Ezen fejezet a kamerák által elkészített képek utját mutatja, egész addig amíg az ipari képfeldolgozás számítógépei el nem kezdik a konkrét méréseket. Bemutatjuk mitől válik színessé egy kamera, mire jó a több CCD, miért más az emberi és a számítógépes látásmód. Míg az előző kamerákról szóló fejezet kifejezetten azok hardveres felépítését tárgyalta, ezen fejezeten belül már keveredik a szoftver és a hardver. A továbbiakban CCD kamerákról beszélünk ha nem azt külön megemlítjük.
Képkiolvasási és képkészítési módok
A kép készítés módját illetően két módszer létezik, az interlace és a non interlace. A hagyományos kamerák a képet két részletben készítik és két részletben olvassák ki a CCD-ből ez az interlace mód. Egyszer a páratlan sorokat olvassák ki majd a következő ütemben a páros sorokat. A így kiolvasott képeket nevezik félképeknek. Ez olcsóbb kamerákat tesz lehetővé, mivel az elektronika lényegesen egyszerűbb. A gond mindezzel az hogy a két félkép elkészítése között eltelik egy bizonyos idő, tehát a két félkép nem ugyanazt az időpillanatot mutatja.
A másik lehetőség a non interlace üzemmód ahol a két félkép egyszerre készül el ugyanabban az időpillanatban. Az olcsóság jegyében vannak eszközök amelyek a képet ugyan egyidőben készítik azonban azok kiolvasását már két félképre bontva végzik el. A két külön pillanatban készült félkép problémája ugyan megoldódott de a képtovábbításé még nem. Ezért a komolyabb eszközök a képet nemcsak egyszerre készítik hanem egyetlen képként (ezt nevezzük frame-nek) küldik tovább a számítógépnek.Ezt nevezzük progressive scan-nek.
Az Amivision Kft. kizárólag progressive scan-el működő kamerákat alkalmaz az ipari képfeldolgozásban.
A felső képen egy mozgás közben lévő tárgy interlace tehát félképes üzemmódban készült képét, a másik képen ugyanazon tárgy progressive scan-es üzemmódban készült képét láthatjuk. A látott képek alapján nem hiszem, hogy magyarázatra szorulna az egyes pixelek képkészítésének ugyanazon időben történő fontossága. Félképes kamerák az ipari képfeldolgozásban még ma is léteznek. Az Amivision nem használ ilyeneket. A problémát úgy oldják fel, hogy csak az egyik félképet használják, a másikat egyszerűen eldobják. Ennek ára, hogy a kamera felbontásának felét használják a másik fele kidobásra került. Adott pl. egy 640×480 pixeles félképes kameránk. Egy félkép 640×240 pixel a másik félkép szintén 640×240 pixel amit el kell dobni mivel más időpillanatban készült a benne lévő információ. Kétségtelen, hogy a félképes kamerák a legolcsóbbak, de ha figyelembe vesszük, hogy elveszítjük a felbontásának felét, már nem is annyira olcsó.
Kiolvastuk a képet a kamerából valamilyen interfészen keresztül. Az interfészekkel itt külön nem foglalkozunk, vannak olcsó interfészek, amelyek lassúak és bizonytalan a képtovábbítási idő, vannak drágább interfészek amelyek gyorsak és garantált a képtovábbítási idő. Vannak digitális és még vannak analóg interfészek is, bár ezek egyre ritkábbak. Minden alkalmazáshoz ki kell választani a a legmegfelelőbbet, bár igen nagy a nyomás az olcsó interfészek irányába mivel az interfészek között az árkülönbség néhány ezer EURO is lehet. Meg kell érteni nem lehet minden alkalmazáshoz a legolcsóbb interfészt alkalmazni, mivel nem fogja tudni teljesíteni a követelményeket ami végül a kamera használhatatlanságához fog vezetni, mivel a kamerát azért telepítik, hogy minden terméket megvizsgáljon, vagy a termék minden részletét megvizsgálja nem csak minden másodikat harmadikat. (ugyanez a jelenség ha nem elég nagy a számítógépes teljesítmény)
Színes kamerák
Kifejezetten színes fényérzékelő chip nem létezik, a mai chip-ek mind monokromatikusak. A színekhez legalább három alapszín érzékelésére van szükség általában piros, zöld, kék (RGB) amelyek keveréséből előállítható a többi szín. Hogy mitől lessz mégis színes egy kamera? Attól, hogy az egyes pixelek elé színszűrőket helyezünk, és a színszűrő mindig csak az adott hullámhosszúságú fényt vagyis színt engedi tovább a CCD-re. A CCD így is szürkeárnyalatos képet készít azonban ismervén melyik pixel előtt milyen színszűrő volt a továbbiakban már elektronikusan előállíthatók a színek. A színes kamera elvét a Kodak fejlesztette ki 1976-ban és lényege a minden pixel elé helyezett színszűrő. Ez egy darab egység amelyet CFA-nak vagyis Color Filter Array-nak neveztek el. A színszűrők elrendezési mintája különböző lehet, az alábbiakban a legelterjedtebb módszert mutatjuk be.
