ทางานของ ฟังก์ชัน , Subroutinesและโปรแกรมหลักเหมือนกับภาษาทั่วไป สาหรับ VI หนึ่งๆ จะประกอบด้วยส่วนประกอบ 3 สว่ นคือ Front Panel ,Block Diagramและ Icon และ Connector ท้ังสามส่วนนี้จะประกอบกันข้ึนมาเป็นอุปกรณ์เสมือนจริง ลักษณะและหน้าที่ของส่วนประกอบท้ัง สามมีดงั ต่อไปน้ี 2.11.2.1 หน้าปัทม์ (Front Panel) จะเป็นส่วนท่ีใช้สื่อความกันระหว่างผู้ใช้กับ โปรแกรม (หรอื ทนี่ ยิ มเรยี ก User Interface) โดยทว่ั ไปจะมลี กั ษณะเหมือนกับหนา้ ปทั ม์ของเครื่องมือ หรืออุปกรณ์ท่ีใช้งานด้านการวัดทั่ว ๆ ไป โดยทั่วไปจะประกอบด้วย สวิตช์ปิดเปิด, ปุ่มบิด, ปุ่มกด จอแสดงผลหรือแม้แต่ค่าที่ผู้ใช้สามารถกาหนด สาหรับผู้ที่คุ้นเคยกับการเขียนโปรแกรมประเภท Visual ทั้งหลายคงจะเข้าใจกันดีว่า Front Panel น้ีจะเปรียบเสมือนเป็น GUI ของโปรแกรมหรือ VI นนั่ เอง แสดงดังรปู ท่ี 2.35 รูปท่ี 2.35 หน้าปัทม์ ของ LabVIEW ที่มา : [9] จากรูปท่ี 2.34 Object ที่อยู่บน หนา้ ปัทม์ จะมีอยู่ 3 ประเภท คอื
ลงไป หรอื ใช้เมาส์คลกิ เพ่อื เปลย่ี นแปลงค่าได้ เชน่ ปมุ่ หมนุ ปุ่มเลอื่ น สวิตช์ เปน็ ตน้
สามารถแกไ้ ขได้ เช่น กราฟ มเิ ตอร์ LED
บล็อกไดอะแกรมเลย แต่มีไว้เพ่ือความสวยงามเป็นระเบียบของหน้าปัทม์เท่านั้น ลักษณะของ หน้าปัทม์ แสดงดังรปู ที่ 2.36 รูปท่ี 2.36 วัตถทุ ่อี ยู่บนหน้าปทั ม์ ของ LabVIEW ทีม่ า : [9] เครอ่ื งมอื ทีใ่ ช้ออกแบบหนา้ ปทั ม์ จะประกอบไปดว้ ย Control Palette และ Tools Palette ซ่ึง LabVIEW มี Controls Palette ท่ีใช้ในการออกแบบหน้าปัทม์ แสดงดังรูป 2.37 ซ่ึงเป็นส่วนที่ ติดต่อกับผู้ใช้งานโดยจะจัดเป็นกลุ่มต่าง ๆ เช่น กลุ่มของตัวเลข (Numeric) ซึ่งภายในกลุ่มจะมี Control และ Indicator ต่างๆ ที่เกยี่ วกบั ตัวเลข รปู ที่ 2.37 Controls Palette ท่ใี ชใ้ นการออกแบบหน้าปดั ท่ีมา : [9] Tools Palette คือ เครอ่ื งมอื ท่ีใชใ้ นการพฒั นาโปรแกรม ซงึ่ จะใช้ทง้ั การออกแบบ หนา้ ปัทม์ และบล็อกไดอะแกรม ในส่วนนี้จะกล่าวถึงเคร่ืองมือท่ีใช้ในการพัฒนาโปรแกรม สาหรับออกแบบ หนา้ ปทั ม์ แสดงดังรปู ท่ี 2.38 รูปท่ี 2.38 เครอ่ื งมือในการพฒั นาโปรแกรมทีใ่ ชใ้ นการออกแบบหน้าปัด ทม่ี า : [9] 2.11.2.2 บล็อกไดอะแกรม (Block Diagram) เพื่อให้เกิดความเข้าใจง่ายข้ึน ผู้ใช้อาจ มองบล็อกไดอะแกรมนี้เป็นเสมือนกับ Source Code หรือโปรแกรมของ LabVIEW ซ่ึงปรากฏว่าอยู่ ในรูปของภาษา G ซ่ึง บล็อกไดอะแกรมน้ี ถือว่าเป็น Executable Program คือสามารถที่จะทางาน ได้ทันที และข้อดีอีกประการหน่ึงก็คือ LabVIEW จะมีการตรวจสอบความผิดพลาดของโปรแกรม ตลอดเวลา ทาให้โปรแกรมจะทางานได้ก็ต่อเม่ือไม่มีข้อผิดพลาดในโปรแกรมเท่าน้ัน โดยผู้ใช้สามารถ ท่ีจะดูรายละเอียดของความผิดพลาดแสดงให้เห็นได้ตลอดเวลาทาให้การเขียนโปรแกรมนั้นง่ายข้ึน มากส่วนประกอบภายในบล็อกไดอะแกรมนี้จะประกอบด้วย ฟังก์ชัน ค่าคงท่ี โปรแกรมควบคุมการ ทางานหรือโครงสร้าง จากน้ันในแต่ละส่วนเหล่านี้ ซ่ึงจะปรากฏในรูปของบล็อก ผู้ใช้จะได้รับการต่อ สาย (Wire) สาหรบั บล็อกท่เี หมาะสมเข้าด้วยกนั เพอ่ื กาหนดลกั ษณะการไหลของขอ้ มูลระหว่างบล็อก เหล่านั้น ทาให้ข้อมูลได้รับการประมวลผลตามที่ต้องการ และแสดงผลออกมาให้แก่ผู้ใช้ต่อไป แสดง ดังรูป 2.39 รูปที่ 2.39 ตวั อยา่ ง บล็อกไดอะแกรม (Block Diagram Node) ทีม่ า : [9]
2.11.2.3 Icon และ Connector จากรูปที่ 2.40 เปรียบเสมือนโปรแกรมย่อย Subroutine ในโปรแกรมปกติท่ัว ๆ ไปโดย Icon จะหมายถึงบล็อกไดอะแกรมตัวหนึ่งที่มีการส่ง ข้อมูลเข้าและออกผ่านทาง Connector ซ่ึงใน LabVIEW จะเรียก Subroutine น้ีว่า Sub VI ข้อดี ของการเขียนโปรแกรมด้วยภาษา G นีค้ ือสามารถสรา้ ง VI ทลี ะสว่ นขนึ้ มาให้ทางานดว้ ยตัวเองไดอ้ ย่าง อิสระ จากนั้นในภายหลักหากผู้ใช้ต้องการก็สามารถเขียน โปรแกรมอื่นข้ึนมาเพ่ือเรียกใช้งาน VI ที่ เคยสร้างขึ้นก่อนหน้าน้ีทีละตัว ซึ่งทาให้ VI ที่เขียนขึ้นก่อนกลายเป็น Sub VI ไป การเขียนในลกั ษณะ นี้เรียกว่า เขียนเป็น Module สาหรับลักษณะท่ัวไปของ Icon และ Connector จะแสดงในรูป ต่อไปนี้ จะเห็นว่าเมื่อแสดงในรูปของ Connector จะพบว่ามีช่องต่อข้อมูลหรือท่ีเรียกว่า Terminal ปรากฏใหเ้ ห็น รูปที่ 2.40 ลักษณะทว่ั ไปของ Icon และ Connector ทมี่ า : [9] 2.11.3 ประเภทของข้อมลู ในการเขียนโปรแกรมทั่ว ๆ ไปจะตอ้ งมีการประกาศตวั แปรก่อนที่จะใช้ตัวแปรนัน้ แตส่ าหรับ โปรแกรม LabVIEW จะจัดการให้เองหมดโดยผู้ใช้ไม่จาเป็นต้องทาเอง เพียงแค่เลือกประเภทของ ข้อมูลท่ีมาวางบนโค้ดให้ถูกต้องเท่านั้น ประเภทของของข้อมูลภายใน LabVIEW ก็มีหลายอย่างท่ี เหมือนกับโปรแกรมในภาษาอื่น ๆ และยังมีอีกบางประเภทท่ีใช้ใน LabVIEW เท่าน้ัน โปรแกรม LabVIEW แบง่ ข้อมลู เป็น 6 ชนดิ ดงั นค้ี อื 2.11.3.1 Numeric คือข้อมูลประเภทตัวเลข มีท้ังจานวนเต็มซึ่งในบล็อกไดอะแกรม จะเห็นเป็นสีน้าเงิน และจานวนทศนิยมจะเห็นเป็นสีส้ม และสามารถสับเปล่ียนได้โดยการคลิกขวาที่ ตัวเลขนน้ั แล้วเลอื ก representation และเลือกประเภทตัวเลขได้ทันที แสดงดงั รปู 2.41 รูปที่ 2.41 บอกถงึ ข้อมูลประเภทตวั เลข ทม่ี า : [9] 2.11.3.2 Boolean คื อ ข้ อ มู ล ป ร ะ เ ภ ท ที่ มี ส อ ง ค่ า คื อ True แ ล ะ false บ น บล็อกไดอะแกรม จะแสดงข้อมูลเป็นสีเขียว และสาหรับ Front Panel ตัว Boolean จะมีลักษณะ เป็น ตัว Control หรือ สวิตช์ ถา้ เปน็ Output ก็จะเป็น LED หรือหลอดไฟประเภทต่าง ๆ 2.11.3.3 String คือข้อมูลประเภทท่ีเป็นตัวอักษร Icon จะแสดงเป็นสีชมพู สาหรับ การแสดงผล จะมีอยู่ 4 แบบ คือ
2.11.3.4 Enum คือข้อมูลประเภทแสดงให้ผู้ใช้เห็นเป็นตัวหนงั สือ แต่ค่าจรงิ ของมัน คือตัวเลข ดังนัน้ บนบล็อกไดอะแกรมจงึ มองเหน็ ข้อมูลประเภทนี้เปน็ สนี ้าเงนิ ซึ่งเหมอื นกับจานวนเต็ม 2.11.3.5 Dynamic เป็นข้อมูลที่อยู่ในรูปของ Waveform บนบล็อกไดอะแกรมถูก แสดงด้วยสีน้าเงินเข้มซึ่งภายในจะประกอบด้วย Array ของเวฟฟอร์ม ข้อมูลท่ีประกอบด้วยวันท่ี ช่ือ ของสัญญาณ ข้อมูลประเภท Dynamic นี้ส่วนใหญ่ใช้ใน Express VI จาพวกการอ่าน กาเนิด และ วิเคราะหส์ ญั ญาณ 2.11.3.6 Time Stamp เป็นข้อมูลที่ประกอบด้วยวันที่ และเวลาที่มีความละเอียด ถึงมิลลิวินาทีข้อมูลท่ีประกอบด้วยวันท่ี บนบล็อกไดอะแกรม จะมีหน้าตาที่เป็นสีน้าตาลเส้นหนา สามารถนามาแปลงใหเ้ ป็น วนั ที่ เวลา แบบข้อมลู ประเภทที่เปน็ ตวั อกั ษร ได้ 2.11.4 หลักการทางานของ Dataflow Programming จะเร่ิมพัฒนาโปรแกรม หลักการทางานของโปรแกรมในรูปแบบ Data flow และรูปแบบ ข้อมูล Data Type ซ่ึงเป็นสิ่งสาคัญในการพัฒนาโปรแกรมท่ีเขียนข้ึนด้วย LabVIEW จะทางานโดย อาศัยหลักการของ Data flow ซึ่งมีหลักการดังตอ่ ไปน้ี คือ
