Halcon开始一个视觉项目--图像预处理（2.1）

Halcon开始一个视觉项目之图像预处理

前言

介绍常用的一些预处理算子。
图像预处理的预处理往往是将图片转为灰度图片（当然不会是全部），这主要是为了简化图像处理的复杂性并降低计算成本。
将三维的彩色图像转换为一维的灰度图像，减少了颜色分量，同时也减少了数据量，降低了存储空间的需求，同时保持（一般图像处理任务中最需要的）图像的基本结构和纹理信息。此外，灰度图像对噪声的鲁棒性更强，并且由于减少了图像的维度，可以显著提高图像处理算法的运算速度。

灰度化

rgb1_to_gray (Image, GrayImage)

滤波

均值滤波：平滑图像，过滤噪声。
mean_image (Image, ImageMean, MaskWidth , MaskHeight)

    read_image(Image,'ImageName')
    mean_image(Image,Mean,3,3)
    dev_display(Mean)
    
    

中值滤波：对椒盐噪声特别有效。
median_image(Image, ImageMedian, MaskType, Radius, Margin)

    read_image (Image, 'ImageName')
    median_image (Image, Median, 'circle', 3, 'continued')
    dev_display(Median)
    
    

高斯滤波：基于高斯函数进行滤波，平滑图像。
gauss_filter(Image, ImageGauss, Size)

    read_image (Image, 'ImageName')
    gauss_filter(Input,Gauss,7)
    regiongrowing(Gauss,Segments,7,7,5,100)
    
    

导向滤波：在保持边缘的同时去除噪声。
guided_filter(Image, ImageGuide, ImageGuided, Radius, Amplitude)

    read_image (Image, 'ImageName')
    * Edge-preserving smoothing
    guided_filter (Image, Image, ImageGuided, 5, 20)
    * Rolling filter (5 iterations)
    gen_image_proto (Image, ImageGuide, 0)
    for I := 1 to 5 by 1
      guided_filter (Image, ImageGuide, ImageGuide, 5, 20)
    endfor
    
    

阈值处理及分割

阈值处理

基于固定阈值将图像二值化。
threshold(Image, Region, MinGray, MaxGray)
获取灰度值处于[MinGray, MaxGray]的区域，其中MinGray, MaxGray手动定义，可通过Halcon HDevelop工具栏中“灰度直方图”工具获取。

    threshold(Image,Region,50,255)
    
    

动态阈值分割，根据局部特性确定阈值。
dyn_threshold(OrigImage, ThresholdImage, RegionDynThresh, Offset, LightDark)

    mean_image(Image,Mean,D*2+1,D*2+1)
    dyn_threshold(Image,Mean,Seg,5,'light')
    connection(Seg,Regions)
    
    

自动阈值分割，根据相关算法对图像进行自动阈值分割。
binary_threshold(Image, Region, Method, LightDark, UsedThreshold)

    binary_threshold (ImageReduced, Region, 'max_separability', 'dark', UsedThreshold)
    
    

其中Method可选：‘max_separability’, ‘smooth_histo’，LightDark可选：‘dark’, ‘light’。

分割

reduce_domain(Image, Region, ImageReduced)
这里的Region可继承阈值处理中得到的输出，即阈值处理与分割往往是连续的两步操作：阈值分割。
（阈值处理是提取出区域，分割是将区域从图像分割出来，形成新的图像）

形态学操作

在阈值处理的时候，我们发现得到Region可能并不全，或者过多，又可能存在需要的区域却并不在Region上，则在分割之前，可以进行形态学处理。

待续。