Bayer interpoláció
Mivel szemünk a zöld színre a legérzékenyebb, így általában zöld-piros-zöld-kék a színszűrők elrendezése. A feldolgozás alatt ezekből az alapszínekből kerül kiszámításra egy adott pixel tényleges színe (több-kevesebb sikerrel), ezt nevezzük demozaik eljárásnak (vagy De-Bayer interpolációnak). Ennek alapján, ha viszonylag monokromatikus fényben fotózunk, akkor a képeink felbontása erősen csökkenni fog, hiszen ha például kizárólag kék fényben fotózunk, akkor a gép teljes felbontásának mindössze negyede áll rendelkezésünkre. Optimális esetben a valós pixelszám kb. 65%-a hordoz érdemi információt. A CFA-nak többféle megvalósítása is létezik. Vannak cégek, akik más színeket használnak vagy pl. a Bayer szűrők továbbfejlesztésével a Kodak már három szín és egy színszűrő nélküli pixelt is használ.
Az ipari képfeldolgozásnál maradva, elég ha annyit, megjegyzünk, színes kamera nincs, csak színszűrők vannak, és mesterségesen előállított színek. Az ipari képfeldolgozásban mérések céljára az 1CCD-s színes kamera már ott alkalmatlanná vált, hogy a teljes pixelszám megoszlik a három alapszín között vagyis a kamera valós felbontása csak 1/3-ad része a a papíron megadott adatnak, és ebből kifolyólag az elérhető mérési pontosság is a harmada papíron szereplő értéknek. Amennyiben az 1CCD-s színes kamerát tárgyak színeinek megkülönböztetésére szeretnénk használni teljesen tökéletes választás. A fekete fehér és az 1CCD-s színes kamerák árai között jóformán semmi különbség nincs. Meg kell jegyezni, hogy a szín detektálását célzó feladatok jelentős része nem finom részletekre hanem egyszerűen valami színének a meghatározását célozza meg, így a szín detektálások esetében gyakrabban használunk ipari kivitelű színes CMOS kamerákat mint színes CCD kamerákat. Egyszerűen azért mert nagyon sokkal olcsóbbak, viszont azt hogy valami piros, kék vagy sárga ugyan úgy meg lehet állapítani velük.
