بنینگ (Binning) در دوربین‌های بینایی ماشین: راهکاری برای افزایش حساسیت نوری

نویسنده:
محمد سلطان پور
تاریخ انتشار:
25 بهمن 1403
دیدگاه ها:
بنینگ (Binning)

مقدمه در دنیای تصویربرداری صنعتی و بینایی ماشین، کیفیت تصویر و حساسیت نوری از اهمیت بالایی برخوردار هستند. در بسیاری از کاربردهای صنعتی، مانند بازرسی کیفیت، پردازش تصویر، و ردیابی اجسام متحرک، نیاز به تصاویر…

مقدمه

در دنیای تصویربرداری صنعتی و بینایی ماشین، کیفیت تصویر و حساسیت نوری از اهمیت بالایی برخوردار هستند. در بسیاری از کاربردهای صنعتی، مانند بازرسی کیفیت، پردازش تصویر، و ردیابی اجسام متحرک، نیاز به تصاویر باکیفیت و واضح ضروری است. یکی از تکنیک‌هایی که می‌تواند به افزایش حساسیت نوری سنسورهای دوربین کمک کند، بنینگ (Binning) است.

بنینگ روشی است که در آن چندین پیکسل مجاور در یک تصویر ترکیب شده و یک پیکسل بزرگ‌تر را تشکیل می‌دهند. این فرآیند باعث کاهش وضوح تصویر می‌شود، اما در مقابل، حساسیت نوری افزایش یافته، نویز تصویر کاهش پیدا کرده و نرخ فریم دوربین افزایش می‌یابد.

در این مقاله، به بررسی کامل مفهوم بنینگ، انواع آن، مزایا و کاربردهایش در بینایی ماشین و تصویربرداری صنعتی می‌پردازیم. همچنین، روش‌های جدیدی مانند Pixel Beyond که امکان استفاده از ضرایب اعشاری در بنینگ را فراهم می‌کنند، معرفی خواهیم کرد.

بنینگ (Binning) چیست؟

بنینگ یک تکنیک پردازش تصویر در سطح سنسور دوربین است که در آن چندین پیکسل همجوار ترکیب شده و یک پیکسل بزرگ‌تر را تشکیل می‌دهند. این تکنیک باعث افزایش حساسیت نوری می‌شود زیرا جمع شدن قدرت چندین پیکسل باعث افزایش مقدار نور دریافتی می‌شود.

با این حال، یکی از اثرات جانبی این فرآیند، کاهش وضوح تصویر (Resolution) است. زیرا در هنگام ترکیب پیکسل‌ها، تعداد کل پیکسل‌های تصویر کاهش می‌یابد.

چرا بنینگ استفاده می‌شود؟

افزایش حساسیت نوری: در محیط‌های کم‌نور، ترکیب چندین پیکسل باعث افزایش میزان نور دریافتی می‌شود.
کاهش نویز تصویر: از آنجا که اطلاعات چندین پیکسل ترکیب می‌شوند، نویز تصویر کاهش می‌یابد.
افزایش نرخ فریم (Frame Rate): با کاهش وضوح، پردازش تصویر سریع‌تر انجام شده و نرخ فریم افزایش می‌یابد.

انواع بنینگ (Binning)

سه نوع اصلی بنینگ وجود دارد:

۱. بنینگ افقی (Horizontal Binning)

در این نوع، چندین پیکسل مجاور در یک ردیف افقی ترکیب می‌شوند. به این ترتیب، وضوح تصویر در جهت افقی کاهش می‌یابد، اما در جهت عمودی ثابت می‌ماند.

۲. بنینگ عمودی (Vertical Binning)

در این روش، پیکسل‌های مجاور در یک ستون عمودی ترکیب می‌شوند. این کار موجب کاهش وضوح در جهت عمودی می‌شود، اما وضوح افقی بدون تغییر باقی می‌ماند.

۳. بنینگ کامل (Full Binning)

در این روش، چندین پیکسل هم در جهت افقی و هم در جهت عمودی ترکیب می‌شوند. این روش باعث کاهش کلی وضوح تصویر می‌شود اما در مقابل، بیشترین میزان افزایش حساسیت نوری را به همراه دارد.

انواع بنینگ (Binning)

بنینگ چگونه کار می‌کند؟

بنینگ در سطح سنسور تصویر (Image Sensor) انجام می‌شود. در این فرآیند، مقدار روشنایی (نور) چندین پیکسل مجاور با هم جمع شده و به عنوان یک مقدار واحد پردازش می‌شود.