รปู ท่ี 2.42 ตวั อยา่ งฟังก์ชันใน LabVIEW ท่มี า : [9] 2.11.6 ฟงั กช์ ันการคานวณทางคณติ ศาสตร์ และการเปรยี บเทยี บ เป็นการนาข้อมูลประเภทจานวนเต็ม หรือ ทศนิยม ที่ต้องการเปลี่ยนแปลงมาคานวณ ทางด้าน คณิตศาสตร์ ต้ังแต่ 1 ค่าข้ึนไป สามารถคานวณทางคณิตศาสตร์ได้หลายการทางานหรือ คานวณเป็นสมการ ทางคณิตศาสตร์ ก็สามารถทาได้ และ การเปรียบเทียบเทียบค่าทางคณิตศาสตร์ ว่าค่าทั้ง 2 ค่านั่นเป็นอย่างไร เช่น มากกว่า น้อยกว่า หรือ มีค่าเท่ากับ 0 หรือไม่ เป็นต้น แสดงดังรูป ที่ 2.43 และ 2.44 รปู ท่ี 2.43 ฟังกช์ นั การคานวณทางคณิตศาสตรใ์ น LabVIEW ทมี่ า : [9] รปู ท่ี 2.44 ฟงั กช์ นั การเปรียบเทียบใน LabVIEW ทม่ี า : [9] 2.11.7 ฟังกช์ ันการใชง้ านกล้อง เป็นโมดลู ท่สี ร้างขนึ้ มาใชใ้ นการรับคา่ ข้อมูลจากกล้อง ดังรูป ที่ 2.45 แล้วนาภาพมาใช้ในฟังก์ชนั ต่าง ๆ ตามความต้องการของผู้ใช้ โดยตัวอย่างที่ยกขึ้นมา คอื การ นาภาพทไ่ี ด้จากกลอ้ งมาตรวจจับสีทงั้ 3 สี คือ สีแดง สเี ขยี ว และสนี ้าเงินมาตรวจจับเปน็ เรียลไทม รปู ที่ 2.45 ฟังกช์ นั การใช้งานกลอ้ ง ทมี่ า : [9] 2.11.8 พนื้ ฐานของภาพดิจติ อล 2.11.8.1 ภาพดิจิตอล (Digital Image) Boyle, W.S., and Smith, G.E. (1969) ในขณะที่ได้ทางานวิจัยให้กับ Bell Laboratories ประเทศสหรัฐอเมริกา ได้ออกแบบและสร้าง อปุ กรณ์เซนเซอร์ท่ีทาหน้าทรี่ ับแสงและให้ผลออกมา เปน็ รปู ได้ครัง้ แรก โดยเซนเซอร์รับแสงแบบแรก ของโลกเป็นแบบ Charge Coupled Device (CCD) หลังจากนั้นก็เป็นจุดเร่ิมของการพัฒนากล้อง ดิจิตอล แม้ว่าในช่วงแรกของการสร้างกล้องดิจิตอล โลกตกอยู่ภายใต้สภาวะของสงครามเย็น ทาให้ กล้องส่วนใหญ่ได้พัฒนามาเพื่อการทหารเป็นหลัก โดยกล้องดิจิตอลรุ่นแรกๆ น้ันได้รับการออกแบบ ให้ทางานในอวกาศ เพื่อติดตั้งบนดาวเทียม สอดแนมของประเทศสหรัฐอเมริกาอย่างไรก็การพัฒนา ของกล้องดจิ ิตอลก็เหมือนกับอุปกรณ์ เครอื่ งใช้หลายๆ แบบทีพ่ บเหน็ ท่วั ไปทุกวนั น้ี นั่นคือมีจดุ กาเนิด และการพัฒนาเพ่ือผลประโยชน์ ทางการทหาร จากนั้นก็นามาสู่การใช้งานในชีวิตประจาวัน และย่ิง เข้าสู่ภาคประชาชนทั่วไปมากข้ึน ก็จะพบว่ามีความก้าวหน้าของเทคโนโลยีสูงขึ้น ในขณะท่ีราคาของ อุปกรณ์นั้นลดลงเป็นอย่างมาก จะเห็นได้จากกล้องดิจิตอลทุกวันน้ีมีให้พบเห็นได้ท่ัวไป พร้อมท้ังให้ ความละเอียดของภาพ ที่สงู มากแตม่ ีราคาท่ีต่าเป็นอยา่ งมากในปัจจุบนั เซนเซอรร์ ับภาพที่มีการใช้งาน มี 2 ประเภทหลกั ๆ คอื Charge Coupled Device (CCD) และ Complementary metal–oxide– semiconductor (CMOS) เซนเซอร์แบบ CCD มีลักษณะเป็นอุปกรณ์อนาล็อก ประกอบไปด้วย หลอดโฟโต้ ไดโอดทาด้วยซิลิคอน เมื่อแสงตกกระทบตัวชิปแล้วจะถูกเก็บไว้เป็นประจุอิเล็กโทรนิค ปริมาณ น้อยๆในตัวเซนเซอร์โดยมีการจัดเรียงเป็นจุดเล็กในกรอบสี่เหลี่ยม ดังนั้นจึงมีชิพเหล่าน้ี จานวน มากวางเรียงกันในสองมิติเพ่ือสร้างภาพขึ้นโดยชิพแต่ละจุดจะทาหน้าที่เป็นพิกเซลของ เซนเซอร์ รับภาพ เมื่อมีแสงตกกระทบท่ีพิกเซลซ่ึงประจุเหล่าน้ีจะถูกแปลงไปเป็นแรงดันไฟฟ้าทีละ หน่ึง พิกเซลขณะที่ถูกอ่านจากตัวชิป จากน้ันกระแสไฟในตัวกล้องจะแปลงแรงดันไฟฟ้านี้ไปเป็น ข้อมูล ดิจิตอลอีกทีหนึ่งดังน้ันในกระบวนการเก็บภาพก็จะเป็นกระบวนการนาค่าประจุที่ตรวจจับได้ ใน แตล่ ะพกิ เซลมาเปลี่ยนเป็นปริมาณแสงทตี่ กกระทบท่ีพกิ เซลนัน้ เมอ่ื นาค่าเหล่านน้ั มาเรียงต่อกนั ก็ จะได้เป็นภาพดิจติ อลที่ไดจ้ ากกล้อง นอกเหนือจากเซนเซอร์แบบ CCD แลว้ ในปัจจุบนั นีม้ ีเซนเซอร์รับ แสงอีกแบบ ซ่ึงเป็นท่ีนิยมใช้ น่ันคือเซนเซอร์รับแสงแบบ CMOS แต่ก็มีความแตกต่างกันอยู่หลาย ประการ ชิปแบบ CMOS มีลักษณะเป็นเซนเซอร์พิกเซลตอบสนอง ท่ีสร้างโดยกระบวนการประจุกึ่ง ตัวนาสาหรับ CMOS ซึ่งจะมีแผงวงจรเพ่ิมขึ้นมาข้างเซนเซอร์ภาพเพื่อแปลงพลังงานแสงเป็น แรงดันไฟฟ้า จากนั้นแผงวงจรเสริมบนตัวชิปก็จะแปลงแรงดันไฟฟ้าน้ันเป็นข้อมูลดิจิตอลได้ทันที ใน ด้านกระบวนการผลิตนน้ั เซนเซอร์ CMOS นั้นจะมกี ระบวนการผลิตเหมือนกบั สารกง่ึ ตัวนา ท่ัวไป ทา ให้สามารถใช้กระบวนการผลิตเวเฟอร์ (Wafer) ปกติได้ ขณะที่กระบวนการผลิต CCD เป็นกรรมวิธี โดยเฉพาะ ด้วยเหตุนี้เซนเซอร์ CMOS จึงสามารถท่ีจะผลิตคราวละมากๆ และมีราคา ที่ถูกกว่า CCD เซนเซอร์ และเน่ืองจากความสามารถที่จะผลิตให้ CMOS เซนเซอร์มีขนาดเล็กลง ได้มากจึงทาให้ CMOS เซนเซอร์ผลิตรวมไปพรอ้ มกับหนว่ ยประมวลผลสัญญาณ (Signal Processing Unit) ไปพร้อม กันได้ อย่างไรก็ตามความสามารถในการตอบสนองต่อสัญญาณ ท่ีเปลี่ยนแปลงไปโดยเฉพาะการ ตอบสนองต่อสัญญาณพลวัตรน้ัน เซนเซอร์แบบ CCD จะมีข้อ ได้เปรียบกว่า เซนเซอร์แบบ CMOS อย่หู ลายดา้ น ดงั นนั้ ในปัจจุบันกล้องถ่ายรูปท่ีพบเหน็ ไดท้ ั่วไป 2.11.8.2 นิยามของภาพดิจิตอล (Definition of a Digital Image) ภาพดิจิตอลจะ เป็นการจัดเรียงค่าตอ่ กันในสองมิติ (2-D Array) โดยค่าท่ีแสดง คือค่าความเข้มของแสงท่ีตาแหน่งนน้ั เน่ืองจากงานวิจัยนี้เน้นไปท่ีกระบวนการประมวลผลภาพ ดิจิตอล (Image Processing) ดังนั้นคาว่า “ภาพ” (Image) ท่ีใช้ในเอกสารนี้จะหมายถึง ภาพดิจิตอลเท่าน้ัน ภาพจะเป็นฟังก์ชันของความเข้ม ของแสงที่เปลี่ยนไปตามตาแหน่งของแกน x และ y ในระนาบสองมิติ หรือเขียนเป็นคณิตศาสตร์ จะ เขียนได้ว่า ภาพคือฟังก์ชันที่เปลี่ยนแปลงไปตามตาแหน่ง x และ y หรือ f(x,y) โดย f(x,y) จะเป็น ความสว่าง (Brightness) ของจุด (x,y) ซึ่ง x และ y จะแทนพิกัดในระนาบของส่วนเล็ก ๆ ของ รูปภาพ ซ่ึงจะใช้คาวา่ Picture Element หรือเขียนย่อเป็น พกิ เซล (Pixel) สาหรับขอ้ ตกลงมาตรฐาน จุดอ้างอิงของพิกเซลจะเร่ิมด้วยพิกัด (0,0) จะอยู่ที่ ตาแหน่งบนซ้ายของรูปภาพและแกน x จะเป็น แกนในแนวราบ คา่ เพิม่ จากซา้ ยไปขวา สาหรับ ค่า y จะเปน็ แกนในแนวดิ่งและจะมีค่าเพ่ิมขนึ้ จากบน ลงล่าง ในการประมวลผลภาพดิจิตอล (Digital Image Processing) เซนเซอร์รับภาพ (Image Sensor) จะทาหนา้ ทเ่ี ปลย่ี นรูปภาพตามธรรมชาติเป็นจานวนเตม็ หนว่ ย (Discrete Number) สาหรับ เป็นค่าของในแต่ละพิกเซล โดยเซนเซอร์รับภาพ จะกาหนดค่าตัวเลขแสดงตาแหน่งให้กับ แต่ละพิกเซลพร้อมท้ังกาหนดค่าความสว่างให้กับพิกเซลน้ันด้วย ซึ่งค่าความสว่างอาจจะเป็น ระดับสีเทา (Gray Level) ในกรณีท่ีภาพที่เก็บมาเป็นภาพขาวดา และอาจจะกาหนดเป็นค่าระดับสี (Color Value)ในกรณีท่ีภาพที่เกบ็ เปน็ ภาพสี 2.11.8.3 คุณสมบัติของภาพดิจิตอล Digital Image จะมีคุณสมบัติพ้ืนฐานสาม ประการ คือ ความละเอียด (Resolution) ขอบเขต (Definition) และจานวนระนาบ (Number of Plane)
จานวนลาดับ (Arrays) ของพิกเซลที่ใช้ ประกอบกันขึ้นเป็นรูปภาพ โดยในรูปที่เป็นแบบระดับสีเทา (Grayscale Image) หรือรูปภาพแบบ เสมือนภาพสี (Pseudo-Color Image) ภาพจะประกอบด้วย ระนาบเพียงระนาบเดียวในการกาหนดสี ของรูปภาพ สาหรับในส่วนของภาพสีจริง (True-Color Image) ภาพท่สี รา้ งข้ึนจะประกอบดว้ ย ระนาบจานวน 3 ระนาบ โดยแตล่ ะระนาบจะบรรจุความเข้ม ของแม่แสงไว้น้ันคือระนาบของสีแดง สีน้าเงินและสีเขียว สาหรับแต่ละพิกเซล ดังนั้นในภาพสีแต่ละ พิกเซลจะประกอบด้วยจานวนลาดับ ของการเข้ารหัสจานวน 3 อันดับ เม่ือรวมค่าทั้งสามลาดับหรือ สามระนาบเข้าดว้ ยกันแลว้ จะทาให้ ได้ภาพสที ่แี ทจ้ รงิ 2.11.8.4 ประเภทของภาพ (Image Types) ใน NI Vision นั้นจะสามารถประมวล ภาพได้ 3 ประเภท คอื ภาพระดบั สเี ทา ภาพสี และภาพสีเชิงซอ้ น (Complex Image) อยา่ งไรก็ตาม แม้ว่า NI Vision จะสามารถรองรับ รูปแบบของภาพท้ัง 3 รูปแบบได้ แต่ก็จะมีกระบวนการบาง กระบวนการท่ีไม่สามารถใช้กับภาพบาง ประเภทได้ เช่น จะไม่สามารถใช้ Logic AND กับรูปภาพ ประเภทภาพสีเชงิ ซ้อนไดท้ ั้งน้ีขึน้ อยู่กบั ลกั ษณะพนื้ ฐานในการเข้ารหสั ภาพแต่ละแบบ จากตาราง 2.4 แสดงให้เห็นภาพประเภทต่าง ๆ และจานวนไบท์ (Byte) ที่ใช้ใน แต่ละประเภททงั้ ภาพทเี่ ป็นแบบภาพ ระดับสีเทา ภาพสี และภาพสีเชิงซ้อน ดังน้ันสาหรับรูปที่มี ความละเอียดเท่ากัน รูปสีจะใช้ หน่วยความจามากกว่ารูปที่เป็นแบบระดบั สีเทา 8 บิท อยู่ถึง 4 เท่า และรูปแบบภาพสีเชงิ ซ้อนจะใช้ หน่วยความจามากกว่ารูปแบบระดบั สีเทา 8 บิทอย่ถู ึง 8 เทา่ ตารางที่ 2.4 จานวนไบทท์ ใี่ ชใ้ นแตล่ ะพิกเซลของภาพประเภทต่าง ๆ ประเภทของภาพ จานวนไบท์ท่ีใช้ในแตล่ ะพิกเซล ภาพระดบั สเี ทา 8-Bit for the Grayscale Intensity แบบ 8 บิท เลขจานวนเต็ม 16-Bit for the Grayscale Intensity ภาพระดบั สเี ทา แบบ 16 บทิ เลขจานวนเต็ม ภาพระดบั สเี ทา 32-Bit for the Grayscale Intensity แบบ 32 บทิ เลขจานวนเต็ม ตารางที่ 2.4 (ตอ่ ) จานวนไบทท์ ใ่ี ชใ้ นแต่ละพิกเซล ประเภทของภาพ ภาพสจี ริง RGB 8-Bit for the 8-Bit for the 8-Bit for the 8-Bit for the แบบ 32 บิท Alpha Value Red Intensity Green Intensity Blue Intensity (Not Used) ภาพสจี รงิ HSL 8-Bit Not 8-Bit for the 8-Bit for the 8-Bit for the แบบ 32 บิท Used Hue Saturation Luminance ภาพสีจริงเชงิ ซอ้ น 32-Bit Floating for the Real Part แบบ 64 บิท 32-Bit for the Imaginary Part