Az 1 CCD-s színes kamera tehát nem metrológiai célokat szolgál az ipari képfeldolgozásban. Vannak esetek amikor viszont részletes rajzolatok, különböző színek és mérések elvégzését kell egyszerre elvégezni. Az esetek nagyobbik részében a feladat relatív olcsón megoldható, egy fekete-fehér és egy színes kamerával, és a szoftverek majd eldöntik, melyik kameráról milyen részletet ellenőríznek. Vannak esetek amikor ezen kombináció nem működik, ilyenkor jönnek a több CCD-s kamerák. Most illene a 3CCD-s színes kameráról beszélni ahol külön CCD van mindhárom alapszínre így nincs felbontás vesztés vagyis ugyanolyan pontosan képes mérni mint egy fekete-fehér kamera és ráadásul még a színeket is ismeri, bár ennek megkérik az árát. Az ipari képfeldolgozásban a 3 CCD-s kamerák alkalmazása relatív ritka ennek fő oka a magas ár. Aki eddig végigolvasta a fejezeteket az már rájöhetett, kamerából rengeteg fajta van, és rengeteg műszaki színvonal, a 3CCD-s kameráknál is az ipari képfeldolgozásra alkalmas kamerákat értjük a használható vagyis méréstechnikai célokat szolgáló kamerák alatt. (Főleg nyomdákban alkalmaznak 3CCD-s kamerákat elsősorban vizuális megjelenítésre, ezek szép képet adnak vizuális folyamatmegjelenítés céljára vannak gyártva). Nagyobb jelentősége van a több akár 5 CCD-s kameráknak, ahol a CCD-k szabadon tetszés szerint cserélhetőek, Pl. az egyik CCD lehet hagyományos monokróm, a második lehet színes(Bayer vagy akár egyszínű) a harmadik lehet infra, a negyedik UV érzékeny és így tovább, vagy akár használhatunk, 4, vagy 5 különböző szín érzékenységű CCD-t ugyanis minél több az alapszín annál pontosabban lehet visszaadni a színes részleteket. Az áruk egyelőre csillagászati bár lényegében követi a beépített CCD-k számát.
Minekután már azt is tudjuk, hogy valójában nem létezik színes kamera, térjünk át a képek manipulációjára.
A kamerából a CCD által érzékelt különböző intenzitású jelek érkeznek, és biztosak lehetünk benne egy ipari képfeldolgozó kameránál az intenzitás változás biztosan lineáris. Minekután a jelek beléptek a számítógépbe, keresztül mennek egy újabb intenzitás megfeleltetésen, és ez a Look Up Table-ben van.
LUT (Look Up Table)
A LUT nem más mint a kameráról beérkezett intenzitás változások újbóli átrendezése. A bal oldali ábrán látható néhány diagram. Az X tengelyen a CCD-ről beérkezett intenzitás értékek szerepelnek, az Y tengelyen az abból mesterségesen létrehozott intenzitás értékek egy általunk tetszés szerint kreált grafikonnak megfelelően. Az esetek 99,9%-ban a LUT egy egyenes, tehát a kamera által szolgáltatott intenzitás értékeket használjuk, azonban vannak esetek amikor a szükséges információ ugyan a képen van de a nagy intenzitású (fényes) részek, vagy épp a kis intenzitású (sötét részek) elnyomják, nehezen detektálhatóvá teszik a számunkra fontos információt, vagy akár használhatjuk pl. háttér kiegyenlítéshez stb.
A fenti képen LUT módosításával láthatjuk ugyanazon kép változásait. Az első lineáris LUT-al megjelenített kép az eredeti kamera intenzitásnak megfelelő a többi mesterségesen manipulált intenzitásértékkel, vagyis a LUT függvényének változtatásával.
Bármennyire is impozánsak a képek a LUT nem csodaszer, ugyanis csak azon információkat képes megjeleníteni amik a képen már eredetileg is rajta vannak, plusz információval nem szolgál. A 8 bites kameráknál a 256 szürkeárnyalatba tömörített információból olyan sok elveszik, hogy a LUT szinte használhatatlan, nem is alkalmazzák csak a lineáris függvényét vagyis a kamera eredeti intenzitás értékeit. Ahogy a kép intenzitásának felbontása nő, úgy finomabb és finomabb részletek is megjelennek. Ránézésre főleg nagyítás nélkül ezen plusz információk jórészt láthatatlanak maradnak az emberi szem számára(főként azért mivel az emberi szem nem képes 256-nál több szürkeárnyalat megkülömböztetésére, a számítógépek számára ellenben láthatóvá válnak azonnal). A LUT módosításával ezen részletek kiemelkednek és korábban soha nem látott módon válnak láthatóvá.
Összefoglalva a LUT lényegét, a képen rejtve maradt intenzitás információkat képes megjeleníteni.
A LUT-ról még tudni kell nem ki, vagy bekapcsolható, a LUT-on minden kép keresztül megy amely a kamerából érkezik. A beérkezett képet már a LUT után láthatjuk, és csak akkor láthatjuk az eredeti kameraképet ha a LUT függvénye lineáris (a ábra).