به عنوان مثال، در بنینگ ۲×۲، هر چهار پیکسل مجاور با یکدیگر ترکیب شده و یک پیکسل جدید را تشکیل می‌دهند. این کار باعث می‌شود که:
حساسیت نوری چهار برابر افزایش یابد (زیرا نور چهار پیکسل روی یک پیکسل جدید جمع می‌شود).
وضوح تصویر به نصف کاهش یابد (چون تعداد کل پیکسل‌ها کاهش یافته است).

در بنینگ ۳×۳، نه پیکسل همجوار ترکیب شده و یک پیکسل جدید را تشکیل می‌دهند که این امر باعث کاهش بیشتر وضوح و افزایش بیشتر حساسیت نوری می‌شود.

مزایای بنینگ در بینایی ماشین

۱. افزایش حساسیت نوری

✅ در محیط‌های کم‌نور، دوربین‌های صنعتی ممکن است دچار کاهش کیفیت تصویر شوند. با استفاده از بنینگ، میزان نور دریافتی افزایش یافته و تصاویر روشن‌تر و واضح‌تری ثبت می‌شوند.

۲. کاهش نویز تصویر

✅ نویز تصویر (Image Noise) یکی از مشکلات رایج در بینایی ماشین و تصویربرداری صنعتی است. ترکیب چندین پیکسل باعث می‌شود که نویز کاهش یافته و کیفیت تصویر بهبود یابد.

۳. افزایش نرخ فریم (Frame Rate)

✅ در بسیاری از کاربردهای صنعتی، سرعت پردازش تصویر بسیار مهم است. با کاهش وضوح تصویر از طریق بنینگ، حجم داده‌ها کاهش یافته و نرخ فریم دوربین افزایش می‌یابد.

۴. بهبود عملکرد در شرایط نوری نامناسب

✅ در برخی کاربردها مانند تصویربرداری پزشکی، شناسایی خودروها در نور کم، و نظارت صنعتی، نور محیط کافی نیست. بنینگ به دوربین‌ها کمک می‌کند تا در این شرایط عملکرد بهتری داشته باشند.

کاربردهای بنینگ در صنعت

۱. بینایی ماشین و کنترل کیفیت

✅ در خطوط تولید، از دوربین‌های صنعتی برای بازرسی کیفیت محصولات استفاده می‌شود. در این کاربرد، بنینگ می‌تواند کمک کند تا خطاهای تولید سریع‌تر و دقیق‌تر شناسایی شوند.

۲. تصویربرداری پزشکی

✅ در دستگاه‌های تصویربرداری پزشکی (مانند رادیولوژی دیجیتال، سی‌تی‌اسکن و میکروسکوپ‌های دیجیتال)، از بنینگ برای افزایش حساسیت دوربین‌ها و ثبت تصاویر دقیق‌تر استفاده می‌شود.

۳. نظارت و امنیت

✅ در سیستم‌های نظارتی و امنیتی، دوربین‌ها باید بتوانند در شرایط نوری ضعیف، مانند شب، تصاویر واضحی ثبت کنند. بنینگ در این موارد به افزایش روشنایی تصویر کمک می‌کند.

۴. تصویربرداری نجومی

✅ در تلسکوپ‌ها و دوربین‌های نجومی، بنینگ برای افزایش حساسیت به نورهای بسیار ضعیف از اجرام آسمانی استفاده می‌شود.

 بنینگ (Binning)

محدودیت‌های بنینگ

۱. کاهش وضوح تصویر

✅ در بنینگ، ترکیب چندین پیکسل باعث می‌شود که وضوح تصویر کاهش یابد. این ممکن است در برخی کاربردهایی که نیاز به جزئیات بالا دارند، مشکل‌ساز باشد.

۲. محدودیت در ضرایب بنینگ

✅ در روش‌های سنتی، بنینگ تنها در ضرایب صحیح (مانند ۲×۲، ۳×۳) امکان‌پذیر است. این موضوع باعث می‌شود که تغییرات در وضوح تصویر به صورت ناگهانی و در گام‌های بزرگ انجام شود.

۳. افزایش اندازه پیکسل‌های موثر

✅ هرچه تعداد پیکسل‌های ترکیب‌شده بیشتر شود، اندازه پیکسل‌های موثر نیز بزرگ‌تر می‌شود. این موضوع ممکن است باعث کاهش دقت در تشخیص جزئیات بسیار ریز شود.

تکنولوژی جدید: Pixel Beyond

شرکت Basler راهکاری به نام Pixel Beyond Feature ارائه کرده که امکان استفاده از ضرایب اعشاری در بنینگ را فراهم می‌کند. این ویژگی به کاربران اجازه می‌دهد که:
وضوح تصویر را به صورت دقیق‌تر و با انعطاف‌پذیری بیشتری تنظیم کنند.
به جای کاهش وضوح در گام‌های بزرگ (۲×۲، ۳×۳)، بتوانند از ضرایب جزئی مانند ۱.۵×۱.۵ استفاده کنند.