ความดาซงึ่ จะแสดงค่าในชว่ ง - ∞ ถงึ + ∞
สี 3 สี คือ สีแดง สีเขียว และสีน้าเงิน ในระบบ RGB หรือในอีกวิธีการหนึ่งจะเป็นการแสดงด้วยค่า Hue Saturation และ Luminance หรือภาพแบบ HSL โดยในการเข้ารหสั ของภาพสีท้ังสองแบบ จะ เป็นการเข้ารหัสท่ีให้แต่ละพิกเซลมีค่าลาดับ 4 ค่า สาหรับภาพ RGB จะเก็บค่าโดยใช้เลข 8 บิท เพื่อ เก็บค่าสี R-G-B ในแต่ละระนาบ ส่วน HSL ก็จะใช้เลข 8 บิทสาหรับค่า H-S-L ของแต่ละพิกเซล เช่นกันดังแสดงในรูปที่ 2.45 สาหรับภาพเข้ารหัสแบบ RGB-U64 จะเป็นการเก็บข้อมูลรหัส โดยใช้ เลข 16 บิท สาหรับสี R-G-B ในแต่ละระนาบ อย่างไรก็ตามภาพสีที่ใช้อยู่โดยท่ัวไปจะมีการ เตรียม ระนาบของสีไวจ้ านวนท้ังส้นิ 4 ระนาบ ดังน้ันจะมีระนาบท่ีไม่ไดใ้ ช้งานในกรณีภาพสีบาง แบบอยู่หนึ่ง ระนาบดังแสดงในตารางท่ี 2.4 และเนื่องจากมีการเตรียมระนาบไว้ 4 ระนาบ จึงมีการ เรียกรูปสี เหล่าน้วี ่าเป็นแบบ 4x8 บิท หรอื การเขา้ รหัสแบบ 32 บิท ส่วนภาพท่มี เี ดฟฟนิ ิชนั 16 บิท กจ็ ะเรียกว่า ภาพ 4x16 บทิ หรอื การเขา้ รหัสแบบ 64 บิท Alpha Plane (Not Used) Red or Hue Plane Green or Saturation Plane Blue or Luminance Plane รปู ที่ 2.46 ระนาบที่บรรจุภาพสี ที่มา : [9]
สาหรับในแต่ละพิกเซลของภาพเชิงซ้อน ภาพจะถูกเข้ารหัสด้วยตัวเลขทศนิยม ความ แม่นยาเด่ียว 2 จานวน ซึ่งแต่ละจานวนก็จะแทนค่าของส่วนจริงและอีกจานวนหนึ่งจะแทน ส่วนของ จานวนจนิ ตภาพตามลาดับ เราสามารถทราบค่าทสี่ าคญั 4 องค์ประกอบออกจากภาพเชิงซ้อน นน่ั คือ สว่ นจริง สว่ นจินตภาพ ขนาด (Magnitude) และ เฟส (Phase) 2.11.8.5 ประเภทของไฟล์ภาพ (Image File) ประเภทของไฟล์ภาพท่ีนิยมใช้ในการ เก็บภาพสาหรับคอมพิวเตอร์น้นั มีหลาย ประเภท ซ่ึงจะมีลักษณะการจัดเก็บขนาดของไฟล์ท่ีแตกต่าง กันแต่ในไฟล์รูปภาพจะมีส่วนประกอบ สาคัญที่เหมือนกันหลายจุด ในส่วนแรกไฟล์จะประกอบด้วย หัวไฟล์ (Header) หรือหัวเรื่องซึ่งบอก ลักษณะเฉพาะของไฟล์นั้น จากน้ันจะตามด้วยค่าพิกเซลซ่ึง รายละเอียดการกาหนดค่าต่าง ๆ จะ ข้ึนอยู่กับประเภทหรือรูปแบบของไฟล์ (File Format) แต่ โดยท่ัวไป หัวเร่ืองของไฟล์จะบรรจุข้อมูล เก่ียวกับไฟล์ เช่น จานวนพิกเซลในแต่ละแถวนอนและแถว ตั้ง ค่าเดฟฟินชิ นั ของพิกเซล และคา่ อื่น ๆ นอกเหนอื จากนน้ั ไฟล์รูปอาจจะบรรจุข้อมลู ทเี่ กี่ยวกับการ เปรียบวัด (Calibration) รูปแบบ การจับคู่ (Pattern Matching Templates) และ Overlay ซึ่ง นิยามของข้อมูลเหล่านี้จะกล่าวในภายหลัง ส่วนรูปแบบไฟล์ดิจิตอลท่ีนิยมใช้กันมีดังต่อไปน้ี Bitmap (BMP) , Tagged Image File Format (TIFF) , Portable Network Graphic (PNG) โดยไฟลน์ จี้ ะให้ ข้อมูลที่สาคัญหลายแบบ เช่น การย่อ – ขยายรูปภาพ Calibration Pattern Matching และ Overlay , Joint Photographic Experts Group Format (JPEG) แ ล ะ National Instrument Internal Image File Format (AIPD) ใช้ในการเก็บไฟล์ แบบเลขทศนิยม ภาพสีแบบเชิงซ้อน และ ภาพสแี บบ HSL สาหรับโปรแกรมที่ใช้นี้จะเป็นโปรแกรมที่สามารถรับรูปแบบไฟล์ได้หลายแบบ ประกอบดว้ ย รปู แบบไฟล์มาตรฐาน แบบระดับสีเทา 8 บทิ ส่วนไฟลภ์ าพสีแบบ RGB จะมีรูปแบบ ได้ หลายแบบคอื BMP TIFF PNG JPEG และ AIPD ส่วนมาตรฐานของระดับสเี ทา 16 บิท ระบบสี RGB แบบ 64 บทิ และภาพเชงิ ซ้อน จะใชไ้ ฟล์ในรปู แบบของ PNG และ AIPD 2.11.8.6 ปริภูมิสี (Color space) สีเป็นปรากฏการณ์ของการรับรู้ของมนุษย์ เกิดจาก มีแสงไปตกกระทบบนเรตินา ภายในตาของเรา แล้วเรตินาจะมีเซลล์รับแสง ซ่ึงส่งสัญญาณสีไปยัง สมอง และสมองก็แปลออกมา เป็นสี ดังนั้นสีจึงเป็นส่ิงท่ีจับต้องไม่ได้ แต่รับรู้ผ่านการมองเห็น ความสามารถของการมองเห็นของ คนเรานั้นแตกต่างกัน อย่างไรก็ดี ความแตกต่างน้ันมีไม่มากนัก และความสามารถในการมองเห็นสี มนี ับเป็นล้านสี แต่คาท่จี ะอธบิ ายสที เี่ ราเหน็ น้ันมนี ้อยมาก แคห่ ลกั พันเท่านั้น ดังนั้นในการสื่อสารด้านสีจึงกาหนดให้มีเครื่องมือสาหรับวัดสีข้ึนมา แล้วให้ค่าตัวเลขจาก การวดั ภาพด้านล่างเปน็ คา่ สีของแสง ซงึ่ เป็นสที ่ีมนษุ ย์มองเหน็ ได้ รปู ท่ี 2.47 Chromaticity Diagram และ CIELAB ที่มา : [9] เม่อื เกดิ ตวั เลขซงึ่ สามารถแทนค่าสไี ดจ้ งึ เกิดปรภิ มู ิสีขึน้ มา รูปที่ 2.47 แสดงปรภิ ูมิ สี CIEYxy และ CIELAB จะเห็นได้วา่ สที ้งั หมดที่แสดงน้นั เป็นค่าสีที่มนุษย์สามารถมองเหน็ ปรภิ ูมิสี Color space คือ แบบจาลองทางคณิตศาสตร์ที่ใช้แสดงค่าของสีออกมาใน รูปแบบของตัวเลขและมีการแยก ออกเป็น แมส่ ตี า่ ง ๆ โดยทวั่ ไปจะมกี ารใชง้ าน 3 หรือ 4 แมส่ ี ในส่วนของ NI Vision นนั้ มีการประมวล โดยการแยกระนาบของสี (Color plane) ในหลายส่วนของ โปรแกรมในการใช้งานมีการแยกหรือ ใช้งานปริภูมิสีที่หลากหลายมาก แต่ท่ีเก่ียวข้องโดยตรงกับ งานวิจัยน้ีจะมีการใช้งานปริภูมิสีอยู่ 4 แบบคอื RGB ,CMYK ,HSL และHSV
รูปที่ 2.48 เปรยี บเทียบการแสดงสใี นปรภิ มู ิ CMYK และ RGB ทม่ี า : [9]
รปู ท่ี 2.49 แสดงปริภูมิสี HSL HSV ทม่ี า : [9] การแปลงภาพ RGB เปน็ HSV หาได้จากสมการดงั ตอ่ ไปน้ี V = max{R, G, B} ……..(2.6) V คือ Value ความสวางของสี ซึ่งสามารถวดั ไดโดยคาความเขมของความสวางของแตละสี S คือ Saturation ค่าความอิ่มตัวของจุดภาพจะคานวณได้จากค่าความเข้มสูงสุด (max) และค่าความเข้มแสงต่าสุด (min) แสดงดังสมการท่ี (2.7) โดย max = max{R,G,B} และ min = min{R,G,B} S = max− min ……..(2.7) max H คือ Hue คาสขี องสหี ลัก (แดง เขียวและน้าเงิน) โดยถ้าองค์ประกอบสีแดงของจดุ พิกเซล มีคา่ ความเขม้ สงู สุด นน้ั คอื R = max{R,G,B} แสดงดังสมการที่ (2.8) H =1 G−B ……..(2.8) 6 max− min โดยถ้าองค์ประกอบสีเขียวของจดุ พิกเซลมีค่าความเข้มสูงสุด นั้นคอื G = max{R,G,B} แสดง ดงั สมการท่ี (2.9) H = 1 2 + B− R ……..(2.9) 6 max− min โดยถ้าองค์ประกอบสีน้าเงินของจุดพิกเซลมีค่าความเข้มสูงสุด นั้นคือ B = max{R,G,B} แสดงดงั สมการท่ี (2.10) H = 1 4 + R− G ……..(2.10) 6 max− min และค่าโทนสี H ท่ีคานวณได้มีค่าน้อยกว่า 0 ค่าโทนสี H จะสามารถคานวณได้ดังสมการ (2.11) H = H +1 ……..(2.11) 2.12 การประมวลผลภาพ (Image processing) โดยปกติแล้ว ข้อมูลภาพท่ัว ๆ ไปนั้นได้มาจากการที่แสงตกกระทบกับวัตถุแล้วเกิดการ สะท้อนผ่านเลนส์เข้าสู่ตัวบันทึกภาพ อาจจะอยู่ในรูปแบบของตัวตรวจจับ (Sensor) หรือ ฟิล์ม (Film) หากย้อนนึกถึงเมื่อเวลาถ่ายภาพด้วยกล้องดิจิตอล วัตถุหรือภาพท่ีเห็นด้วยตาน้ันเป็นข้อมูล สามมิติ (Three-dimension) ท่ีประกอบไปด้วยความลึก ความสูง และความกว้าง แต่เมื่อแปลง ขอ้ มลู ภาพออกมาเปน็ ข้อมลู ดิจติ อล (Digital Image) ข้อมลู ของภาพน้นั จะประกอบไปด้วยความกว้าง และความสูงของภาพ (Width and Height) เท่าน้ัน ซ่ึงในปัจจุบันมีอุปกรณ์อิเล็กทรอนิกส์หลาย ประเภทที่สามารถสรา้ งสัญญาณภาพดิจติ อลไดส้ ะดวกและงา่ ยข้ึน เชน่ กลอ้ งถา่ ยภาพดจิ ติ อล กลอ้ งวี ดีทศั น์ดิจิตอล สแกนเนอร์ 2.12.1 โดยทั่วไปแล้วสามารถที่จะแบ่งรูปภาพที่ปรากฏและใช้งานบนเคร่ืองคอมพิวเตอร์ ออกเป็น 2 ประเภท คอื ภาพแบบบติ แมป และภาพแบบเวกเตอร์ 2.12.1.1 ภาพแบบบิตแมป (Bitmap Image) หรือเรียกอีกอย่างหน่ึงว่าภาพแบบ ราสเตอร์ (Raster Image) เป็นภาพที่ประกอบขึ้นจากจุดขนาดเล็ก ๆ หรือที่เรียกว่าพิกเซลจานวน มากที่เรียงต่อกันจนเป็นภาพภาพหนึ่ง เพื่อให้เห็นภาพลักษณะน้ีชัดเจนยิ่งขึ้นให้นึกถึงการสร้างภาพ บนตารางสี่เหลย่ี มเล็ก ๆ ใช้สีแตม้ ลงในชอ่ งสเ่ี หลี่ยมแตล่ ะช่องจนกลายเปน็ ภาพสมบูรณ์ทม่ี ีขนาดใหญ่ ซึง่ เหมือนกบั การป้ายสีแปลอกั ษรบนอฒั จันทร์ ภาพแบบบติ แมปนจี้ ะมีจานวนจุดขนาดเล็ก ๆ จานวน มาก ดังนั้น ดวงตาของมนุษย์ไม่สามารถที่จะมองเห็นและแยกแยะรายละเอียดส่วนย่อยเล็ก ๆ นั้นได้ แต่เม่ือลองขยายภาพดูจะเห็นเป็นรูปตาราง ย่ิงขยายใหญ่เท่าไร ตารางเหล่ียมก็ยิ่งมีขนาดใหญ่ข้ึนจน ทาให้มองเห็นจุดของภาพหรือพิกเซล จึงมีผลทาให้รายละเอียดของภาพมีความไม่ชัดเจนมากข้ึน โดยทั่วไปแล้วภาพบติ แมปเป็นภาพประเภททน่ี ิยมใช้กนั มากในภาพถ่าย 2.12.1.2 ภาพแบบเวกเตอร์ (Vector Image) จะมีคุณสมบัติท่ีแตกต่างกับแบบ บิตแมป คือภาพประเภทน้ีไม่ว่าจะขยายใหญ่แค่ไหนก็ยังคงรายละเอียดและความคมชัดไว้ได้เหมือน เช่นเดิมโดยไม่ผิดเพี้ยน เน่ืองจากภาพแบบเวกเตอร์น้ันประกอบด้วยเส้นตรงเส้นโค้ง และรูปทรงต่าง ๆ ภาพที่ได้จะสร้างขึ้นจากคาส่ังที่บอกถึงลักษณะของภาพ ในรูปแบบทางเรขาคณิตด้วยสมการทาง คณิตศาสตร์ ดังน้ันโปรแกรมที่ต้องการเปิดรูปภาพจะต้องนาสมการต่าง ๆ ท่ีบันทึกเอาไว้มาคานวณ และสร้างรูปทรงของภาพข้ึนมาใหม่ จุดเด่นคือไม่ว่าจะขยายภาพให้ใหญ่แค่ไหน คอมพิวเตอร์ก็จะ คานวณค่าต่าง ๆ ให้ใหม่ทุกครั้ง ทาให้ภาพท่ีเกิดข้ึนมามีความคมชัด ภาพแบบเวกเตอร์จึงเหมาะกับ งานทม่ี ีความแมน่ ยาและต้องการความละเอียดสงู เชน่ การสรา้ งภาพโลโก้ การสร้างภาพสามมิติ การ สรา้ งแบบรา่ งทางวิศวกรรม - แบบบติ แมป (Bitmap Image) - แบบเวกเตอร์ (Vector Image) รปู ที่ 2.50 ตัวอย่าง ภาพแบบบิตแมป และภาพแบบเวกเตอร์ ทีม่ า : [9] โดยพิจรณารูปที่ 2.50 ภาพแบบบิตแมปจะพิจารณาตัวรูปภาพซึ่งถูกแบ่งออกเป็นส่วนย่อย เล็ก ๆ หลาย ๆ ส่วนหรือที่เรียกว่า พิกเซล (Pixels) ที่ถูกนามารวมกันและใช้แสดงผลภาพ ส่วน รูปภาพแบบเวกเตอร์จะประกอบด้วยเส้นลายต่าง ๆ ที่สร้างข้ึนจากการคานวณทางคณิตศาสตร์ของ ลักษณะทางเรขาคณิตเพื่อสร้างรปู ทรงต่าง ๆ ทีเ่ หน็ ซง่ึ เรียกว่าเวกเตอร์ (Vectors) 2.12.2 ประเภทของภาพ (Image Types) โดยทั่วไปเราสามารถแบ่งประเภทของภาพ บติ แมปตามคณุ สมบตั ิของสอี อกไดเ้ ป็น 4 ประเภท ดังน้ี 2.12.2.1 ภาพขาวดา (Binary Image) ลักษณะของภาพขาวดาคือในแต่ละพิกเซล จะแสดงด้วยค่าแบบไบนารี (Binary) คือ มี 1 บิต ซ่ึงประกอบไปด้วยค่า 1 และ 0 โดยท่ี 1 หมายถึง จุดภาพสีขาว และ 0 หมายถึงจุดภาพสีดา ภาพประเภทน้ีเหมาะสาหรับภาพท่ีเกี่ยวกับตัวอักษร (Text) ภาพลายนวิ้ มอื เป็นต้น โดยแสดงดังรปู ท่ี 2.51 Binary Data รูปท่ี 2.51 ตัวอยา่ ง ภาพขาวดา ทีม่ า : [9] 2.12.2.2 ภาพระดับสีเทา (Gray Scale Image) ลักษณะของภาพชนิดน้ีในแต่ละ พิกเซล จะมีค่าความเข้มของแสงในแต่ละระดับท่ีแตกต่างกันไป ต้ังแต่สีขาวไปยังสีดา เราสามารถ กาหนดระดับความเข้มของแสงนนั้ ได้โดยใช้ค่าระดับเทา โดยปกตแิ ล้ว ภาพแบบระดบั สเี ทาจะมีความ ละเอียด (Resolution) เท่ากับ 8 บิต ซ่ึงภาพจะมีค่าระดับความเข้มแสงของสีดาเท่ากับ 0 ส่วนค่า ระดับความเขม้ ของสีขาวจะมคี า่ เท่ากับ 255 แสดงดังรูปท่ี 2.52 Gray Level รปู ที่ 2.52 ตวั อยา่ ง ภาพระดับสเี ทา ที่มา : [9] 2.12.2.3 ภาพสี (Color Image) ในแต่ละพกิ เซลของภาพสีจะเก็บค่าระดับความเข้ม แสงแต่ละแถบแสงของแม่สีหลัก 3 สีท่ีซ้อนกันคือ สีแดง (Red) สีเขียว (Green) และสีน้าเงิน (Blue) ซึ่งในแต่ละพิกเซลน้ัน ๆ จะแสดงผลของค่าสีของแต่ละพิกเซลตามระดับความเข้มในแต่ละแถบแสง น้นั แสดงดังรูปท่ี 2.53 RGB Components รูปท่ี 2.53 ตวั อย่าง ภาพสี ทีม่ า : [9] 2.12.2.4 ภาพแบบดัชนี (Index Image) ภาพประเภทนี้ ในแตล่ ะพิกเซลของภาพจะ เกบ็ คา่ ดชั นี ซึ่งเป็นตวั เลขจานวนเต็ม ซ่ึงจะถูกนาคา่ ดชั นีดังกล่าวไปเทียบกบั ตารางสี (Color Table) ซ่ึงเป็น ตารางแสดงค่าแสงสี แดง เขียว และน้าเงิน ซ่ึงค่าดัชนีนี้จะเป็นตัวช้ีให้เห็นว่าภาพในตาแหน่ง พกิ เซลน้นั ๆ มคี ่าอัตราส่วนของแมส่ แี สง 3 สีในอตั ราสว่ นละเทา่ ไร แสดงดงั รปู ที่ 2.54 Index Red Green Blue No. 1 2 20 254 2 234 34 12 3 249 80 6 Index value 4 254 5 18 5 250 23 128 รปู ที่ 2.54 ภาพแบบดัชนี ทมี่ า : [9] 2.12.3 ขนาดของไฟลภ์ าพ (Image File Sizes) ขนาดของไฟลภ์ าพข้ึนอยู่กบั ปจั จยั หลัก ๆ 2 ส่วน คอื ขนาดของภาพ (Size) และจานวนบิตท่ี ใช้ในการแทนค่าสีหรือระดับความเข้มของแสงในแต่ละพิกเซลของภาพตัวอย่าง ถ้าภาพมีขนาด 512 x 512 พกิ เซล ขนาดของไฟลภ์ าพสามารถคานวณได้ดงั นี้ - กรณีภาพขาวดา 1 พิกเซล แทนดว้ ย 1 บิต จะได้ 512 x 512 x 1 = 262,144 bit = 32,768 Byte = 0.033 MB - กรณภี าพระดับสเี ทา 1 พิกเซล แทนด้วย 8 บิต จะได้ 512 x 512 x 8 = 2,097,152 bit = 262,144 Byte = 0.262 MB - กรณภี าพสี 1 พกิ เซล แทนดว้ ยสแี ดง 8 บิต สเี ขยี ว 8 บติ สีน้าเงิน 8 บติ จะได้ 512 x 512 x 8 x 3 =6,291,456 bit = 786,432 Byte = 0.786 MB 2.12.4 ความสวา่ งของภาพ (Image Brightness) ความสว่างของภาพ คือ ค่าเฉลี่ยของค่าระดับเทาในแต่ละพิกเซลของภาพทั้งหมด แสดงดัง รูปที่ 2.55 ซ่ึงถ้าสมมติให้ภาพมีขนาด N × M และ I (x, y) คือ ค่าระดับความเข้มเทาของแต่พิกเซล ทีจ่ ะพจิ ารณา จะสามารถคานวณค่าความสว่างของภาพได้จากสมการ (2.12) 1 M −1 N −1 I(x, y) B = brightness = NM y=0 x=0 ……….(2.12) รูปที่ 2.55 ความสว่างของภาพ ทม่ี า : [9] 2.12.5 ความแตกต่างระหว่างความสว่างกับความมืดของภาพ (Image Contrast) แสดงดัง รปู ที่ 2.56 ความแตกตา่ งระหว่างความสว่างกบั ความมืดของภาพสามารถคานวณได้จากสมการ (2.13) 1 M −1 N −1 ..........(2.13) (I(x, y)− B)2 C = contrast = NM y=0 x=0 รปู ที่ 2.56 ความแตกต่างระหว่างความสวา่ งกบั ความมืดของภาพ ที่มา : [9] 2.12.6 ฮสิ โตรแกรมของภาพ (Image Histogram) ฮิสโตรแกรม เป็นกราฟแสดงจานวนพิกเซลท่ีความสว่างต่างๆ ของภาพ สังเกตได้จากรูปที่ 2.57 แกนนอนเป็นระดับความสว่างท่ีแบ่งระดับเป็น 256 ระดับ (มักเรียกว่าระดับสีเทา หรือ gray level) โดยมีค่าต้ังแต่ 0-255 เม่ือระดับสีเทามีค่าต่า (ด้านซ้ายมือ) หมายถึงมีความสว่างน้อย จะ มองเห็นเป็นสีดา ค่าระดับสีเทามาก (ด้านขวามือ) หมายถึงมีความสว่างมากจะมองเห็นเป็นสีขาว แกนตัง้ ของกราฟแสดงจานวนพิกเซลในแตล่ ะความระดบั สีเทาซ่ึงเป็นคา่ สัมพทั ธ์ Number of pixels that Pure black Pure White tone รปู ที่ 2.57 ฮสิ โตรแกรมของภาพ ทมี่ า : [23] โดยปกติระบบสีที่ใช้กับคอมพิวเตอร์น้ันจะใช้ระบบ RGB คือการใช้แม่สีหลัก 3 ได้แก่ แดง เขียว และน้าเงิน โดยแต่ละสีจะแบ่งความเข้มออกเป็น 256 ค่า(ตั้งแต่ 0-255) ท่ีค่า 0 จะได้สีดา คา่ 255 จะไดส้ นี า้ เงนิ แท้ (ไมม่ สี ีอื่นปน) และท่ีคา่ 128 ก็จะได้สนี ้าเงนิ ท่ีอมดาอยู่คร่งึ หน่ึง รปู ท่ี 2.58 แสดงแม่สี (R G B) ทม่ี า : [23] จากรปู ท่ี 2.58 จะได้แม่สหี ลักจะมี 3 สที ีเ่ อามารวมกัน ถ้าใช้ค่า Red = 0, Green = 0, Blue = 0 จะไดส้ ดี า ถ้าใชค้ า่ Red = 255, Green = 255, Blue = 255 จะได้สีขาว ถา้ ใชค้ ่า Red = 128, Green = 128, Blue = 128 จะไดส้ ีเทา ฮิสโตรแกรมจะทาหนา้ ที่ แสดงจานวนค่าสเี ทียบกับจานวนพกิ เซล แสดงดังรปู ท่ี 2.59 รปู ที่ 2.59 จานวนคา่ สเี ทยี บกบั จานวนพิกเซล ท่มี า : [23] แต่กราฟฮิสโตรแกรมก็มีหลักทฤษฎีของมันอยู่ คือ ตัวกราฟเองจะถูกแบ่งออกเป็น 5 โซนหลกั ดังน้ี (จากซ้ายไปขวา) แสดงดังรปู 2.60
