基本预处理
图像处理的基础是拍摄图像*拍摄清晰的图像(对比度清晰的对焦)。
𝄹 而预处理功能的运用,可以对图🐻像进行更佳加工,使其适用于检测内容。在设定瑕疵检测/尺寸测量等正式处理之前,实施拍摄及预处理更佳化,可以提高稳定检测的成功率。
基本预处理功能的种类与原理
以內将以预外理用途中万分最常用的4种举例从道理起实现表明。以下几点随时,对哪几个图片分辨率实现以各图片分辨率为中心局3×3的预外理运算,对图片实现生产加工。![(3 × 3像素的原理)](/Images/ss_visionbasics_basic_fil_img01l__2027245.jpg)
![(图像数据)](/Images/ss_visionbasics_basic_fil_img01r__2027246.jpg)
膨胀预处理
将3×3服务重点的象素密度,更换为带有服务重点先内的9个的象素中明显密度(最明媚值)的治理 。有清掉深蓝色电磁干扰营养成分的郊果。![(3 × 3像素的原理)](/Images/ss_visionbasics_basic_fil_img02l__2027247.jpg)
![(图像数据)](/Images/ss_visionbasics_basic_fil_img01r__2027246.jpg)
收缩预处理
将3×3平台清晰度含量,删除为涵盖平台在里面的9个清晰度中最窄含量(最暗值)的治疗。还具有提出自然黑色清晰度、稳固论文检测出黑点等遗憾的治疗效果。![(3 × 3像素的原理)](/Images/ss_visionbasics_basic_fil_img03l__2027248.jpg)
![(图像数据)](/Images/ss_visionbasics_basic_fil_img01r__2027246.jpg)
平均预处理
将3×3咨询中心局象素盐含量,代替为涉及咨询中心局在其中的9个象素中的平均盐含量的工作。有着模糊的画面以下降干涉成份的的影响,使搜所保持稳定的郊果。![(3 × 3像素的原理)](/Images/ss_visionbasics_basic_fil_img04l__2027249.jpg)
![(图像数据)](/Images/ss_visionbasics_basic_fil_img01r__2027246.jpg)
(2 + 5 + 9 + 7 + 3 + 0 + 1 + 2)/9 = 3.66
舍去小数部位取3
中值预处理
将3×3机构清晰度氧渗透压,编辑为包函机构以内的9个清晰度中几位氧渗透压的处置。与评均预处置相比较,含有不看不清图面而去掉干扰信号材料的特效。![(3 × 3像素的原理)](/Images/ss_visionbasics_basic_fil_img05l__2027250.jpg)
![(图像数据)](/Images/ss_visionbasics_basic_fil_img01r__2027246.jpg)
要点
为了在视觉系统中正确再现人眼观察到的图像,制作流畅影像较重要,但根据不同检测目的,有时不需再现人眼观察到的图像,还可能通过强调特点(膨胀/收缩等)、通过模糊处理减少干扰成分(平均化/中值等)而得出更佳检测结果。
请铭记要对各类图片像素参与🔯上述所说预治理,以便更好地了解预处理。
边缘抽取和边缘增强预处理功能的种类与原理
原图案对比性度较低或要好很多调线信息内容时,会动用边界抽选或边界增加等预加工清理功用。边界关联预加工清理的类较多,通过后要要享有关联原则基本知识。下部就再生占有率较高的“Sobel”、“Prewitt”、“边界抽选X方面”、“边界抽选Y方面”,对原则通过讲解。不仅如此,还根据“边界增加”与边界抽选类预加工清理的本质区别作讲解。![](/Images/ss_visionbasics_basic_fil_img06__2027251.jpg)
Sobel和Prewitt
利用率Sobel/Prewitt在X和Y方面上各开始边角抽,并对三者没想到开始生成的边角抽加工。将3×3中分辨率的9分辨率各与下列常数相乘,并代替为累计出的浓度值值。Sobel中央军事部的分辨率与“2”相乘,与Prewitt可比性,存在特别指出低可比性度边角的体验,与此同一时间,还是抽干拢。![Sobel](/Images/ss_visionbasics_basic_fil_img07l__2027252.jpg)
![Prewitt](/Images/ss_visionbasics_basic_fil_img07r__2027253.jpg)
边缘抽取类 总结
微分 | 横向 | 纵向 | 斜向 | 其他 | |
---|---|---|---|---|---|