Az ipari képfeldolgozásban nem a képmanipulációkon keresztül vezet az út, elsősorban használjunk megfelelő megvilágítást, és ha a megvilágításon már sehogyan sem tudunk javítani, jöhetnek a képmanipulációs eljárások. Képmanipulációs eljárásból rengeteg van, nem célünk bemutatni mindegyiket csupán az általánosabbak közül néhányat.
Hisztogramkiegyenlítés
Ennek első lépéseként egy ún. komulatív hisztogramot kell készíteni. Ebben minden egyes intenzitásértékhez hozzárendeljük azoknak a pixeleknek a számát, melyek fényessége kisebb vagy egyenlő annál. Pl., ha 0-ás intenzitású pixel 103 van, 1-es 56, 2-es 77, stb. akkor a kumulatív hisztogram a következő: 0-hoz 103, 1-hez 103+56=159, 2-höz 103+56+77=236 stb. pixelszám tartozik. A következő lépésben ezt össze kell hasonlítanunk egy ideális komulatív hisztogrammal, ahol minden intenzitásértékből egyenlő számú pixel van. Ha a kép 192×165, vagyis 31680 pontból áll, és 4096 árnyalat van, akkor átlagosan egy intenzitásértékhez 31680 / 4096, vagyis hozzávetőleg 8 pixel tartozik. Az ideális komulatív hisztogramban tehát a 0-hoz 8, az 1-hez 16, a 2-höz 24, stb. pixelszám tartozik. Az eredeti képen a 0 árnyalatú, vagyis teljesen fekete pontokból 103 volt, ezt a pixelszámot a normált hisztogramban a 13-as intenzitásnál találjuk, tehát az eredetileg teljesen fekete pontok most 13-as intenzitásúak lesznek, az 1-es intenzitásúak 20-as fényességgel, a 3-asok 30-as értékkel, stb. jelennek meg.
Ez nagyon tudományosan és érthetetlenül hangzik, azonban lényege, hogy úgy világosítunk ki (vagy épp sötétítünk el) vagyis teszünk láthatóvá apró képrészleteket, hogy nem az egész képet világosítjuk hanem csak annak egy részletét. Az eredménye hasonló mint a LUT-nál azonban ezt képről képre minden esetben meg lehet csinálni. Amíg a LUT előtti képet vagyis az eredeti kameraképet nem látjuk csak a LUT által korrigáltat, itt minden esetben visszatérhetünk az eredeti képhez. Lényege, hogy a képen nem látható részleteket megjeleníti, értelemszűen, ha az adott részlet egyáltalán a képen van, csak épp nem látható.
Aritmetikai műveletek
Bár nehéz a képtől elvonatkoztatni de a digitális képek gyakorlatilag számok sokasága egy tömbön belül, a megjelenítés teszi őket képpé, ebből következik, hogy bármilyen tömböt vagy számsort meg lehet képként jeleníteni. A képeken így bármilyen aritmetikai műveletet elvégezhetünk, pl.: négyzetre emelés, gyökvonás, logaritmikus és exponenciális átalakítások stb.
Iterációs eljárások
A kép tartalmát figyelembe vevő eljárások soklépéses, folyamatosan korrigáló, úgynevezett iterációs eljárások. Ennek a folyamatnak azonban valahol véget kell vetni egy majdnem stabil eredmény kivárásával (konvergencia), vagy egy bizonyos idő után a folyamat egyszerű lezárásával, különben soha nem lessz vége.
