请选择 进入手机版 | 继续访问电脑版

ni-vision

 找回密码
 立即注册
搜索
热搜: 活动 交友 discuz
查看: 1530|回复: 0

第 7 章 视觉助手 3-灰度选板

[复制链接]
发表于 2020-5-21 19:08:37 | 显示全部楼层 |阅读模式

图 7-1 灰度选板
灰度选板包含了 Lookup Table 查找表、Filters 滤波器、Gray Morphology 灰度形态学、Gray
Morphological Reconstruction 灰度形态学重建、FFT Filter 快速傅立叶滤波器、Threshold 阈
值、Watershed Segmentation 分水岭分割、Operators 运算、Conversion 转换类型、Extract FFT
Plane 抽取快速傅立叶平面等九个函数。
1. Lookup Table 查找表
对一幅图像应用查找表以改善对比度与亮度。如图 7-2 所示效果。



图 7-2 查找表
在查找表列表框中,有以下功能可用:

Image Source—原始图像

Equalize—均衡图像,增强动态强度由指定的灰度级间隔在整个灰度级上分配。此
函数再分配像素值以便提供一个线性的累积直方图。

Reverse—反转图像,反转像素值,显示原始图像的底片。

Logarithmic—对图像应用对数变换,以增强暗区的亮度与对比度。

Exponential—对图像应用指数变换,以减弱亮区亮度,提高亮区对比度。

Square—平方,减少暗区对比度。类似于指数但是有更平滑的效果。

Square Root—平方根, 减少亮区的对比度。类似于对数但是有更平滑的效果。

Power X—X 次方,减少暗区对比度。

Power 1/X—X 次根,减少亮区对比度。
X:幂运算的指数,默认值为 1.5。
2. Filters 滤波器
这里的滤波器与 VBAI 增强图像选板中的滤波器作用、功能、算法基本类似,请参看前面第
三章中关于 VBAI 滤波器的介绍。



图 7-3 VBAI 视觉助手滤波器
3. Gray Morphology 灰度形态学
更改图像中目标的形状。点击函数其配置界面如图 7-4 所示。



图 7-4 灰度形态学
灰度形态学操作

Image Source:原始图像

Dilate:灰度膨胀操作。膨胀增强了每个像素的亮度当这些像素的周围有更高的亮度
时。使用膨胀,可以填补小洞及凹点。

Erode:灰度腐蚀操作。腐蚀减弱了每个像素的亮度当这些像素的周围有更低的亮度
时。使用腐蚀,可以消除或减弱凸点与毛刺。

Close:灰度闭操作。灰度图像操作,先腐蚀再膨胀。闭操作去除了亮区域中孤立的
暗点并且平滑了边界。

Open:灰度开操作。灰度图像操作,先膨胀再腐蚀。开操作去除了暗区域中孤立的
亮点并且平滑了边界。

Proper Close:适当的闭操作。有限双重结合闭操作和开操作。适当的闭操作去除亮
区域中孤立的暗点并且平滑暗区域边界。

Proper Open:适当的开操作。有限双重联合开操作和闭操作。适当的开操作去除暗
区域中孤立的亮点并且平滑亮区域边界。

Auto Median:自动中值。双重结合开和闭操作。自动中值生成简单的拥有较少细节
的目标

Structuring Element :结构化元素(又可叫掩模等)。二维数组当作二值化屏蔽来
定义像素的邻域。可以通过点击元素来修改结构化元素。元素为黑,它的值为 1,
为白,值为 0。当值是 1 时对应的像素被当作领域,它的值在形态学操作时被将被
使用。

Size:结构元素的尺寸,可用的值有 3x3、5x5 和 7x7。尺寸越大,参考的领域范围
越大,滤波、平滑效果越好,但是耗费的时间也会越长,因为计算的数据量也会越
大。

# of Iterations:迭代次数。使用某种操作的次数。仅对膨胀、腐蚀两个函数有效。
灰度形态学实际效果如图 7-5,7-6 所示,右上角的为原始图像,左上角的大图为滤波后效
果。本例中使用的是膨胀操作。掩模尺寸选择为 7x7,迭代次数选择为 2 次,可以看到图中
的白色噪点加大了,中间的白色圆也放大加粗了。


7-5 灰度形态学实例

图 7-6 先膨胀再腐蚀效果
图 7-6 是在图 7-5 的膨胀基础上进行同样尺寸与迭代资料的腐蚀操作。膨胀与腐蚀这两个操
作,经常是同时出现的,而且设置的参数如尺寸、迭代次数都设置为一样的。因为这样可以
保证物体的大小、形状都保证没有太多的变化,而仅仅只是去除了一些杂质噪点。至于是先
进行膨胀还是先进行腐蚀,可以根据实际情况进行考虑。如果需要过滤毛刺,可以先腐蚀,
这样就可以把毛刺“吃掉”,再膨胀回原来的尺寸。如果要填补缺陷,则可以先膨胀,将其填
满,再腐蚀回原始的尺寸大小。
4. Gray Morphological Reconstruction 灰度形态学重建
形态学重建对于从一个较少的组成部分图像重建或从图像中移除特征是有用的,不需要改变
图像中的目标形状。形态学重建可以应用于灰度图与二值化图中。形态学重建处理基于一张
原始图像、一张标记图像以及标记点。


