Nous avons développé pour nos caméras numériques et vidéos nos propres processeurs d’images couleur pour la reproduction d’images de haute fidélité colorimétrique en temps réel – ainsi nous avons gagné notre indépendance pour des projets client à long terme! Orienté vers le futur avec des investissements dans la technologie numérique ainsi que dans le domaine vidéo, Kappa est un développeur fiable qui peut garantir des séries client à long terme tout en minimisant le risque de composants externes obsolètes.

Processeur numérique d’images couleur (DCIP)

Les caméras numériques couleurs de Kappa sont basées sur des capteurs CCD progressive scan avec filtre couleur primaire à mosaïque Bayer (RVB). Ils assurent un rendu de couleurs très fidèle et permettent l’adaptation flexible des algorithmes du traitement des couleurs intégré dans la caméra en fonction du spectre de lumière utilisé dans l’application. La gestion des couleurs de la caméra est réalisée sur une plateforme FPGA flexible qui permet le traitement des données d’images en temps réel. Cette plateforme rend Kappa indépendant de composants et d’autres fournisseurs. De plus, ce concept est parfait pour réaliser des adaptations spécifiques et des extensions client. Notre longue expérience dans le traitement numérique de la colorimétrie embarqué dans nos caméras nous pousse sans cesse à améliorer nos algorithmes et à utiliser des composants flexibles et ainsi à toujours proposer à nos clients des solutions les mieux adaptées à leurs besoins.

Traitement numérique de la colorimétrie

Kappa a développé son propre DSP basé sur le DCIP (Digital Color Image Processing), celui-ci permet une maîtrise de l’interpolation des données brutes issues du capteur et de la conversion des informations de colorimétrie. Le traitement numérique de la colorimétrie est déjà utilisé dans les caméras vidéo Kappa équipées de capteurs CCD interlignes (PAL ou NTSC) avec filtre mosaïque couleur (CMYG). Le DSP Kappa se distingue par des algorithmes spécifiques qui minimisent les fausses couleurs sur les contours des objets et apporte des possibilités de réglages étendues au client, dans son application.

Paramétrage optimal

Le paramétrage optimal du processeur couleur et l’adaptation à des conditions différentes sont basés sur la modélisation spectrale dans l’application. La caractérisation des capteurs d’images couleur est une condition requise pour pouvoir choisir et paramétrer les algorithmes de correction des couleurs et de constance des couleurs. Pour cela, nous avons spécifiquement conçu un banc de mesure de caméras couleurs. Les données acquises dans la station de mesure sont utilisées pour optimiser le rendu des couleurs de la caméra dans le système d’application et sur la base du modèle. Cela permet d’utiliser les spectres des mires typiques (p. ex. Macbeth ColorChecker) de même que les spectres d’objets caractéristiques comme des échantillons de tissu ou d’autres matériaux pour optimiser la balance des couleurs de la caméra Kappa dans des applications spécifiques.  

 

Traitement des signaux:

Technologie brevetée pour adaptation automatique des contrastes

Dans les images en temps réel à contrastes faibles, l’adaptation automatique des contrastes (ACC/DRE) peut considérablement augmenter la qualité d’image, le rendu des couleurs et les contours. L’échelle de la luminance de l’image est ajustée de façon que la valeur minimale soit mise à 0% (noir) et la valeur maximale à 100% (blanc). La chrominance n’est pas affectée, les couleurs de l’image originale seront donc préservées. Nous utilisons un algorithme qui a été spécialement optimisé pour des scènes avec des contrastes extrêmement faibles – p. ex. brouillard/buée ou lors d’observations à grande distance. Cet algorithme n’est que partiellement utile pour des scènes qui contiennent des parties lumineuses et des parties sombres à faibles contrastes. Pour cela quelques-unes des caméras actuelles proposent la fonction «égalisation d’histogramme». Contrairement à la technologie précédente, l’adaptation des contrastes est non-linéaire en fonction de la distribution de la luminance. Ainsi on obtiendra une amélioration des contrastes dans les parties lumineuses et dans les parties sombres de l’image. L’adaptation des contrastes peut être appliquée à l’image entière ou à une fenêtre librement ajustable. L’égalisation d’histogramme se fait toujours sur l’image entière, mais on pourra ajuster la fenêtre de mesure pour déterminer les données de contraste dans l’image originale. L’adaptation automatique des contrastes ouvre de nouvelles dimensions de visualisation en permettant une visibilité claire en temps réel sous des conditions de visibilité extrêmes comme pluie, brouillard, buée ou fumée.