Közvetlen szomszédok transzformáció
Szomszédsági (függőségi) modellek: A bal oldali ábrán egy képpont értéke négy közvetlen szomszédjával áll kapcsolatban Az egyes képpontokat a szomszédjaik “majdnem jellemzik”. Ez azt jelenti, ha egy képpont értékét (színét)”elfelejtjük”, akkor (többé-kevésbé) helyettesíthetjük szomszédjainak az átlagával vagy a szomszédságában leggyakoribb értékkel. Ez a pótolhatóság lehet rövid távú, ha finom vonalról van szó, és lehet hosszú távú, ha egy nagyobb, homogén,”egynemű” területet vizsgálunk. Ez adja a kép statisztikai szerkezetét. Sérült vagy zajos kép esetén a javítgatáskor nem tudunk biztos ajánlást tenni, de nagy valószínűséggel megbecsülhetjük a kérdéses képpontot. Mint látjuk, ez a becslés a képpontot tartalmazó részlet átfogó tulajdonságaitól függ. Egy kép felépítésében egy képpont valahogyan függ a szomszédjaitól, azok is függenek az ő szomszédjaiktól, stb. Ez a függés lehet közvetlen (direkt), például amikor a képet egy rosszul fókuszált optika torzítja, és az apró, finom részletek a környezetüktől függően elmosódnak. Ezt a hatást konvolúciós elkenődésnek nevezzük. Más esetekben ez a függés véletlenszerű. Ilyenkor a képpontok statisztikailag valamennyire a szomszédjaiktól függenek (bár közöttük közvetlenül nincsen egyértelmű kapcsolat), és így minden pont minden másiktól függ a szomszédokon keresztül. A szomszédsági kötődésben egy képpont különböző “vegyértékű” lehet: kötődhet 4, 8 vagy 12 környezetbeli képponthoz is. Tőlük valamilyen módon függ, de másoktól közvetlenül már nem.
Ezt a függőséget használják ki a kameragyártók is a halott képpontok eltüntetésére, amikor is a beépített elektronika számolja ki a szomszéd pixelek értékeiből a halott pixel feltételezett értékét és helyettesíti az be. A halott pixel kiegyenlítés nem tesz plusz információt a képhez, csak a benne lévőt használja. Minden egyes halott pixellel információ veszik el a képről ami nem hozható vissza. Nem győzzük eleget hangsúlyozni mennyire fontos a kamera minősége.
Konvolúciós szűrők
A képek utólagos élesítésének, elmosásának lehetősége. Az ún. konvolúciós szűrések során a kép minden egyes pontjához egy új intenzitásértéket rendelünk, figyelembe véve az adott pont környezetét. Hogy ezt milyen mértékben tesszük, azt az ún. konvulúciós mátrix határozza meg. A konvolúciós szűrők között megkülönböztetünk alul- és felül áteresztő típusokat. Alul áteresztő szűrők a képek elkenésére, a zajok enyhítésére alkalmasak. A felül áteresztő szűrők alkalmazása a gyors változásokat emeli ki, így enyhén homályos képek élesítésére használhatók.
Ennyi fáradozást követően eljutunk végre oda hogy a képen lévő információval is foglalkozhatunk, és kezdődhet a valódi feladat a képfeldolgozás.
A következőkben a képfeldolgozás folyamata következne, ami nem más mint matematika, ezért helyette inkább néhány fontos vagy érdekes tudnivalót teszünk közzé.
A vetület
A matrix kamera mindig vetületet képez le, vagyis a kamera pozíciójától, függően a látott sík mindig torzul, mivel vetület. Egy kamerás rendszer szinte már annál a kijelentésnél el van rontva, hogy a kamera merőlegesen néz majd a tárgyra. Annak az esélye, hogy mechanikailag a tárgy és kamera egymásra merőleges legyen, általában a véletlen műve, vagy egy nagyon stabil komoly mechanikai szerkezeté. Ennek az esélye nulla, hogy egy egyszerű pl. zártszelvényes mechanikai szerkezeten ez megvalósul. Ez a kamerarendszerek általános hibája, és gyakran ez teszi őket használhatatlanná. Azt tapasztaljuk, hogy egyszerű kamerás rendszereknél, nem szokás ezen problémával foglalkozni, mivel a rendszer úgysem képes tenni ellene semmit, pedig létezik rá megoldás. A bal oldali képen látható amint a kamera tengelye nem merőlegesen érinti a fényképezni kívánt síkot. Két dogot kell figyelembe venni, az egyik, hogy a kép alja és teteje a síktól nem ugyanazon távolságra van ebből kifolyólag, mint azt az optikáknál láttuk nem ugyanazon méreteket mér a kép alján és a