Prewitt | 1次微分 | ○ | ○ | △ | |
Sobel | 1次微分 | ◎ | ◎ | ○ | |
Roberts | 1次微分 | △ | △ | ○ | |
Laplacian | 2次微分 | △ | △ | △ | 不依赖于方向 |
◎○△符号表示强度,◎为最强。
强度较强时,也可能抽取干扰变化。
【参考】方向指定边缘抽取预处理
边部吸取X放向/Y放向预办理就能够使用于可以破损限时/垂直破损限时判断等,工作原理为Sobel预办理的放向限时办理。![边缘抽取X (X方向Sobel)](/Images/ss_visionbasics_basic_fil_img08l__2027254.jpg)
(X方向Sobel)
![边缘抽取Y (Y方向Sobel)](/Images/ss_visionbasics_basic_fil_img08r__2027255.jpg)
(Y方向Sobel)
边缘增强预处理与边缘抽取预处理的区别
边缘增强,是一种可以使模糊图像变清晰的处理。
其与边缘抽取预处理的区别,就是将9像素的合计结果计为1(而非0),由此增强中心像素的浓度。
♐
边缘抽取🌳中,若9像素为同一数据,将合计计为0(浓度0),而边缘增强中,被增强的中心像素浓度会被残留下来。
![](/Images/ss_visionbasics_basic_fil_img09_1694402.jpg)
要点
角处吸取预加工处理,通常是指将3×3的中心的清晰度质量浓度,随着其下上(X方位)及左右时间(Y方位)展开运算,推行复制的整理。必须根据需要增强的方向及干扰的有无选择种类。
𝕴 此外还须注意,由于边缘增强预处理对于相对均一的部分也会增强中心像素,干扰成分将增多。
预处理技术运用案例
基恩士的CV-3000/5000及XG系列,可以对单个检测范围,多重设定多个预处理功能。
ꦿ 只要知道各预处理的原理,就能通过个别组合,实现更佳的图像加工。下面介绍相关事例。
【例1 轮廓平滑化】膨胀n次+收缩n次
实现类似频次的热膨胀→收縮行为,在达到原來图案的基础性上,只取除红色的毛边图案。![](/Images/ss_visionbasics_basic_fil_img10l__2027257.jpg)
![](/img/ss/common/icon_arrow_01.png)
![](/Images/ss_visionbasics_basic_fil_img10r__2027258.jpg)
【例2 强调微小瑕疵/污点】Sobel+二值化+膨胀
Sobel+二值化+膨胀(强调瑕疵)
利用Sobel及二值化只抽取瑕疵和污点,利用膨胀进行放大。
![使用前](/Images/ss_visionbasics_basic_fil_img11l__2027259.jpg)
![](/img/ss/common/icon_arrow_01.png)
![Sobel](/Images/ss_visionbasics_basic_fil_img11c__2027260.jpg)
![](/img/ss/common/icon_arrow_01.png)
![二值化+膨胀](/Images/ss_visionbasics_basic_fil_img11r__2027261.jpg)
【例3 干扰平滑化】平均化+中值(检测值的稳定化)
消除粗糙表面影响的干扰成分,需要使用“平均化+中值”预处理。
该技术可进一步有效稳定边缘检测中的测量。
![](/Images/ss_visionbasics_basic_fil_img12_1l_2027262.jpg)
![](/Images/ss_visionbasics_basic_fil_img12_2l_2027263.jpg)
![](/img/ss/common/icon_arrow_01.png)
![](/Images/ss_visionbasics_basic_fil_img12_1r_2027264.jpg)
![](/Images/ss_visionbasics_basic_fil_img12_2r_2027265.jpg)
不稳定边缘检测下的重复精度〈典型〉
无预处理 | 6.27像素 |
---|---|
平均化+中值 | 0.3像素维持化 |
预处理功能前篇 总结
相对于前处理,请不忘初心以下的首要点。- 首先是拍摄清晰的原图像(=对比度清晰的对焦)。
在此基础上,若有需要增强的部分,使用图像加工=预处理功能。 - 常规预处理,是指使用适用各类系数的周边浓度值,将3×3的中心像素替换为需要增强的结果。
- 只要掌握各项功能的原理,分用途使用有效的预处理功能,或组合使用各功能,就能够稳定检测。