correction du champ plat: Compensation des écarts de luminosité et/ou de couleur sur l'ensemble du champ de l'image.
Correction des pixels morts :
Rectification géométrique :
Correction des distorsions optiques (par exemple en forme de tonneau ou de coussinet), souvent au moyen de transformations géométriques telles que les mappings affines ou projectifs.
Ces étapes permettent de faire ressortir plus clairement les structures pertinentes et d'obtenir des résultats reproductibles, sans perdre les informations pertinentes de l'image.
Réduction des données grâce au prétraitement des images
Contrairement au nettoyage des données d'image, la réduction des données vise à réduire le volume des données de manière ciblée, par exemple en se concentrant sur le contenu des images qui est pertinent pour un traitement ultérieur. Cela permet d'économiser sur l'achat d'unités de calcul coûteuses telles que les CPU et les GPU, ou d'augmenter la vitesse de traitement et d'optimiser l'utilisation des ressources disponibles.
Les méthodes de prétraitement d'images permettant de réduire les données sont les suivantes :
Sélection de la région d'intérêt (ROI): Sélection automatique ou manuelle des zones d'image pertinentes pour traiter ou transférer uniquement les données d'image requises.
Compression JPEG : Réduction du volume de données grâce à la compression d'images avec perte de qualité contrôlable.
Réduction du débit binaire : Réduction de la résolution quantifiée des niveaux de gris ou des couleurs (par exemple de 12 bits à 8 bits) afin de réduire le débit de données.
L'étirement ou l'aplatissement de l'histogramme : Ajustement du contraste par la redistribution des valeurs de gris afin de mieux utiliser la plage dynamique disponible ; peut augmenter la densité de l'information, mais ne réduit pas la quantité de données en soi.
Filtrage des contenus inutiles : Suppression de zones ou de composants d'image inutiles (par exemple, arrière-plan, bruit, fréquences sans importance) avant le stockage ou la transmission.
Compression JPEG :
L'utilisation de ces méthodes permet d'augmenter considérablement le débit des données, d'éviter les goulets d'étranglement au niveau de la transmission et d'améliorer les performances de l'application. Ceci est particulièrement important pour les applications à grande vitesse ou pour les systèmes de vision embarqués dont les ressources sont limitées.
Exemples d'application pour le prétraitement des images
Le prétraitement des images est un facteur clé de l'efficacité et de la précision dans un large éventail d'applications industrielles de traitement d'images. Grâce à l'utilisation ciblée de différentes méthodes, les systèmes de vision industrielle deviennent plus efficaces, plus rapides et plus robustes.
Inspection des circuits imprimés dans la production électronique
Lors de l'inspection des circuits imprimés, les données d'image sont nettoyées afin de visualiser de manière fiable les défauts tels que les erreurs de soudure ou les courts-circuits. La suppression du bruit et l'amélioration de la netteté de l'image mettent en valeur les structures pertinentes ; l'amélioration ultérieure du contraste permet de différencier clairement les composants défectueux. La sélection ciblée du retour sur investissement signifie que seules les sections critiques sont transmises et évaluées. Cela permet de minimiser les données transmises tout en augmentant la vitesse d'inspection.
Suivi et classification des objets dans la logistique
Pour la détection et le suivi automatiques d'objets dans les centres logistiques, le prétraitement de l'image est déjà utilisé dans la caméra. Les données d'image sont débruitées au préalable, rectifiées géométriquement et, si nécessaire, converties en espace couleur. La segmentation et l'analyse des blobs sur la carte d'acquisition d'images peuvent être utilisées pour sélectionner et caractériser les colis ou les conteneurs, par exemple. La réduction des données par le transfert de zones d'objets sélectionnés augmente la vitesse et rend la classification plus précise.
Reconnaissance d'objets en robotique (pick & place)
Dans les applications "pick & place", le débayage et l'équilibrage des blancs peuvent améliorer la qualité de base de l'image de la caméra. La sélection du retour sur investissement réduit le volume de données à traiter en ne lisant que les zones pertinentes de l'image. La rectification géométrique permet de compenser les distorsions de perspective causées par l'inclinaison de la caméra. Le système robotique dispose ainsi de données d'image optimisées, ce qui augmente sensiblement la précision de la reconnaissance de la position et du point de préhension de l'objet.
Assurance qualité dans la production de cellules de batteries
Les vitesses de production élevées dans l'enduction d'électrodes de films de substrat génèrent de grandes quantités de données. En déterminant le retour sur investissement dans une carte d'acquisition d'images, seules les zones présentant des irrégularités sont localisées dans un premier temps. Seules les données d'image du retour sur investissement sont ensuite visualisées et traitées. Cela signifie que le CPU du PC peut continuer à être utilisée pour le contrôle réel du système sans charge supplémentaire.
Prétraitement des images sur les caméras Basler
Le prétraitement dans la caméra réduit la quantité de données à transmettre en compressant les données d'image. Ceci est particulièrement important lorsque les interfaces ne peuvent transférer que des quantités limitées de données ou que le système dispose d'une faible puissance de calcul.
Les caméras Basler offrent déjà un niveau de base de prétraitement tel que debayering, anticrénelage des couleurs, accentuation de l'image et réduction du bruit. Ces processus peuvent déjà améliorer de manière significative la brillance, les détails et la netteté de l'image et réduire le bruit.
