機器視覺系統中的圖像處理技術

由於我們隨機幹擾，相機輸入的原始圖像在一般發展情況下不能在機器視覺信息系統中直接通過使用，因此需要對原始圖像可以進行分析處理。

圖像處理的功能是突出機器視覺系統所需的特征，減少不需要的特征，quality control services而不考慮圖像是否退化。在機器視覺系統中，圖像處理不是終點，而是進一步決策的准備。

圖像處理的主要方式如下:

1.二值化處理

基於閾值，將圖像中的256個灰度級(模擬圖像已轉換為數字圖像)quality control system轉換為只有兩個像素的二值圖像，黑色(0)和白色(255)。

這樣就把圖像分成了兩部分:需要的部分和不需要的部分，所以這種方法叫做二值化或圖像分割。

在對中國數字進行圖像的處理工作過程中，將灰度圖像(包括以灰度模式研究顯示的彩色圖像)二值化，使得企業在對學生圖像做進一步提高處理時，操作更簡單，運算和存儲的數據量更小，系統發展速度更優化。

當對灰度圖像或以灰度方式顯示的彩色圖像進行二值化時，machine vision system系統可以手動設置閾值或自動計算閾值，對圖像進行二值化。計算閾值的常用方法包括雙峰法、 p 參數法、迭代法法和 Otsu 法。

2.灰度處理

灰度圖像是RGB三種顏色成分相同的圖像。彩色圖像三原色(學名)中RGB的數量級(0~255)用相同的數值表示，但彩色圖像用灰度圖像表示，可以減少圖像數據的計算量和存儲量。

這個值稱為灰度值，彩色圖像轉化為灰度圖像的過程就是灰度處理的過程。

常用的灰度處理方法有任意分量法、最大值法、平均法和加權平均法。

3.圖像可以增強(清晰化處理)

在圖像傳輸和變換過程中，信號會受到不同程度的幹擾和衰減，圖像質量有時不能滿足機器視覺系統的要求。這時，我們需要在圖像中添加一些信息或轉換數據，有選擇地突出圖像中有用的特征或抑制無用的特征，這就是圖像增強。增強對比度、直方圖均衡化、除霧等。

圖像增強和圖像恢複是有區別的。圖像增強是在不考慮圖像退化的情況下，提高圖像的實用性。圖像恢複是通過考慮圖像的退化來提高圖像的真實性。

圖像增強的方法有: 空間域方法，直接對圖像的像素點進行處理。一種頻率方法，將空間域轉換為頻率域，將頻率域轉換為圖像的空間域(傅裏葉變換、小波等)。

4.圖像過濾(圖像平滑)

由於系統硬件的性能分析原因以及對圖像的某些數據處理技術環節，圖像在形成、傳輸、記錄管理過程中會受到社會多種雜波(噪聲)幹擾，使圖像可以形成一個亮點、暗斑，影響了圖像的進一步研究使用。這時就要對雜波進行信息過濾，稱為濾波。

圖像濾波是圖像處理中不可缺少的一個環節，其處理效果直接影響後續圖像分析的有效性和可靠性。圖像濾波方法包括移動平均濾波、高斯濾波、中值濾波、非線性中值濾波等。

5.圖像銳化(清晰處理)

圖像銳化也稱為邊緣銳化，它可以突出物體的邊緣，補償圖像的輪廓，使圖像更清晰。圖像銳化和圖像增強有兩種方法: 空域處理和頻域處理。

簡單的邊緣線可以讓我們理解想要表達的對象，邊緣檢測也是圖像處理的重要基礎操作之一。

6.圖像的腐蝕和膨脹(二值圖像進行平滑數據處理)

圖像的侵蝕和擴展是圖像形態學算法的基礎。

腐蝕的作用是消除目標圖像的邊界噪聲點，使目標變小(白色區域變小);膨脹的作用是合並與目標圖像接觸的背景點，填補空洞，使目標變大(白色區域變大)。

一般采用兩種操作相結合，先腐蝕後擴展為操作(去除外界白噪聲，使外界白噪聲輪廓清晰，使內部白噪聲轉為黑噪聲) ; 先腐蝕後擴展為閉合操作(去除內部白噪聲，使外界白噪聲輪廓清晰，使內部白噪聲留下)。

為了不破壞區域之間的連通性，更多的方法是使用面積法去噪。

以上問題就是機器視覺信息系統中圖像進行處理的幾種常用方法。

二值化處理 灰度處理 圖像過濾

20