基于LabVIEW的车灯日行灯自动化测试

功能是对前面提取的窗口进行分析，提取出窗口的RGB信息及明度信息。

本功能主要由两个vi实现，分别为IMAQ Extract.vi和IMAQ ExtlractColorPlanes.vi。IMAQ Extract.vi的主要功能是在一幅图像中根据给定的范围来截取图像。这里以窗口模板中提取的窗口信息ROI作为图像截取区域。所提取的图像区域作为待测试窗口供给后面的程序模块进行分析。IMAQ ExtlractColorPlanes.vi主要功能是对所给定的图像进行分析，并可选定色彩模型，包括RGB，HSL，HSV和HIS，针对特定的色彩模型作特定的特性分析。本系统主要对RGB和HSL两个色彩模型作分析。RGB模型用于分析图像的三基色成分比例，HSL用来分析图像的明度信息。然后经过直方图分析以均值的形式得出各指标具体数据。并将具体的数据和各自的公差组成合格模板保存到配置文件供给待测日行灯测试使用。在实时检测时，从该模块得出待测窗口的数据，并与合格模板做比较，得出测试结果。

2.4 窗口图像处理

首先通过读取之前保存的日行灯标准样灯窗口模板信息得出ROI，即如图5所示的homops_hl，homops_vl，homops_hh，homops_vl所组成的矩形区域。并将这4个坐标组建成数组的形式传送到RGB—LED.vi中去，该VI根据数组表示的矩形区域截取窗口图像，对测试窗口进行定位。然后对窗口图像进行色度和明度的分析，得出R、G、B三分量的值和明度值，并与合格模板对比，判定合格与否。并将测试结果传送到vi外。程序利用for循环的特性，对所有定义并激活的窗口进行分析，若某一窗口出现亮度或色度不合格，RCB—LED.vi会传递一个布尔量F给条件结构，当条件结构接收到布尔量F时，结构内部程序便对窗口测试结果进行分析，是色度不合格还是明度不合格，并记录窗口的编号。以便将报错信息传送到结果中显示。若RGB—LED.vi并未传送出布尔量F，则表示所有窗口的所有待测指标均合格，整个测试合格。

3 系统准确度和重复性分析

3.1 系统准确度分析

系统采用RGB三分量所占比例的方式来表示颜色的偏向，因此对不同颜色的图片，R、G、B三分量所占比例是不同的。图6为5张数字摄像机拍摄的车灯DRL图像。其中4张颜色异常图像，DRL颜色分别偏红、偏绿、偏蓝、偏黄以及1张标准车灯DRL图像。

表1为从5张图像测得的色度和明度数据。选定一个窗口，对5张图像中的同一个窗口做色度和明度的分析，得出数据。由数据可知系统的准确度比较高。偏红图像的R分量所占比例高达41.4%，偏绿的G分量为38%，偏蓝的B分量为44.33。对于正常图像，R、G、B三分量则较为接近。明度与图像的最多颜色成分和最少的颜色成分的总量有关。明度越小，图像越趋于黑色。亮度越高图像越趋于明亮的白色。表1中明度分量L的变化也符合色彩差异带来的色彩明度变化。

3.2 系统重复性分析

这里对颜色正常DRL图像的同一窗口作反复测试，测试次数为10次，表2为测试所得的数据。由数据可得各分量方差VAR(R)=0.0008944;VAR(G)=0.0003211;VAR(B) =0.0 003211;VAR(L) =0.0005333。各指标方差都达到万分位精度，可见数据的波动性微小，系统测得的数据值较为稳定，且系统的重复性较好。

4 结束语

系统充分利用了计算机视觉与图像处理技术在工业检测上的优点，LabVIEW可视化编程语言提供了可利用的机器视觉模块，使计算机视觉与图像处理技术结合在一起，并能提供一个智能的人工交互界面，相比传统的人眼检测方法有明显的优势：(1)测试效率高。(2)准确率高，稳定性好。(3)连续工作时间长，节约人工成本。通过对系统进行准确度分析和重复性分析，验证了系统的稳定性。随着日行灯的普及使用，相信该系统的使用价值将越来越大。