این فناوری باعث می‌شود که انعطاف‌پذیری بیشتری در تنظیم کیفیت تصویر و حساسیت نوری وجود داشته باشد.

نتیجه‌گیری

بنینگ یک تکنیک مهم و کاربردی در بینایی ماشین و تصویربرداری صنعتی است که به افزایش حساسیت نوری، کاهش نویز تصویر و افزایش نرخ فریم کمک می‌کند. این روش در صنایع مختلف از جمله پزشکی، نجوم، نظارت امنیتی و کنترل کیفیت صنعتی مورد استفاده قرار می‌گیرد.

با پیشرفت فناوری، روش‌های جدیدی مانند Pixel Beyond امکان تنظیم دقیق‌تر وضوح و حساسیت نوری را فراهم کرده‌اند. بنابراین، بنینگ همچنان یک ابزار حیاتی در بهبود عملکرد دوربین‌های صنعتی خواهد بود.

پرسش‌های متداول

1. بنینگ در دوربین‌های بینایی ماشین چیست؟

بنینگ یک عملکرد دوربین است که اجازه می‌دهد تعدادی از پیکسل‌های حسگر به یک مقدار پیکسل واحد ترکیب شوند. این فرآیند می‌تواند نسبت سیگنال به نویز (SNR) را افزایش دهد، پاسخ نوری دوربین را بهبود ببخشد و حتی نرخ فریم را افزایش دهد.

2. چگونه بنینگ کیفیت تصویر را بهبود می‌بخشد؟

با ترکیب بار الکتریکی از پیکسل‌های مجاور، بنینگ می‌تواند سودمندی‌هایی مانند سرعت‌دهی بیشتر در خواندن داده‌ها و بهبود نسبت سیگنال به نویز ارائه دهد. این موضوع به‌ویژه تحت شرایط نورپردازی کم مفید است و میدان دید پوشش داده‌شده توسط دوربین را افزایش می‌دهد .

3. آیا بنینگ می‌تواند نرخ فریم دوربین را افزایش دهد؟

بله، بنینگ می‌تواند هم نسبت سیگنال به نویز (SNR) و هم نرخ فریم دوربین را افزایش دهد. این از طریق اضافه کردن بار دو یا چند پیکسل مجاور به یکدیگر انجام می‌شود که این کار میزان داده‌ای که باید در هر فریم پردازش شود را کاهش می‌دهد.

4. تأثیر بنینگ بر روی قدرت تفکیک تصویر چیست؟

استفاده از بنینگ پیکسل‌های تحلیلی دوربین حسگر را کاهش می‌دهد زیرا این فرآیند داده‌های چندین پیکسل را به یک پیکسل “سوپر” ترکیب می‌کند. به عنوان مثال، استفاده از بنینگ 2×2 به معنای این است که چهار پیکسل به یک پیکسل بزرگ‌تر ترکیب می‌شوند که این موضوع منجر به کاهش نصف قدرت تفکیک در هر بعد می‌شود.

5. کاربردهای عملی بنینگ چیست؟

بنینگ پیکسل‌ها معمولاً برای افزایش حساسیت نوری و کاهش قدرت تفکیک تصویر استفاده می‌شود که این موارد می‌توانند در کاربردهای نیازمند تصویربرداری سریع یا عملکرد در شرایط کم‌نور مفید باشند. این فناوری به دوربین‌ها اجازه می‌دهد تا اندازهٔ پیکسل‌های بزرگ‌تر را بدون نیاز به حسگری بزرگ‌تر شبیه‌سازی کنند، که آن را به ابزاری مناسب برای متنوع ترین وظایف تصویربرداری مبدل می‌کند.

مطالب مرتبط

رتبه‌بندی کیفیت محصول

رتبه‌بندی کیفیت محصول (Quality Grading) با پردازش تصویر

فناوری دوربین صنعتی باسلر

فناوری دوربین صنعتی: راهنمای جامع برای شناخت، انتخاب و استفاده

رزولوشن دوربین باسلر -مرکز خرید دوربین صنعتی

نوین ایلیا: جامع‌ترین مرکز فروش دوربین صنعتی در ایران

پردازش تصویر با پایتون

راهنمای جامع پردازش تصویر با پایتون

تشخیص ترک فلز

تشخیص ترک فلز با بینایی ماشین (با استفاده از دوربین‌های Basler)

شبکه عصبی پردازش تصویر: راهنمای جامع از مبانی تا کاربردهای پیشرفته (۲۰۲۵)

شبکه عصبی پردازش تصویر: راهنمای جامع از مبانی تا کاربردهای پیشرفته (۲۰۲۵)