超薄燈箱的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

以機器視覺為基礎之表面缺陷檢測系統

為了解決超薄燈箱的問題，作者陳柏岐 這樣論述：

本論文以機器視覺為基礎，設計環境光源並使用攝影機取像，針對檢測物上不同的瑕疵，分別於空間域(Spatial domain)以及頻率域(Frequency domain)，進行待測物的缺陷檢測。在空間域使用的檢測方法，採用影像形態學(Morphology)中的侵蝕演算法(Erode)及膨脹演算法(Dilate)，將不同演算法所得到的結果，透過數學邏輯的運算，保留影像的特徵。為了突顯空間域的瑕疵影像，本論文藉由線雷射結構光源的輔助，將結構光源照射在檢測物的表面，利用線雷射因為待測物表面高低起伏而變化的影像，輔助瑕疵的檢測。影像形態學的檢測方法，可以快速的檢測影像中的輪廓瑕疵，但是對於具有方向性、

細長的表面刮痕，卻容易因為二值化影像處理的閥值選擇不當，影響形態學的結果，降低瑕疵判斷的準確性。因此，本論文將空間域較難判定的表面瑕疵缺陷，利用傅立葉轉換(Fourier transform)，將影像從二維的空間域轉換到頻率域，採用統計學中的標準差(Standard deviation)計算方法，先將攝影機取得的兩種表面瑕疵:表面刮痕瑕疵以及表面粗糙瑕疵的影像，進行傅立葉轉換得到傅立葉頻譜，並將傅立葉頻譜區分成20個等分，計算每個等分內的灰度值變化標準差，並且將標準差較大的等分進行傅立葉反轉換，藉此證明本論文所擷取到的影像，在傅立葉頻譜上灰度值變化較大的區域，為影像中的紋路特徵。經過證明之後，

本論文將傅立葉頻譜進行二值化影像處理，保留頻譜中灰度值較高的部分，再利用傅立葉反轉換(Inverse Fourier transform)，將頻譜中灰度值較高的部分，從頻率域轉換回空間域，依據這些頻率在空間域中所占有的面積大小，區分刮痕的種類。為了要有效的利用傅立葉轉換，將轉換後的頻譜作為判斷瑕疵種類依據，因此需要在影像中突顯表面的瑕疵缺陷。本論文選用波長較短、較容易產生散射現象的藍色光源，利用藍光照射在不平滑的表面時，會因為散射現象改變光線的直線軌跡，藉此取得表面紋路的原始影像。本論文所設計的光源環境，以線雷射結構光源及背向光源組合的打光系統，在空間域上採用形態學的侵蝕及膨脹演算法，進行輪胎

三角膠的外輪廓缺陷檢測，及輪胎三角膠結合處的斷差檢測。以白色及藍色的面向光源組合成特殊的打光燈具，在空間域及頻率域上，分別進行電磁閥的上蓋卡榫檢測，及電磁閥表面的瑕疵檢測。