Prétraitement de l'image sur la carte d'acquisition d'images
Les données d'image sont transférées de la caméra à la carte d'acquisition où elles sont prétraitées.
Un système de vision avec carte d'acquisition d'images est donc la solution idéale pour les fréquences d'images rapides et les résolutions élevées.
Les cartes d'acquisition standard offrent des fonctions telles que debayering, look-up tables et mirroring. Cependant, les cartes d'acquisition programmables offrent encore plus de possibilités.
Prétraitement d'images sur des cartes d'acquisition programmables
Utilisez des cartes d'acquisition programmables si les données d'image doivent être traitées rapidement et/ou de manière complexe avant d'être envoyées au PC. Elles sont particulièrement utiles lorsque les cartes d'acquisition standard ne sont pas suffisantes en termes de vitesse, d'interface ou d'exigences de prétraitement.
VisualApplets - Prétraitement d'images dans des applications en temps réel sur des processeurs FPGA
Nos experts FPGA utilisent VisualApplets pour développer pour vous un prétraitement d'image puissant. Des fonctionnalités telles que la compression RAW-to-JPEG, l'analyse de blob et d'autres opérateurs pour l'optimisation des images augmentent la vitesse et la robustesse des systèmes de vision.
Nettoyage des données d'image
Les erreurs de pixels, les distorsions géométriques, la dispersion de l'exposition ou les imprécisions de couleur peuvent être minimisées de manière fiable à l'aide d'une variété d'opérateurs puissants.
Réduction des données
Grâce à des processus intelligents tels que l'analyse des blobs, la compression efficace de RAW en JPEG ou le transfert des fonctions de prétraitement directement vers le FPGA de l caméra, le volume de données peut être réduit à la source.
Vous avez des exigences particulières pour votre application et vous souhaitez en discuter avec nous ? Nous nous ferons un plaisir de vous aider.
Tendances actuelles : L'intelligence artificielle (IA) rend le prétraitement des images encore plus efficace
Avec l'aide d'algorithmes basés sur l'IA, nous pouvons désormais intégrer des étapes de prétraitement d'images complexes, telles que la réduction adaptative du bruit, la détection automatique des défauts ou la segmentation intelligente, directement dans la caméra ou le matériel de bord. Les modèles de deep learning permettent d'adapter le prétraitement à des applications spécifiques de manière beaucoup plus précise - par exemple, en utilisant des filtres adaptatifs qui s'adaptent de manière indépendante aux conditions changeantes de l'environnement de production. Parallèlement, il est possible de lier plus étroitement le prétraitement et l'évaluation analytique :
Nos produits et solutions pour le prétraitement des images
Le prétraitement des images est la clé de systèmes de vision précis et efficaces. Il améliore la qualité des images, accélère les processus d'analyse et garantit un flux de travail optimisé.
Questions fréquemment posées sur le prétraitement
Le prétraitement des images comprend toutes les étapes qui optimisent les données d'images brutes provenant de caméras de vision industrielle avant l'évaluation de l'image proprement dite. L'objectif est d'améliorer la qualité de l'image, de nettoyer les données d'image et de réduire efficacement le volume de données.
Le prétraitement des images met en évidence les informations pertinentes de l'image, améliore la qualité de l'image et soulage le système de charges informatiques inutiles. Cela permet des évaluations plus précises et plus rapides et augmente la fiabilité des solutions d'automatisation.
Le prétraitement des images peut se faire directement sur la caméra de vision industrielle, dans la carte d'acquisition ou dans le système embarqué. L'architecture spécifique dépend des exigences de performance et de l'environnement de l'application.
Le prétraitement des images peut être divisé en deux domaines :
Nettoyage des données d'image :
Augmente la qualité de l'image sans perte d'informations ou de taille d'image.
Réduction des données :
Réduit le volume des données afin d'accélérer la transmission et le traitement.
Les méthodes typiques de nettoyage des données d'image sont les suivantes
Débayerisation (reconstruction des couleurs)
Balance des blancs (fidélité des couleurs en cas de variation de la lumière)
Suppression du bruit (filtre contre les signaux parasites)
Renforcement de la netteté de l'image (accentuation des détails)
Correction de l'ombrage/correction du champ plat (compensation de la luminosité/couleur)
Correction des pixels morts (correction des pixels défectueux du capteur)
Rectification géométrique (correction des distorsions optiques)
La réduction des données dans le prétraitement de l'image est effectuée par :
Sélection du retour sur investissement (ne lire que les sections d'image pertinentes)
Compression JPEG (réduction de la taille du fichier par compression)
Réduction du débit binaire (réduction de la profondeur de l'image)
Étirement et aplatissement de l'histogramme (contraste optimisé)
Filtrage du contenu non pertinent (suppression des zones d'images inutiles avant la transmission)
Les avantages du prétraitement des images sont les suivants :
Amélioration de la qualité de l'image (netteté, réduction du bruit)
Soulagement du PC hôte par des algorithmes en amont
Architecture de système rentable grâce à la réduction des données
Accroissement de la vitesse et de la fiabilité de l'ensemble du système
Un choix approprié de matériel et de logiciel, des interfaces modulaires, ainsi qu'une maintenance et un paramétrage simples sont importants. Les méthodes sélectionnées doivent fournir des résultats reproductibles et orientés vers l'application.