Black Shadow Midtone Highlight White รูปท่ี 2.60 การแบ่งโซนของฮิสโตรแกรม ทีม่ า : [23] 2.12.6.1 Cumulative Histogram Cumulative Histogram ได้มาจากค่า Intensity สะสมของ Histogram ของภาพ ซ่ึงมันจะมีประโยชน์ในการดาเนินการบางอย่างเก่ียวกับภาพโดยใช้ Histogram เช่น การทา Histogram Equalization เป็นต้น นิยามของ Cumulative Histogram ในทางคณิตศาสตร์คานวณ ได้จากสมการ 2.14 i …………….(2.14) H(i) = h( j) for 0≪i<K j=0 H คือ ค่าใน Cumulative Histogram h คอื คา่ ใน Original Histogram จะเห็นว่า H(i) เป็นฟังก์ชัน Cumulative Histogram จะมีค่าเพิ่มข้ึนเรื่อยๆ ค่าสูงสุดของ H(i) สามารถหาได้จากผลรวมจานวน Pixel ทั้งหมดในภาพคานวณไดจ้ ากสมการ 2.15 K −1 …………(2.15) H (K−1) = h( j) = MxN j=0 M คอื ความกวา้ งทงั้ หมดของจานวน Pixel ในภาพ N คือ ความยาวทงั้ หมดของจานวน Pixel ในภาพ 2.12.6.2 คอนทราสต์ (Contrast) คอนทราสต์เป็นค่าความเปรียบต่างของแสงหรือสีที่ทาให้มองเห็นวัตถุในภาพได้ อย่างชัดเจน โดยในลักษณะการมองเห็นภาพท่ีมีคอนทราสต์ สามารถกาหนดได้จากความต่างของ ความสว่างและสีของวัตถุที่มีความแตกต่างจากวัตถุอื่นๆ ท่ีอยู่รอบๆ ดังน้ันค่าความเข้มของความ สว่างและค่าความเข้มของสีของวัตถุจะส่งผลให้ภาพมีลักษณะคอนทราสต์ต่า และคอนทราสต์สูง แตกต่างตา่ งกันไป
ภาพคอนทราสตต์ ่า รูปท่ี 2.61 ภาพคอนทราสตต์ ่า (Low Contrast Image) ที่มา : [12]
ภาพคอนทราสต์สงู รูปท่ี 2.62 ภาพคอนทราสตส์ ูง (High Contrast Image) ท่ีมา : [12] 2.12.6.3 Histogram Equalization Histogram Equalization เปนวิธีหนึ่งในการทาภาพใหมีคุณภาพดีขึ้นโดยทาการ จัดรูปแบบของฮิสโตรแกรมของขอมูลภาพท่ีอยู่ในระดับเทาคาตาง ๆ ใหอยูในรูปแบบที่มีความ สมา่ เสมอ (Uniform) แสดงดงั รปู ที่ 2.63 ภาพภาพอินพุต ภาพมขี นาด 4x4 พิกเซล ค่าระดับเทาอย่ใู นช่วง 0 ถงึ 9 รูปที่ 2.63 ตัวอยา่ งการคานวณพิกเซลของภาพ ท่ีมา : [12] 2.12.7 การกรองสัญญาณภาพภาพ (Image Filtering) การฟิลเตอร์ภาพ เป็นการประมวลผลท่ีสาคัญในการกาจัดองค์ประกอบความถ่ีท่ีไม่ต้องการ ออกจากภาพ การกาจัดความถี่สูงออกจากภาพซึ่งเรียกว่าฟิลเตอร์ความถ่ีต่าผ่าน (Low Pass Filter) ผลลัพธ์คือทาให้ภาพดูนุ่มนวลข้ึน การกาจัดความถ่ีต่าออกจากภาพซ่ึงเรียกว่าฟิลเตอร์ความถี่สูงผ่าน (High Pass Filter) ผลลพั ธค์ ือทาให้เหลือแตอ่ งค์ประกอบทีเ่ ปน็ ขอบภาพแสดงดังรปู ท่ี 2.64 HPF or LPF รปู ที่ 2.64 การฟลิ เตอร์ภาพ ทม่ี า : [11] 2.12.8 ตัวกรองแบบมเี ดยี น (Median Filter) ฟลิ เตอร์แบบมเี ดียน สามารถนาไปใชใ้ นการกาจดั สัญญาณรบกวนแบบ Salt และ Pepper แสดงดงั รปู ที่ 2.65 Median Filter ภาพทม่ี สี ัญญาณรบกวน ภาพที่ผ่าน Median Filter แบบ Salt และ Pepper รูปท่ี 2.65 ฟิลเตอร์แบบมเี ดียน ท่มี า : [11] ในกรณีนี้พิกเซลเอาต์พุตจะถูกแทนท่ีด้วยค่าที่อยู่ตรงกลางของพิกเซลท่ีอยู่ในหน้าต่างข อง ภาพอินพุต (เรียงลาดับค่าจากน้อยไปมาก) ขนาดของหน้าต่างโดยทั่วไปจะกาหนดเป็นเลขค่ี เช่น 3 x 3 เปน็ ตน้ ดังรูปที่ 2.66 หน้าต่างขนาด 3 x 3 หน้าต่างจะวง่ิ ไป ทกุ พกิ เซล บนภาพอนิ พตุ ภาพอนิ พุต รปู ที่ 2.66 ตวั อยา่ งภาพอินพุต ที่มา : [11] 2.12.9 การตรวจจบั ขอบในภาพ (Edge detection) ขอบภาพประกอบดว้ ยข้อมูลของภาพที่มีความสาคัญและมีประโยชน์ในการนาไปประยุกต์ใช้ ในงานด้านต่าง ๆ ตัวอยา่ งเช่น ขอบของภาพสามารถนาไปใช้ในการระบุถึงขนาดของวัตถุท่ีอยู่ในภาพ การนาไปใช้ในการแยกแยะระหว่างวัตถุในภาพกับส่วนของพื้นหลังของภาพ ซึ่งอาจกล่าวได้ว่าขอบ ของภาพ คือ ส่วนที่เกิดจากความไม่ต่อเนื่องของค่าระดับความเข้มเทาของพิกเซล ท่ีอยู่ติดกัน กล่าวคือ ค่าระดับความเข้มเทาของพกิ เซลทีอ่ ยู่ติดกันมีค่าแตกต่างกันมาก แสดงในรูปที่ 2.67 รูปที่ 2.67 ตัวอย่างระดับความเข้มสีเทาของพิกเซล ทีม่ า : [16] การหาภาพขอบสามารถทาได้โดยใชว้ ธิ ี การหาอนุพันธอ์ นั ดบั ท่ี 1 ของภาพ เทคนิคการหาภาพขอบโดยใช้อนุพันธ์อันดับท่ี 1 คือ การหาค่าเกรเดียนต์ (Gradient) ของ ภาพ I (x , y) ซึ่งสามารถคานวณไดจ้ ากสมการที่ (2.16) และสมาการที่ (2.17) G(x, y) = I (x, y) ……….(2.16) โดยท่ี ……….(2.17) = + x y ภาพขอบ คอื ขนาดของเกรเดียนต์ สามารถคานวณได้จากสมการท่ี (2.18) G(x, y) = I 2 + I 2 x y ……….(2.18) บางครั้งอาจใช้คา่ สมบูรณ์ (Absolute) ในการคานวณหาขนาดของเกรเดียนต์สามารถคานวณได้จาก สมการท่ี (2.19) G(x, y) = I + I = Ix + Iy ……….(2.19) x y วิธีที่ง่ายที่ง่ายท่ีสุดในการหาภาพขอบ คือ การหาค่าผลต่างเคลื่อนที่ (Running Difference) ของพกิ เซลตามแนวแถวและแนวคอลมั น์ของภาพ ซงึ่ เป็นการประมาณการหาอนุพนั ธ์ในแนวแถวและ แนวคอลมั น์ตามลาดับ สามารถคานวณไดจ้ ากสมการที่ (2.20) แสดงดังรูปท่ี 2.68 G(x, y) = GR (x, y) + GC (x, y) ……….(2.20) เกรเดยี นต์แนวแถวแบบประมาณสามารถคานวณไดจ้ ากสมการที่ (2.21) GR (x, y) = I (x, y) − I (x, y +1) ……….(2.21) เกรเดยี นต์แนวคอลัมน์แบบประมาณสามารถคานวณไดจ้ ากสมการท่ี (2.22) GC (x, y) = I (x, y) − I (x −1, y) ……….(2.22) I (x,y) GC (x, y) เกรเดยี นต์แนวคอลมั น์ GR (x, y) เกรเดยี นต์แนวแถว G(x, y) = GR (x, y)+ GC (x, y) รปู ท่ี 2.68 ตัวอย่างรูปภาพการหาคา่ ผลตา่ งเคล่ือนที่ ทมี่ า : [16] เกรเดียนต์แนวแถวและแนวคอลัมน์ สาหรับการหาขอบภาพเกี่ยวข้องกับการหาผลรวมถ่วง น้าหนักของพิกเซลที่ตาแหน่งข้างเคียง ดังน้ัน เกรเดียนต์แนวแถวและแนวคอลัมน์สามารถคานวณได้ โดยใชก้ ารคอนโวลชู ัน 2 มิติ คานวณได้จากสมการที่ (2.23) และ (2.24) GR (x, y) = I (x, y) H R (x, y) ……….(2.23) ……….(2.24) Gc ( x, y ) = I ( x, y ) Hc ( x, y ) โดยที่ HR (x,y) และ HC (x,y) คือ หน้ากากขนาด 3x3 ของการตอบสนองอิมพลั ส์ สาหรบั เกรเดียนตแ์ นวแถวและแนวคอลัมน์ ตัวอยา่ งหนา้ กาก Pixel Difference รูปท่ี 2.69 ตัวอย่างหน้ากาก Pixel Difference ที่มา : [16] Separated Pixel Difference รูปที่ 2.70 ตวั อย่างหน้ากาก Separated Pixel Difference ท่ีมา : [16] Roberts รปู ท่ี 2.71 ตวั อย่างหน้ากาก Roberts ทีม่ า : [16] Prewitt รปู ที่ 2.72 ตัวอยา่ งหน้ากาก Prewitt ทม่ี า : [16] ตวั อย่างการหาขอบภาพดว้ ยวิธอี นุพันธอ์ ันดบั ที่ 1 (Gradient) รูปที่ 2.73 ภาพอินพตุ I(x,y) ทมี่ า : [16] จากรูปที่ 2.73 ภาพอินพตุ I(x.y) แสดงจานวนพิกเซล (0-255) รูปท่ี 2.74 ทฤษฎีการหาขอบภาพ Pixel Difference ทีม่ า : [16] จากภาพที่ 2.74 จะใช้วิธีการหาขอบภาพด้วยทฤษฎี ของ Pixel Difference ในการหา เกรเดียนต์แนวแถวและเกรเดียนต์แนวคอลัมน์ โดยใช้สมการท่ี 2.16 และ 2.17 และขยายขอบภาพ แบบเตมิ คา่ ศูนย์ แสดงดังรปู ท่ี 2.75 I(x,y) การเติมค่าศูนย์ รูปที่ 2.75 การเติมค่าศูนย์เพอื่ ขยายขอบภาพ ทีม่ า : [16] HR (x,y) HC (x,y) รูปท่ี 2.76 วิธกี ารคานวณหาขอบภาพ ที่มา : [16] จากรปู ที่ 2.76 แทนค่าลงในสมการท่ี 2.16 เพือ่ หาเกรเดียนต์แนวแถว และแทนคา่ ลงใน สมการที่ 2.17 เพ่ือหาเกรเดยี นต์แนวคอลัมน์ จะได้ GR (1,1)= (0 x 0) + (0 x−1) + (0 x 0) + (0 x 0) + (16 x1) + (81x 0) + ...... \= 16 GC (1,1)= (0 x 0) + (0 x 0) + (0 x 0) + (0 x 0) + (16 x1) + (81x 0) + ...... \= 65 จะได้ผลลัพธ์เกรเดียนตแ์ นวแถว และเกรเดยี นตแ์ นวคอลัมน์ แสดงดงั รปู ที่ 2.77 รปู ท่ี 2.77 ผลลพั ธก์ ารหาขอบภาพ ท่มี า : [16] 2.13 การวิเคราะห์อนุภาคและวิธที ี่ใช้ในการคดั แยกขนาด 2.13.1 ฟงั ก์ช่นั อาร์เรย์ (Index Array Function) รูปท่ี 2.78 ฟังกช์ ่นั อาร์เรย์ ท่มี า : [9] อาร์เรย์ n-Dimension สามารถเป็นอาร์เรย์ N-Dim ได้ ถ้าอาร์เรย์ n-Dim เป็นอาร์เรย์ว่าง องคป์ ระกอบหรือ subarray จะสง่ กลับค่าเร่ิมต้นของชนิดขอ้ มลู ทก่ี าหนดไวส้ าหรบั อารเ์ รย์ index 0..n-1 ระบตุ วั เลขท่ีอา้ งถงึ ตาแหน่งภายในอาร์เรย์อินพุต LabVIEW จัดทาดัชนีอินพุต ให้กับแต่ละมิติของอาเรย์โดยอัตโนมัติ ถ้าดัชนีน้อยกว่าศูนย์หรอื มากกว่าจานวนมิติในอารเ์ รย์ฟังกช์ นั นจ้ี ะสง่ คืนคา่ เร่มิ ตน้ ของชนดิ ขอ้ มลู ทกี่ าหนดไว้สาหรบั อารเ์ รย์ ตัวอย่างเช่นหากต้องการสร้างดัชนีแถวในอาร์เรย์ 2D การป้อนข้อมูลดัชนีแรกจะเปิดใชง้ าน และการป้อนข้อมูลดัชนีที่สองถูกปิดใช้งาน หากต้องการทาดัชนีอาร์เรย์ 2 มิติเดียวกันตามคอลัมน์ สามารถปรับขนาดฟังก์ชั่นเพ่ือแสดงขั้วอินพุตอีกชุดหน่ึง ชุดอินพุตถัดไปนี้มีเอาต์พุตย่อยที่สอดคล้อง กัน โดยคา่ เร่มิ ตน้ หากคุณไมไ่ ด้เชอื่ มต่อเทอร์มนิ ัลอนิ พตุ ดัชนีใดๆ ดชั นียอ่ ยแถวแรกจะเปน็ แถว 0 ดชั นี ย่อยตัวที่สองจะเปน็ แถวที่ 1 และอนื่ ๆ แสดงดงั รปู 2.79 รปู ที่ 2.79 ตวั อย่างการสรา้ งอารเ์ รย์ ทีม่ า : [9] 2.13.2 Format Into String Function รปู ท่ี 2.80 รปู แบบของฟงั ก์ชัน่ Format Into String ทม่ี า : [9] จากรูปที่ 2.80 เปน็ วธิ ีการใชง้ านของฟังก์ชั่น โดยจะมีองคป์ ระกอบดังต่อไปนี้ Format string คือรูปแบบของสตริงระบุว่าคุณต้องการฟังก์ช่ันในการแปลงข้อโต้แย้งการ ป้อนข้อมูลลงในสตริงท่ีเกิด ค่าเร่ิมต้นตรงกับประเภทข้อมูลของอาร์กิวเมนต์ท่ีป้อนเข้า คลิกขวาท่ี ฟังก์ชั่นและเลือกแก้ไขรูปแบบสตริงจากเมนูทางลัดในการสร้างและแก้ไขรูปแบบของสตริง ใช้รหัส ยกเวน้ พเิ ศษเพือ่ แทรกอักขระท่ีไม่สามารถแสดงได้เครื่องหมายแบก็ สแลชและอักขระเปอรเ์ ซ็นต์ - Initial string เป็นสตริงเบ้ืองต้นระบุสตริงฐานท่ีคุณสามารถผนวกข้อโต้แย้งใด ๆ ใน รปู แบบสตรงิ ทเ่ี กดิ - Resulting string เปน็ สตริงผลลพั ธ์มีการเชื่อมต่อของสตรงิ เร่ิมตน้ และผลลพั ธ์ทจ่ี ดั รูปแบบ - input 1...n(0) คือระบุพารามิเตอร์อินพุตท่ีคุณต้องการให้ฟังก์ชันแปลง พารามิเตอร์น้ี ยอมรับสตริงพา ธ ประเภทท่ีระบุการประทับเวลาบูลนี หรอื ชนดิ ข้อมูลตัวเลขใด ๆ สาหรับชนิดข้อมูล ตัวเลขที่ซับซ้อนฟังก์ชั่นน้ีจะแปลงองค์ประกอบจริงเท่านั้น คุณไม่สามารถใช้อาร์เรย์และกลุ่มด้วย ฟังกช์ ันน้ี คุณสามารถระบอุ กั ขระไดส้ ูงสดุ 4,096 ตวั สาหรับแตล่ ะอนิ พุต 2.13.3 Bundle Function รูปท่ี 2.81 รูปแบบของฟงั ก์ชัน่ Bundle ท่ีมา : [9] จากรูปท่ี 2.81 เป็นวิธกี ารใชง้ านของฟังก์ช่นั โดยจะมีองค์ประกอบดงั ตอ่ ไปนี้ คลัสเตอร์ ท่ีมีค่าท่ีต้องการเปล่ียน หากไม่ได้เชื่อมต่ออินพุตนี้ฟังก์ชันจะสร้าง คลัสเตอร์ หากสายคลัสเตอร์ฟังก์ช่ัน Bundle แทนท่ีองค์ประกอบของคลัสเตอร์ที่มีองค์ประกอบ 0..n-1 หากวางสายคลัสเตอร์จานวนเทอร์มินัลอินพุตต้องตรงกับจานวนขององค์ประกอบใน อนิ พตุ คลสั เตอรอ์ งค์ประกอบ 0..n-1 และเอาตพ์ ุตคลสั เตอรเ์ ป็นคลัสเตอร์ผลลัพธ์ 2.13.4 IMAQ Overlay Rectangle VI รปู ที่ 2.82 รูปแบบของ IMAQ Overlay Rectangle VI ทม่ี า : [9] จากรปู ท่ี 2.82 เป็นวธิ ีการใช้งานของฟงั ก์ช่ัน โดยจะมอี งคป์ ระกอบดงั ตอ่ ไปนี้ - Group ระบุกลุ่มท่ีคุณต้องการเพ่ิมข้อมูลภาพซ้อนทับ หากไม่ได้ระบุช่ือข้อมูลการซ้อนทับ จะถูกเพ่มิ ในกลุ่มเริม่ ต้น - Image ภาพอา้ งองิ ถึงภาพต้นฉบบั - Rectangle คอื สเี่ หลีย่ มผนื ผ้าระบุพิกัดของส่ีเหล่ียมผืนผ้าท่ีจะซ้อนทับบนภาพ ประกอบไป ดว้ ย Left คือคา่ สาหรับด้านซา้ ยของสีเ่ หล่ียม Top คอื คา่ สาหรับสว่ นบนของสเี่ หลี่ยมผืนผ้า Right คอื ค่าสาหรับด้านขวาของส่เี หล่ียมผืนผ้า Bottom คือคา่ สาหรับส่วนลา่ งของสเ่ี หลย่ี มผืนผา้ - Drawing Mode (Frame) โหมดการวาด (กรอบ)ระบุว่าจะวาดเฉพาะเฟรมของสี่เหลี่ยม เตมิ ในสีเ่ หล่ียมหรือเนน้ ส่เี หลยี่ ม - Color คือสีของภาพซอ้ นทับ - Image Out เป็นการอ้างอิงถงึ ภาพปลายทาง 2.13.5 IMAQ Overlay Text VI รปู ที่ 2.83 รูปแบบของ IMAQ Overlay Text VI ทม่ี า : [9] จากรปู ที่ 2.81 เป็นวิธกี ารใช้งานของฟงั กช์ ัน่ โดยจะมอี งค์ประกอบดังตอ่ ไปนี้ - Group ระบุกลมุ่ ท่ีคุณต้องการเพมิ่ ข้อมลู ภาพซอ้ นทบั หากไม่ไดร้ ะบุชอ่ื ข้อมูลการซอ้ นทบั จะถกู เพ่มิ ในกลุม่ เริ่มต้น - Font, Size & Style เป็นคลสั เตอร์ทช่ี ว่ ยให้ผู้ใชส้ ามารถเลอื กแบบอกั ษร, ขนาด, สไตลแ์ ละ การจดั ตาแหนง่ ของข้อความ คลัสเตอร์นีม้ ีองคป์ ระกอบดงั ตารางท่ี 2.5 ตารางท่ี 2.5 รปู แบบตัวอักษร แบบอกั ษรท่ผี ใู้ ช้ ระบุคณุ สมบัตขิ องแบบอักษรทจี่ ะใช้ หากไมม่ ีการระบุแบบอักษรจะใชแ้ บบ ระบุ อักษรเร่ิมต้น แบบอักษรของ (ค่าเรมิ่ ต้น) ใชฟ้ อนตแ์ อปพลิเคชนั LabVIEW ซ่ึงเปน็ ฟอนต์ทีใ่ ชก้ ับชุดควบคุม แอปพลิเคชัน และฟงั ก์ช่นั และขอ้ ความในวัตถใุ หมบ่ นแผงด้านหน้าหรือไดอะแกรมบล็อก แบบอักษรของ ใช้แบบอักษรของระบบ LabVIEW ซึ่งเปน็ แบบอักษรที่ใชใ้ นเมนู ระบบ กลอ่ งโต้ตอบแบบ ใชแ้ บบอกั ษรโต้ตอบ LabVIEW ซง่ึ เป็นแบบอกั ษรท่ีใชใ้ นกลอ่ งโต้ตอบ อกั ษร - Origin เป็นตาแหน่งบนภาพเพ่ือวางข้อความ พารามิเตอร์น้ีจะขึ้นอยู่กับค่าของแนวการจัด ตาแหนง่ และแนวตงั้ Alignment - String เป็นข้อความที่จะซ้อนทับ - Text Color คอื สีของขอ้ ความ - Image Outเป็นการอ้างอิงถงึ ภาพปลายทาง 2.13.6 Vision Assistant 2.13.6.1 ฟังก์ช่นั Color Plane Extraction รปู ท่ี 2.84 แสดงการใช้ฟงั กช์ ่ัน Color Plane Extraction ที่มา : [9] จากรปู 2.84 เป็นวธิ ีการใช้งานของฟังกช์ ั่น โดยจะมอี งคป์ ระกอบดงั ตอ่ ไปนี้ การสกัดระนาบสี เป็นการแยกระนาบสีหนึ่งในสามสี (แดง, เขียว, น้าเงิน, ฮิว, ความอ่ิมตัว, ความส่องสวา่ ง, ค่า, ความเขม้ ) จากภาพ ตวั ควบคมุ ตอ่ ไปนพ้ี ร้อมใชง้ าน - Step name เป็นช่ือเพื่อระบุขั้นตอน - Image Source รูปภาพอนิ พุตตน้ ฉบบั - RGB - Red Plane แยกสารสแี ดงออกจากภาพ RGB - RGB - Green Plane แยกสารสเี ขียวออกจากรปู ภาพ RGB - RGB - Blue Plane แยกสารสีน้าเงนิ จากภาพ RGB - HSL - Hue Plane แยกระนาบฮวิ จากอิมเมจ HSL - HSL - Saturation Plane แยกระนาบความอิม่ ตวั จากภาพ HSL - HSL - Luminance Plane แยกระนาบการส่องสว่างจากอิมเมจ HSL - HSV - Value Plane แตกไฟล์ค่าจากอมิ เมจ HSV - HSI - Intensity Plane แยกระนาบความเข้มจากรปู ภาพ HSI 2.13.6.2 ฟงั กช์ ั่น Image Calibration รูปที่ 2.85 แสดงการใชฟ้ งั ก์ชั่น Image Calibration ที่มา : [9] จากรูป 2.85 เป็นวิธีการใช้งานของฟงั ก์ชนั่ โดยจะมีองคป์ ระกอบดังต่อไปน้ี Main tab การควบคมุ ตอ่ ไปน้ีมอี ย่ใู นแทบ็ หลัก - step name เป็นชอ่ื เพ่อื ระบขุ ้ันตอน - Calibration File Path คือเสน้ ทางของการปรับเทยี บทต่ี อ้ งการใช้เพอ่ื ปรับเทียบภาพ - New Calibration เป็นตัวเปิดอินเทอร์เฟซการฝึกอบรมการสอบเทียบ NI ใช้อินเทอร์เฟซ การฝึกอบรมเพ่ือสร้างการสอบเทยี บใหม่ - Edit Calibration เป็นตัวเปิดอินเทอร์เฟซการฝึกอบรมการสอบเทียบ NI ใช้อินเทอร์เฟซ การฝึกอบรมเพือ่ แก้ไขการสอบเทยี บที่มีอยู่ - Preview Corrected Image แสดงรูปภาพท่ีแก้ไข ในการแก้ไขภาพต้องทาการปรับเทียบ ให้สมบูรณจ์ ากน้นั ใช้ข้ันตอนการแก้ไขภาพ - Interpolation Type ระบวุ ธิ กี ารแก้ไขท่ใี ชเ้ พื่อให้ได้ภาพท่ถี กู แก้ไขเชงิ พน้ื ที่ - Zero Order ปดั เศษไปยังตาแหนง่ พกิ เซลอนิ ทิกรลั ทใี่ กล้ทสี่ ุด - Bi-Linear ใชก้ ารประมาณคา่ เชงิ เสน้ ท้งั ในทศิ ทาง x และ y-direction เพื่อคานวณตาแหน่ง พกิ เซล - Replace Value ค่าพิกเซลที่ใช้เพ่ือแทนท่ีภูมิภาคท่ีไม่ถูกแก้ไขในรูปภาพที่ถูกแก้ไขเชิง พนื้ ที่ Calibration tab การควบคุมต่อไปน้ีมีอยู่ในแท็บการปรับเทยี บ - Learn Calibration at Each Iteration เรียนรกู้ ารสอบเทียบท่กี ารวนซ้าแตล่ ะครัง้ คานวณ การสอบเทียบเพื่อนาไปใช้กับภาพในแต่ละครั้งที่การตรวจสอบซ้า เมื่อเลือกสามารถแก้ไขค่าใน รายการขอ้ มลู การสอบเทียบเพอื่ ใช้ผลลัพธม์ ุม, ระยะทางหรือแกนอ้างอิงแกนจากขน้ั ตอนก่อนหน้า - Calibration Data แสดงรายการการตงั้ คา่ สาหรับการปรบั เทยี บทเี่ ลือก เน้อื หาของแผนภูมิ ข้อมูลการสอบเทียบแตกต่างกันไปตามประเภทการสอบเทียบ สาหรับข้อมูลเพ่ิมเติมเก่ียวกับแต่ละ รายการโปรดดูวธิ ีใช้ NI Calibration Training Interface 2.13.6.3 ฟงั กช์ ั่น Threshold รปู ที่ 2.86 แสดงการใช้ฟงั ก์ช่ัน Threshold ทม่ี า : [9] จากรปู 2.86 เป็นวธิ กี ารใชง้ านของฟังก์ชัน่ โดยจะมีองค์ประกอบดงั ต่อไปน้ี Main tab การควบคมุ ต่อไปน้มี