tetején. (Egy bizonyos különbségen túl, már az optika sem képes egyformán fókuszálni a kép különböző részeire, és ebből újabb problémák adódhatnak. )A másik probléma, hogy a vetület miatt, a kép egésze torzul. (Pl. egyszerűen ez mit jelent. vegyünk a szemünk elé egy ceruzát, tartsuk a ceruza tengelyét merőlegesen a szemünkre, majd döntsük el a ceruzát, bár agyunk ezt valamelyest kompenzálni fogja, a térlátásunk miatt, de végeredményként a ceruzát mégis rövidebbnek látjuk, mint az első esetben.) Maradva a fenti ceruzás példánál. egy 20cm-es ceruza, 5 fokkal történő megdöntése (ami igazán nem sok) miatt már közel 1mm-el kisebbnek látjuk a ceruzát. (Az általánosan használt mérési távolságok mellett). Amennyiben a kamerás rendszerünknek 1mm-es pontossággal kell a ceruza hosszát mérnie akkor ezt hogyan is tudná megtenni, figyelembe véve a saját felbontását és mérési hibáját is egyben. A válasz sehogyan. Vannak esetek amikor valóban elhanyagolható a vetület miatt okozott torzulás, ez a ritkább eset. A gyakorlati tapasztalatok szerint az esetek nagyobbik részében a vetület okozta torzítások már befolyásolják a mérőrendszer eredményeit. Ilyen esetekben, már mérni kell a kamera tengelyferdeségét, és az általa készített képet transzformálni kell, hogy megkaphassuk a nulla tengelyferdeségnek megfelelő képet. Néhány plusz alkatrész hozzáadásával, nagyon hatásos és nagyon megbízható eredmény születik. Mint mindennek ennek is ára van, a kamerás rendszernek gyorsnak, és intelligensnek kell legyen ahhoz hogy ezen műveleteket végre tudja hajtani. Ez már nem az egyszerű kompakt kamerák világa.
Kép tulajdonsága
A kép tulajdonság meghatározása gyakorlatilag azt jelenti, hogy meghatározzuk mit és hogyan látunk a képen, illetve mi a valóság. Azonban másként látunk mi és másként lát a kamera. A szem a világosság lépcsőket nem lineárisan érzékeli. Adott adaptációs szinten a szem a sötét részletekben kevesebb, a világos részletekben több lépcsőt különböztet meg. A kamerában a világosság lépcsők lineárisan növekednek. A gamma korrekció a tényleges (fizikai) és az érzékelt (pszichológiai) világosság lépcsők közötti eltérés kiegyenlítésére szolgál. Gamma korrekciója a monitoroknak is van de most nem erről beszélünk. Az ipari képfeldolgozás kamerái 1 es gamma korrekcióval rendelkeznek vagyis nem korrigálnak semmit, a valóságnak megfelelő képet adják, az emberi szem gamma korrekciója 0,45. A vizuális megjelenítésre szánt kamerák gamma korrekciója igazodik az emberi szemhez, azaz 0,45. Az alábbi két képen különböző gamma korrekcióval készült kép látható. Ne feledjük ugyanaz a kép ugyanaz a megvilágítás.
Hogy a második kép sokkal szebb mint az első, egy dolog mivel az emberi szem tulajdonságaihoz lett igazítva vagyis gamma korrekciója 0,45, azonban eltűnt a kontraszt a képről, eltűntek az apró részletek, elmosódtak az élek, a kép információ tartalmának nagy része láthatatlanná vált. A szem nagyon szereti a színeket, és a színek közötti átmeneteket még jobban elmossa mint a fekete fehéret. Ez a magyarázata annak, hogy miért látjuk jónak a CMOS chip-ek képét főleg ha az színes, (és főleg ha az emberi szemhez van állítva, márpedig ahhoz van) azok eleve nem rendelkeznek éles átmenetekkel, kontraszttal, részletes képinformációval, élekkel, de ez az emberi szemet egyáltalán nem zavarja. Az ipari képfeldolgozás számára viszont éles átmenetek, kontrasztok, és nagyon sok információ szükséges.
Érdekességként ha létezik a képen információ az a gamma korrekciótól nem feltétlen tűnik el épp ezért amennyiben egy ipari képfeldolgozó CCD kamera képét alakítjuk át az emberi szem számára, gyönyörű képeket kapunk. Nem biztos hogy első látásra megmondjuk az okát, de azt teljesen biztosan, hogy sokkal szebb mint egy CMOS kamera képe.
Fényerő
A digitális képet felfoghatjuk úgy is mint egy többezer-szer többezer méretű matematikai tömb, és a tömbön belül az értékek az adott pixel fényerő értékeit tartalmazzák. Két dolgot érdemes megjegyezni.
