预处理功能介绍｜学习视觉系统｜视觉系统

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。

下方将从关键技术慢慢，对更加预补救实用功能的考虑和没置的方法去说明书。

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。

原图像例

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。

膨胀

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。

收缩

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。

平均化

（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。

中值

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。

点此知晓商品详情

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。

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

Prewitt

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。

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。

点此清楚具体详情

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。

利用前

运行后

【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。

施用前

Sobel

二值化+开裂

【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。

实用前

边侧程度正弦波形（举手图）

的使用后

顶部比强度波型（展示图）

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。

下一个主题是激光加工出都有机会得到到可荐加工結果的图形/预加工性能讲述（后篇）。

预处理功能的选择与设定

差分（图像运算）预处理的效果

印刷的图案将被消除，只有污点会作为不良部分被抽取。
可用于旋转的工件。

差分预处理，是指比较主控注册的良品图像与当前图像，将存在差异的部分抽取出来的预处理功能。
考虑到良品的个体差，可以随意调整判断不良的差异程度。

点此知晓详情介绍

差分预处理功能介绍

求算注册申请图案与当前工作图案盐浓度值的差分可以说值，内容输出差分图案的预整理能力。

的部分视觉图片系统软件中的差分预处里综合运用APP以有有瑕疵、污点检查测量为平台，基恩士的CV/XG系列的，在有有瑕疵检查测量的基本条件上，还应该用在造型变动辩别等，真是正规、靠谱化涉及的涉及值不可实行的效果。

点此了解一下祥情

实时差分预处理功能介绍

实时差分预处理是对原始图像采取膨胀收缩预处理处理，采集处理后图像与原始图像本身的差分，实现单纯抽取小黑点等缺陷点的目的。
使用🦩该预处理功能，无须根据形状复杂的目标物轮廓设定范围，也🦋不用对目标物的位置偏移进行补正，只需通过非常简单的设定，就能实现检测。

杯自身壁的问题点监测规范加工示想法图（默契样子的依据更改错综复杂）

实时视频差分图文（单凭短形範圍,就能制定检则）

实时差分预处理的原理

通过膨胀1中的原始图像，消除黑点。收缩2中图像，恢复到原始图像大小。
通过3中图像和1中图像的减法运算，仅留🐟黑点。该处理会对每次拍摄的图像实施，因此即使改变输入原始图像的形状，也能获取稳定的差分。

点此认知详情页

对比度转换预处理功能介绍

该能力可的提升浓淡差较小的目标物的差距性度，确保会更加固定的外貌判断，CV-3000国产未来的日子里的护肤品均购置了差距性度变为预治理能力。该预治理能力，只将单坡/倾斜能力当做独特的预治理，就能够主要对各界面来的调节。就其效用来说，就能够激发原始社会图面独特灰度级的浓淡差。

原使数字图像

优化比对度

相比较度换算后的画像

点此明白商品详情页

多重预处理效果介绍

CV／XG全系列中配用了各种特征提取技能性，将许多技能性搭配采用单空间，能够为外表加测加入更加的图相。在下边的范本中，在时实差分特征提取的基础框架上，搭配了收敛、人均、比较度转成技能性，保证了在近于纯白历史背景上，只余出黑点的图相功效。

[该示例中各项预处理的作用]

实时差分	用于只留下工件上黑点的预处理功能。
收缩	用于将残留黑点放大一圈的预处理功能。
平均化	用于将周围干扰平滑化的预处理功能。
对比度转换	用于增大周围与黑点对比度的预处理功能。