อี ยู่ในแทบ็ หลัก - step name เป็นชื่อเพ่ือระบขุ ้ันตอน Threshold tab การควบคุมต่อไปน้ีมอี ยู่ในแทบ็ เกณฑ์ - Look For Bright Objects แยกพกิ เซลท่มี ีคา่ ความเข้มอยู่ในชว่ งจากค่าท่ผี ู้ใชร้ ะบุถึง 255 Dark Objects แยกพิกเซลทมี่ ีค่าความเขม้ อย่ใู นช่วงตัง้ แต่ 0 ถงึ คา่ ท่ีผู้ใช้ระบุ Gray Objects แยกพิกเซลท่ีมคี า่ ความเขม้ อยู่ในชว่ งท่ีผู้ใชร้ ะบุ - Threshold Type Image source แหลง่ ทมี่ าของรปู ภาพ เปดิ ภาพท่ปี ้อนตน้ ฉบับ Manual Threshold กาหนดเกณฑ์เองกาหนดเกณฑ์ให้กับรูปภาพตามค่าเกณฑ์ขน้ั ต่าและสูงสุดที่คุณป้อน พิกเซลทั้งหมดที่ไม่มีอยู่ระหว่างค่าต่าสุดและสูงสุดถูกต้ังค่าเป็น 0 พิกเซล ทั้งหมดทอี่ ย่ใู นชว่ งจะถกู แทนท่ีดว้ ย 1 Auto Threshold: Clustering การจัดกลุ่มใช้เกณฑ์กับรปู ภาพตามเทคนิคทางสถติ ิ ทีเ่ รยี กว่าการทาคลัสเตอร์ Auto Threshold: Entropy นาไปใช้กับภาพโดยใช้เทคนิคการวิเคราะห์ภาพท่ี เรยี กว่า Entropy Auto Threshold: Metric ตัวชี้วัดใช้เกณฑ์กับรูปภาพโดยการคานวณขีด จากัด ที่ เหมาะสมซง่ึ ข้ึนอยกู่ บั พ้ืนผวิ ที่แสดงถงึ เฉดสเี ทาเริ่มต้นโดยใช้เทคนิคการวัด Auto Threshold: Moments ช่วงเวลานาเกณฑ์ไปใช้กับรูปภาพโดยใช้เคร่ืองมือ ทางสถิตทิ ี่เรยี กว่าโมเมนต์ซ่ึงคานวณรูปไบนารขี องทฤษฎอี ีกครัง้ Auto Threshold: Inter Variance นาไปใช้กับภาพโดยใช้เทคนิคทางสถิติแบบ คลาสสกิ ท่เี รยี กวา่ Interclass Variance Local Threshold: Niblack คานวณค่าเกณฑ์สาหรับแต่ละพิกเซลตามสถิติของ พกิ เซลแวดล้อม อัลกอริทมึ นช้ี ดเชยแสงทีห่ ลากหลาย Local Threshold: Background Correction การแก้ไขพ้ืนหลังทาการแก้ไขพื้น หลังเพื่อกาจัดเอฟเฟกต์แสงที่ไม่สม่าเสมอจากน้ันทาการ thresholding โดยใช้อัลกอริธึมการ แปรปรวนของคลาส Interclass Local Threshold: Sauvola คานวณขีดจากัด สาหรับแต่ละพิกเซลตามสถิติ ท้องถิ่นและใชส้ ว่ นเบย่ี งเบนมาตรฐานระดับโลกโดยใชอ้ ัลกอริทมึ Thresholding ท้องถ่ิน Sauvola Local Threshold: Modified Sauvola คานวณขีดจากดั สาหรบั แต่ละพกิ เซลตาม สถิติท้องถิ่นและยังใช้ส่วนเบ่ียงเบนมาตรฐานสากลโดยใช้เวอร์ชันท่ีคานวณได้น้อยกว่าของ Sauvola local thresholding algorithm - Threshold Range ชว่ งเกณฑ์ทกี่ าหนดค่าไดเ้ ฉพาะกับเกณฑ์กาหนดดว้ ยตนเอง Minimum ค่าพิกเซลต่าสุดระดับสีเทาต่าสุดท่ีอยู่ในช่วงเกณฑ์ท่ีกาหนดด้วยตนเอง สามารถปรับเคอร์เซอร์สีดาบนฮิสโตแกรมเพ่ือต้ังค่าขอบเขตล่างของช่วงน้ีเม่ือคุณกาลังมองหาวัตถุท่ี สว่างหรือสีเทา Maximum ค่าพิกเซลสูงสุดระดับสีเทาสูงสุดรวมอยู่ในช่วงเกณฑ์ที่กาหนดด้วย ตนเอง สามารถปรับเคอร์เซอร์สีขาวบนฮิสโตแกรมเพ่ือต้ังค่าขอบเขตบนของช่วงน้ีเม่ือคุณกาลังมอง หาวตั ถสุ ีดาหรอื สีเทา - Hostrogram แสดงจานวนพิกเซลท้ังหมดในแต่ละค่าระดับสีเทา จากฮิสโตแกรมสามารถ แยกแยะได้ว่าภาพน้ันมีขอบเขตที่แตกต่างกันของค่าระดับสีเทาที่แน่นอนหรือไม่และสามารถเลือก ขอบเขตพกิ เซลระดับสเี ทาของภาพได้โดยเลอื่ นเคอรเ์ ซอรส์ ขี าวและสดี า 2.13.6.4 ฟงั กช์ นั่ Lookup Table รูปที่ 2.87 แสดงการใช้ฟงั ก์ช่ัน Lookup table ทีม่ า : [9] จากรูป 2.87 เปน็ วธิ กี ารใชง้ านของฟังก์ชน่ั โดยจะมอี งคป์ ระกอบดังตอ่ ไปน้ี Lookup table เป็นฟังก์ชั่นปรับปรุงความคมชัดและความสว่างโดยการใช้ตารางการค้นหา กับรูปภาพ มีค่าท่ีใช้ในการแปลงค่าระดับสีเทาของภาพ สาหรับแต่ละค่าระดับสีเทาในภาพค่าใหม่ที่ สอดคล้องกันน้ันได้มาจาก Lookup table และกาหนดให้กับทุกพิกเซลของค่าระดับสีเทานั้น ตัว ควบคมุ ต่อไปนพ้ี ร้อมใช้งาน - Step name เป็นชือ่ เพ่อื ระบขุ ้ันตอน - Lookup table Image source เปิดภาพอินพุตต้นฉบับ Equalize เพิ่มความเข้มแบบไดนามิกด้วยการกระจายช่วงสีเทาที่กาหนด [การ ควบคุมขั้นต่าและสูงสุด] เหนือระดับสีเทาเต็ม [0,255 สาหรับภาพ 8 บิต] ฟังก์ชันน้ีจะกระจายความ เข้มของพิกเซลเพอื่ ใหฮ้ ิสโตแกรมสะสมเชิงเสน้ Reverse ยอ้ นกลับค่าพกิ เซลทาให้เกิดแสงลบของภาพต้นฉบบั Logarithmic ใช้การแปลงลอการิทึมบนพิกเซลภาพซ่ึงเพิ่มความสว่างและความ เปรียบต่างในพน้ื ทมี่ ืด Exponential ใช้การแปลงเอกซโ์ พเนนเชียลของพิกเซลภาพซึ่งจะลดความสว่างและ เพมิ่ ความเปรยี บต่างในบรเิ วณท่สี วา่ ง Square ลดคอนทราสต์ในบรเิ วณทม่ี ืด คล้ายกบั เลขช้กี าลัง แตม่ ีผลทลี ะน้อย Square root ลดความเปรียบต่างในบริเวณทีส่ วา่ ง คลา้ ยกบั ลอการทิ มึ แตม่ ีผลทีละ น้อย Power X ลดความเปรียบต่างในพน้ื ทม่ี ดื Power 1 / X ลดความเปรียบต่างในบรเิ วณทสี่ วา่ ง - Power Value ค่าของ power X สาหรับฟังก์ชัน Power X และ Power 1 / X ค่าเร่ิมต้น คอื 1.5 2.13.6.5 ฟังก์ชน่ั Particle Filter รปู ท่ี 2.88 แสดงการใชฟ้ ังกช์ ่ัน Particle Filter ทมี่ า : [9] จากรปู 2.88 เปน็ วิธกี ารใชง้ านของฟงั ก์ชัน่ โดยจะมอี งคป์ ระกอบดังต่อไปน้ี Particle Filter เป็นตัวกรองอนุภาค ลบหรือเก็บอนุภาคในภาพตามที่ระบุโดยเกณฑ์การ กรอง ตวั ควบคมุ ต่อไปนีพ้ ร้อมใช้งาน - Step name เป็นชอื่ เพื่อระบขุ น้ั ตอน - Filter Criteria รายการการวัดทใี่ ช้เปน็ เกณฑ์ในการเก็บหรือเอาอนภุ าคออกจากภาพ - Parameter Range Minimum value ค่าตา่ สุดระบคุ า่ ตา่ สุดของช่วงพารามเิ ตอร์ Maximum value ค่าสงู สุดระบุค่าสงู สุดของช่วงพารามเิ ตอร์ Exclude Interval ระบุช่วงที่จะกรอง เมื่อยกเลิกการเลือกตัวเลือกน้ีช่วงที่เลือกคือ [คา่ ต่าสุด, คา่ สูงสุด] เม่ือเลอื กตวั เลือกนีช้ ่วงที่เลอื กคอื [- ∞, คา่ ตา่ สุด] [ค่าสงู สดุ , + ∞] Unit ระบหุ นว่ ยของค่าตา่ สุดและสูงสุด หน่วยเป็นพิกเซลหรือค่าโลกแห่งความจริง - Current Parameter ค่าต่าสุดค่าสูงสุดและคา่ เฉล่ยี สาหรับเกณฑ์ตัวกรองท่ีเลือกซึง่ คานวณ โดยใชอ้ นุภาคทง้ั หมดในภาพ - Action Remove การลบอนุภาคท่ีไม่พอดีกับช่วงที่ถูกล้อมด้วยค่าที่น้อยที่สุดและสูงสุด สาหรบั การวัดท่ีเลอื ก Keep เก็บอนุภาคท่ีเหมาะสมในช่วงท่ีถูกล้อมรอบด้วยค่านอ้ ยท่ีสดุ และสูงสุดสาหรับ การวัดทีเ่ ลือก - Connectivity 4/8 กาหนดว่าพกิ เซลใดทอ่ี ยรู่ อบ ๆ พกิ เซลใด ๆ ท่เี ป็นพื้นทใ่ี กล้เคียง Connectivity 8 พกิ เซลทอี่ ยูต่ ดิ กันทง้ั หมด Connectivity 4 พิกเซลท่ีอยตู่ ิดกันในทิศทางแนวนอนและแนวตงั้ เท่านั้น 2.13.7 การวิเคราะหอ์ นภุ าค รปู ที่ 2.89 การกาหนดระยะในการวเิ คราะห์อนภุ าค ทีม่ า : [11] จากรูปที่ 2.89 เป็นการแสดงรูปการกาหนดระยะในการวิเคราะห์อนุภาค ใช้เป็นตัวกาหนด มลิ ลิเมตรเพือ่ เปรยี บเทยี บคา่ พิกเซล ใหเ้ ป็นมลิ ลเิ มตร โดยใชร้ ะยะห่างจากจดุ หน่ึงไปยงั อีกจุดหน่ึงเป็น เกณฑ์ในการวัด เช่น กาหนดจุดข้ึนมา 2 จุด คือ A และ B โดยกาหนดให้จดุ A และจุด B มีระยะห่าง อยู่ท่ี 10 มลิ ลิเมตร จงึ ทราบได้วา่ ทรี่ ะยะหา่ งระหวา่ งจดุ A และจดุ B เทา่ กบั 10 มิลลเิ มตร เปน็ ตน้ วิธีแปลงค่า พิกเซลเปน็ มลิ ลิเมตร (mm) สูตรการคานวณ พิกเซล เป็น มิลลิเมตร โดยการเทียบมาตรฐาน (Calibration image) เพ่ือ หา อตั ราสว่ น (Ratio) จากพกิ เซล ไปเปน็ มลิ ลิเมตร 10 mm ระนาบ y ระนาบ x +A +B x1, y1 x2 , y2 รูปท่ี 2.90 การวดั ระยะ ทมี่ า : [4] โดยให้ x1 คอื จดุ ตามแนวระนาบแกน x ของจดุ A คือ จดุ ตามแนวระนาบแกน y ของจดุ A x2 คือ จุดตามแนวระนาบแกน x ของจุด B คือ จดุ ตามแนวระนาบแกน y ของจดุ B y1 คอื ค่าคงที่สมมติระยะหา่ งระหว่างจดุ A และ B y2 10 mm จากรูปที่ 2.90 แสดงกาหนดจุดท่ีระยะห่าง 10 มิลลิเมตร เพ่ือกาหนดค่าพิกเซลให้เป็น มลิ ลิเมตร สามารถคานวณไดจ้ ากสมการที่ (2.25) 10 mm = x2 − x1 Pixel ……….