Képdinamika
A kamera képét úgy kell kialakítani, hogy a sötét és a világos értékek, a kamera teljes szürkeárnyalat mélyégét lefedjék. Vagyis a 8 bites kamera esetén a sötét képpontok értékei ”0″ közelében legyenek a világos képpontok értékei 256 közelében. Fentebb már volt róla szó, (és alább még lessz) egy kamera szürkeárnyalat felbontása fontos dolog sok információt tartalmaz. A megfelelő megvilágítás és optika segítségével, gondoskodnunk kell arról, hogy ezen információ ne vesszen el. A megvilágítások nem olcsó eszközök, (nem a barkács eszközökről beszélünk) komoly részt képviselnek egy kamerás rendszer árában. Amennyiben egy relatív nagyobb felületet (néhány 10x10cm-es felületet például)kell megvilágítani egyenletesen ami a kamera számára is egyenletese nem csak a szemünknek, az már egy kisebb vagyonba kerül. Nem is nagyon van ilyen, mivel a megvilágítások intenzitása sem egyforma a teljes megvilágított területen belül.
Fényerő mérés
Lentebb bővebben beszélünk az élkeresésekről, itt annyit, hogy egyszerre feketéből fehérbe történő átmenet él, egy fizikai tárgy fényképezése esetén egy elméleti dolog az életben soha nem létezik. a feketét és a fehéret mindig elválasztja néhány szürke pixel egymástól. A kérdés mindig csak az, hogy milyen hosszan van az átmenet fehér és fekete között, és ezen átmeneten belül, pontosan hol is helyezkedik el valójában a tárgy széle. Vegyünk egy egyszerű példát, egy világító háttérre egy nem átvilágítható tárgyat helyezünk. Mint a gamma korrekciónál beszéltünk róla a szemünknek nagyon jó lesz. A valóság ezzel szemben az, hogy a fehér háttér a tárgy szélénél sötétedik, míg a nem átvilágítható tárgyunk széle világosodik. A tárgy szélének keresésekor nem mondhatjuk, hogy a széle ott van ahol a világos rész kezd szürkülni, és azt sem mondhatjuk, hogy ott van a széle ahol a sötét rész értéke már nem növekedik tovább. A válasz lentebb az élkeresénél de addig is gondoljunk bele ha nem egyenletes a megvilágításunk márpedig egy egyenletes megvilágítás nem olcsó, a tárgy különböző részein különböző fehér fekete átmenet képződnek, és a tárgy különböző részein máshol találjuk meg a szélét. Ha nem elég a kamera felbontása, márpedig ez sem olcsó dolog, így a nyomás folyton az alacsonyabb felbontás felé irányul, és a kamerás rendszer nem elég erős, gyors és okos ahhoz, hogy minden pontban, külön mérje a fényerőt és külön határozza meg az élkeresés paramétereit, az eredmény jellemzően, az, hogy a kép egyik felében ennyit mér a másik felében annyit mér a kamera. Mint sejtettük az előző mondatban ez megoldható probléma. Két dolgot kell hozzá figyelembe venni, amire egy adott mérésnek szüksége van egy adott stabilitás mellett. Soha nem szabad hardver eszközben kispórolni azt ami szükséges, mivel ők adják az információt, és olyan intelligens szoftvereket kell használni, akik ezt az információt fel is tudják használni. Amennyiben teljesül a fenti feltétel, a megfelelő hardver és az okos szoftver a hiba az elhanyagolható kategóriára szorítható. (Ez sem az egyszerű kamerás rendszerek kategóriája) Jellemzően az egyszerű kamerák a lépcső elve szerint határozzák meg a tárgy szélét, ahol a fényerő átlép egy bizonyos szintet a háttér egyetlen pontban mért értékéhez képest azt mondják ki a pont szélének. Ez jellemzően soha nem ott van, és pl, ha egy kamera felbontása egy adott látómezőn pl. 0,1mm a minimum hiba amit elkövet ezen esetben még 0,1mm tehát a kamera felbontása egy adott látómezőn, immár 0,2mm és ez még távol áll a mérési pontosságtól.