图 7-7 标记图像
如图 7-7 所示,我们选择这样一个扇形区域作为标记,注意观察 ROI 区域右边只有半个圆。


图 7-8 灰度形态学重建
下面我们进行灰度形态学重建。打开灰度形态学重建函数,其唯有一个选项卡。Select the

Image to Reconstruct 中选择需要重建的图像,这个是原始图像,然后在图 7-7 中的图像为标
记(Marker)图像,扇形区域为标记点(实际为标记 ROI,可以使用 ROI 代替标记点)。Size
X/Size Y 是重建的尺寸,Structuring Element 是重建元素大小,他是以 Size X 与 Size Y 为参
考的。在这下面有一个连通模式,即四连通与八连通。Reconstruct 重建区域中有两个选项,
分别是 Bright Regions 白色区域和 Black Regions 黑色区域。在本例中,我们选择白色区域。
Display 显示选项中,可以选择显示 Marker Image 标记图像、Image to Reconstruct 原始图像、
Reconstruct Image 重建后的图像。
从本例中可以看到,我们重建后,得到了 6 个完整的白色圆,而 Marker 图像中,只有 5 个
半的区域。由此可知,灰度形态学重建,可以将原始图像中需要的特征,根据标记图像(ROI)
进行保留而去除掉不需要的干扰。关于此函数更多的帮助,可以参考 LabVIEW 中的相关帮
助,VBAI 中好像没有此函数的帮助。
5. FFT Filter 快速傅立叶滤波器
对图像进行频率滤波。点击函数后,进行适当配置,其效果如图 7-9 所示。


图 7-9 快速傅立叶变换
FFT(快速傅立叶变换)可以将图像转换到频域,然后对频率进行滤波。关于傅立叶变换及
快速傅立叶变换,请查看相关资料。

Image Source:源图像

Truncate:去除复数图像的频率

Attenuate:衰减复数图像的频率

Mode:决定什么频率被去除或衰减


图 7-10 分水岭分割
在配置页面中,有以下信息:
Number of Zones:区域数
Connectivity 4/8:四连通/八连通
Display:显示,分为 Label Binary Output 标记为二进制输出和 Image Source with Separation
Overlay 原始图像覆盖分割。
关于分水岭分割,请查看相关资料。

8. Operators 运算
与彩色选板中的运算基本雷同,只是这里仅针对灰度图罢了。不再叙述。
9. Conversion 转换类型
将灰度图由 X 位深度转换成 Y 位深度图。如将 8 位灰度图转换成 16 位深度图。将 16 位图
转换成 8 位或浮点型等。可用选择的类型有 8 位、16 位、浮点。如图 7-11 所示。


图 7-11 图像类型转换
在图 7-11 中,可以看到由位深度小的图像转换成位深度大的图像时,方法是不可用的。只
有当转换从位深度大的向位深度向小的转换时,方法才是有效的。如图 7-12 所示。


图 7-12 位深度大的图像向位深度小的图像转换
在图 7-12 中,我们可以看到如下一些信息:
From:图像源的位深度
To:需要转换成图像的位深度
Method:转换方法(仅当大位深度向小位深度转换时有效。)
Adjust Dynamic:动态调整。动态调整图像以便当前的最大最小值能适应新图像的最
大最小值。所有像素的强度在它们的范围内是线性分布的。
Shift#:移位数。对高位图像进行移位变成低位图像。如一个 12 位的图像中一点一
111111110000,转换成 8 位的图,如果 8 位截取 12 位中的最高有效位,则为 11111111,截
取最低有效位则为 11110000。选择移位多少,对于得到的图像效果影响较大。
Cast:丢弃。丢弃太大和太小的值以便其能表示新图的最大最小值。

10. Extract FFT Plane 抽取快速傅立叶变换的平面
抽取经快速傅立叶变换后的某个平面。有实数平面、虚数平面、幅值平面、相位平面可供选
择。如图 7-13 所示。


图 7-13 抽取快速傅立叶变换平面
各位看官可以研究一下傅立叶变换在图像中的作用,听说这个东东的功能还是很强大的。





本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|小黑屋|手机版|Archiver|https://www.ni-vision.com

GMT+8, 2020-10-30 01:28 , Processed in 0.030805 second(s), 3 queries , File On.

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表