(2.25) การแปลงพกิ เซลเปน็ มลิ ลเิ มตร y xm ym รูปที่ 2.91 การวดั ขนาดลกู แตงกวา x ทม่ี า : [4] โดย xm คอื ขนาดพิกเซลความยาวของแตงกวาตามแนวแกน x ym คอื ขนาดพกิ เซลความกว้างของแตงกวาตามแนวแกน y จากรูปที่ 2.91 เป็นการแสดงวิธีการวัดขนาดของลูกแตงกวา ตามแนวแกน x , y เพ่ือหา ขนาด แนวความกว้างสามารถคานวณได้จากสมการที่ (2.26) และแนวความสูงสามารถคานวณได้จาก สมการท่ี (2.27) หาได้จาก ขนาดตามแนวความสงู = ym ……….(2.26) x2 − x1 10 ขนาดตามแนวความกวา้ ง = xm ……….(2.27) x2 − x1 10 2.14 สตู รท่ีใชใ้ นการทดสอบผลการทดลอง 2.14.1 การหาความแม่นยาของการวัดขนาดจากโปรแกรม ในการหาความแม่นยาของการวัดขนาดจากโปรแกรม โดยจะเปรียบเทียบจากผลลัพธ์ที่ได้จาก การใช้โปรแกรมวัด กับค่าท่ีได้รับจากการใช้เวอร์เนียร์คาลิเปอร์ในรูปแบบค่าความคลาดเคล่ือน สมบูรณ์เฉลย่ี (Mean Absolute Error,MAE) ซึ่งสามารถเขยี นความสมั พันธ์ไดด้ ังสมการที่ (2.28) MAE = 1 M lk − lˆk ……….(2.28) M k =1 โดยให้ lk คอื คา่ ความคลาดเคลอื่ นขนาดแตงกวาท่ไี ดจ้ ากการใชเ้ วอร์เนียร์คาร์ลิเปอร์วดั lˆk คอื คา่ ขนาดแตงกวาทไี่ ดจ้ ากการใชโ้ ปรแกรมวดั M คือ จานวนคร้งั ของแตงกวาทใ่ี ชใ้ นการทดสอบ 2.14.2 ผลการทดสอบประสิทธิภาพของเคร่ือง ในการวัดประสิทธิภาพการทางานของระบบ จะใช้สูตรค่าความคลาดเคล่ือนสัมพัทธ์ (relative error) สามารถหาได้จากสมการที่ (2.29) Relative error = xmea − xt ………. (2.29) xt % Error = Relative error ×100 โดยให้ xt คอื ค่าจริง (True value) xmea คือ ค่าทไี่ ด้จากการวัด (Measure value) 78 2.15 สเปกตรมั ของแสง แสง คือ การแผ่รังสีแม่เหล็กไฟน้าเงินที่อยู่ในช่วงสเปกตรัมของคล่ืนแม่เหล็กไฟน้าเงินที่ สามารถมองเห็นได้ โดยแสงท่ีสามารถมองเห็นได้ดว้ ยตา (Visible light) จะมคี วามยาวคลื่นอยู่ในช่วง 400-700 นาโนเมตร ซ่ึงเม่ือแสงขาวจากแหล่งกาเนิดแสงเดินทางผ่านตัวกลางจะเกิดการหักเหและ กระจายออกเป็นแถบสีต่าง ๆ ตามความยาวคล่ืนของแสง โดยแสงสีที่มีความยาวคล่ืนสั้นจะเกิดการ หักเหของแสงได้มากกว่าแสงที่มีความยาว เช่น สีม่วงจะมีความยาวคลื่น 400 นาโมเมตรมีการหักเห ผ่านตัวกลางได้มากกว่าแสงสีแดงท่ีมีความยาวคล่ืนอยู่ที่ 700 นาโนเมตร แสงสีน้าเงินเป็นแสงที่มี ความยาวคล่ืนส้นั มพี ลังงานสงู และเกดิ การหักเหของแสงไดด้ ีกว่าแสงสแี ดง รูปท่ี 2.92 สเปกตรัมของแสง ท่ีมา : [12] 79 บทที่ 3 วิธีการดาเนนิ งาน 3.1 บทนา ในบทนี้จะกล่าวถึงการออกแบบและสร้างเครื่องคัดแยกขนาดแตงกวาซ่ึงประกอบไปด้วย การออกแบบโครงสร้าง หลักการออกแบบเครื่องคัดแยกขนาดแตงกวา หลักการทางานของเครื่องคัด แยกขนาดแตงกวา ผังการทางานของโปรแกรม วิธีการทางานของเครื่องคัดแยกขนาดแตงกวา และ การทดสอบประสิทธิภาพของเคร่อื ง ศกึ ษาและเกบ็ รวบรวมข้อมลู ไมผ่ ่าน ออกแบบเคร่อื งคัดแยกขนาดแตงกวา จดั หาวัสดุและอปุ กรณ์ ประกอบอปุ กรณ์ ทดสอบเครื่องคดั แยกขนาดแตงกวา ผ่าน จัดทาคมู่ ือการใชเ้ ครอ่ื งคดั แยกขนาดแตงกวา สรปุ ผลการดาเนนิ งาน รปู ที่ 3.1 แผนผงั แสดงข้ันตอนการดาเนินโครงงาน 80 จากรูปที่ 3.1 เป็นขน้ั ตอนการดาเนินงานของการพัฒนาเคร่ืองคัดแยกขนาดแตงกวา เริม่ จาก ศึกษาและเก็บรวบรวมข้อมูลของเครื่องต้นแบบ ออกแบบเพื่อพัฒนาเครื่องต้นแบบโดยการเปล่ียนใน ส่วนของการคดั แยกขนาด เพิม่ สายพานลาเลยี งแตงกวา การชง่ั น้าหนักและแก้ไขโปรแกรม LabVIEW จัดหาวสั ดอุ ปุ กรณแ์ ละทาการประกอบอุปกรณ์ เมื่อประกอบเครื่องคดั แยกขนาดแตงกวาแล้วเสรจ็ จึง ทาการทดสอบประสิทธิภาพของเคร่ืองคัดแยกขนาดแตงกวา พร้อมหาจุดบกพร่องและสรุปผลการ ทางานของเครือ่ ง และจัดทาคูม่ อื การใช้งานเคร่ืองคดั แยกขนาดแตงกวา แล้วจงึ สรปุ ผลการดาเนินงาน 3.2 การออกแบบโครงสรา้ ง จากรปู ท่ี 3.2 จะแสดงสว่ นประกอบของโครงสร้างเครอื่ งการพัฒนาคัดแยกขนาดแตงกวา 3 52 4 3 1 2 รปู ที่ 3.2 สว่ นประกอบของโครงสรา้ งเครื่องการพัฒนาเครอื่ งคดั แยกขนาดแตงกวา หมายเลขท่ี 1 เคร่ืองชงั่ นา้ หนัก ใชโ้ หลดเซลล์ท่ีพกิ ดั 20 กิโลกรัม มีทัง้ หมด 3 ตัว ชัง่ น้าหนกั แตงกวาขนาดใหญ่ ขนาดเล็กและไม่ได้ขนาด หมายเลขที่ 2 สายพานลาเลยี งแบบร่อง ลาเล้ียงแตงกวาข้นึ มา โดยมรี ะยะห่าง 20 เซนตเิ มตรในแตล่ ะชว่ ง หมายเลขที่ 3 จอแสดงผลดิจิตอล มที ้ังหมด 3 ตัว จะแสดงค่านา้ หนัก 3 ส่วน คอื ขนาดใหญ่ ขนาดเลก็ และไม่ได้ขนาด หมายเลขที่ 4 มอเตอรเ์ ซอรโ์ ว ใช้ทงั้ หมด 2 ตวั สาหรับแยกขนาดแตงกวาขนาดใหญแ่ ละ ขนาดเลก็ ใชโ้ ปรแกรม LabVIEW ในการประมวลผลภาพ หมายเลขที่ 5 ถาดรองรบั แตงกวา มี 2 ส่วน คอื รองรับแตงกวาขนาดเล็กและขนาดใหญ่ 3.3 หลกั การออกแบบ ในการวิเคราะห์และออกแบบระบบได้มีการแบ่งการทางานของระบบออกเป็น 2 ส่วน คือ สว่ นของซอฟต์แวรแ์ ละส่วนของฮารด์ แวร์ ดงั น้ี 81 3.3.1 ส่วนของซอฟตแ์ วร์ คือ สว่ นของการประมวลผลทางโปรแกรมเพ่ือสั่งให้ฮาร์ดแวรท์ างานโดยจะแบ่งการออกแบบ สว่ นของซอฟตแ์ วร์เป็น 2 ส่วน คือ สว่ นของการประมวลผลภาพเพื่อหาขนาดของแตงกวา เพ่อื สั่งการ ไปยังมอเตอร์เซอร์โวทาการแยกขนาดโดยการปัดแตงกวา โดยทาการประมวลผลด้วยโปรแกรมแลป วิว (LabVIEW 2018) และส่วนของการชั่งน้าหนัก เมื่อน้าหนักแตงกวาถึง 10 กิโลกรัม มอเตอร์จะ หยุดทางาน สง่ั การโดยใชโ้ ปรแกรม Arduino 3.3.2 สว่ นของฮารด์ แวร์ คือ ส่วนของการออกแบบส่วนต่างๆ ของระบบการคัดแยกขนาดแตงกวา โดยจะมีแบ่ง ออกเป็น 3 ส่วน คือ โครงสร้างโหลดเซลล์ แขนปัดแตงกวาท่ียืนออกจากตัวมอเตอร์เซอร์โว และ สายพานลาเลยี งแบบร่องเพ่ือลาเลียงแตงกวาข้ึนมา 3.4 ส่วนประกอบของโครงสร้างแตล่ ะสว่ น การออกแบบสาหรับการคัดแยกขนาดแตงกวาได้ทาข้ึนโดยจาลองจากของจริง จะมีการบอก ขนาดรูปร่างและส่วนประกอบต่าง ๆ โดยจะมีส่วนของระบบสายพานลาเลียงแบบร่อง ส่วนของชุด การติดต้ังเซนเซอร์หลอดไฟและกล้องเวบ็ คาเมรา่ สว่ นของการคัดแยกขนาด การชงั่ น้าหนกั และสว่ น ของถาดรองรบั แตงกวา 3.4.1 ส่วนของระบบสายพานลาเลียงแบบร่อง 1 160 cm. 4 2 4 cm. 3 รปู ที่ 3.3 สายพานลาเลยี งแบบร่อง จากรูปท่ี 3.3 เป็นสายพานลาเลียงแบบรอ่ ง ประกอบด้วย หมายเลข 1 เพลาตกุ๊ ตา หมายเลข 2 แผน่ เหล็กกนั้ กวา้ ง 4 เซนตเิ มตร ยาว 160 เซนติเมตร หมายเลข 3 ดีซีมอเตอร์ 12 โวลต์ หมายเลข 4 ตัวทบี ารแ์ ละสายพานลาเลียง 82 1 cm. 20 cm. 4 cm. ตวั ทบี าร์ รูปที่ 3.4 ระยะห่างระหว่างตัวทบี าร์ จากรูปท่ี 3.4 เป็นการออกแบบระยะห่างระหว่างตัวทีบาร์ ติดกับสายพานลาเลียง ซ่ึงจะมี ระยะเทา่ กบั 20 เซนตเิ มตรในแตล่ ะช่วง สูง 4 เซนตเิ มตร และเว้นขอบ ข้างละ 1 เซนตเิ มตร 20 cm 140 cm รูปที่ 3.5 ระยะของสายพานลาเลียง จากรปู ท่ี 3.5 แสดงความยาวของสายพานลาเลียงเทา่ กบั 140 เซนติเมตร ซ่งึ จะมีความยาว ทงั้ หมด 300 เซนตเิ มตร กว้าง 20 เซนติเมตร 60 cm 28.5 cm รูปท่ี 3.6 ระยะโครงเหลก็ จากรปู ท่ี 3.6 แสดงระยะของโครงเหลก็ กว้าง 28.5 เซนตเิ มตร และสงู 60 เซนติเมตร 83 3..4.2 ส่วนของชุดการติดต้ังเซนเซอร์ หลอดไฟและกล้องเว็บคาเมร่า กล้อง 15 cm 35 cm เซ็นเซอร์ตรวจจับวตั ถุ 28.5 cm รูปที่ 3.7 การตดิ ตั้งเซนเซอร์และกล่องให้แสงสวา่ ง จากรูปที่ 3.7 จะแสดงขนาดของโครงสร้างกล่องแสงสว่างที่มีการติดต้ังกล้องและเซ็นเซอร์ ตรวจจับวัตถุไว้ เซ็นเซอร์ตรวจจับวัตถุติดตั้งสูงจากฐาน 24 เซนติเมตร ซึ่งกล่องมีความสูง 35 เซนติเมตร เว้นช่องว่างสาหรับสายพานลาเลียงเท่ากับ 28.5 เซนติเมตร กล่องนี้จะมีการติดต้ัง หลอดไฟ LED อยู่ภายใน มีหนา้ ทที่ าใหแ้ สงภายในกล่องเกิดความสวา่ ง ท่เี ทา่ กนั ทกุ จุด เพ่ือใชส้ าหรับ การถ่ายภาพแตงกวา ไมใ่ ห้เกดิ เงาสะท้อนจากสภาพแวดล้อม แสดงดังรูปท่ี 3.8 กล้อง 14 cm. หลอดไฟ LED รูปท่ี 3.8 การตดิ ตง้ั กล้องและหลอดไฟภายในกล่อง จากรูปที่ 3.8 แสดงตาแหน่งการติดต้ังกล้องและหลอดไฟ LED ในกล่อง ระยะการติดตั้ง กล้อง เทา่ กับ 14 เซนตเิ มตร |
กราฟเส นตรง เม อ x เพ ม y grb png
กระทู้ที่เกี่ยวข้อง
ลิขสิทธิ์ © 2024 th.ketiadaan Inc.
