【Halcon机器视觉】ch5 图像预处理
发布时间
阅读量：
阅读量
图像的变换与矫正
- 平移、旋转、和缩放——仿射变换和仿射变换矩阵
- 仿射变换矩阵应用于：像素点、二维点、图像、区域、XLD轮廓等对象
*创建空仿射变换矩阵
hom_mat2d_identity(HomMat2DIdentity)
*xy各平移30变换
hom_mat2d_translate(HomMat2DIdentity, 30, 30, HomMat2DTranslate)
*旋转
hom_mat2d_rotate(HomMat2DIdentity, 0.78, 0, 0, HomMat2DRotate)
*缩放2倍
hom_mat2d_scale(HomMat2DIdentity, 2, 2, 0, 0, HomMat2DScale)
ROI：需要提取出一张图
*关闭当前窗口，清空屏幕
dev_close_window()
*读取一张图片
read_image(Image,'./images/chepai.jpg')
*获取图像大小，以建立合适尺寸的窗口
get_image_size(Image,Width,Height)
dev_open_window(0,0,Width,Height,'black',WindowHandle)
*显示读取的图像
dev_display(Image)
*将图像转换为单通道灰度图像
rgb1_to_gray(Image,GrayImage)
*显示灰度图像
dev_display(GrayImage)
*选择ROI
gen_rectangle1(ROI_0,100, 20, 300, 500)
*从原图中分割出ROI
reduce_domain(GrayImage,ROI_0, ImageReduced)
*在新窗口中显示分割后的ROI图像
dev_open_window(0,0,Width,Height,'black',WindowHandle1)
*显示图片
dev_display(ImageReduced)
图像增强
突出图像中细节，为后续的特征识别或检测做准备
- 直方图均衡：0-255灰度值的直方图，均衡就是使灰度值分布均匀
- 增强对比度：对图像的边缘和细节进行增强
- 处理失胶图像：锐化算子（SObel、Canny、Laplace）冲击滤波器shock_fliter
直方图均衡可用equ_histo_image算子，如
read_image(image,'image.jpg')
rgb1_to_gray(image,grayimage)
*直方图均衡
equ_histo_image(grayimage,ImageEquHisto)
*显示直方图
gray_histo(image,image,AbsoluteHisto1,RelativeHisto1)
gray_histo(ImageEquHisto,ImageEquHisto,AbsoluteHisto2,RelativeHisto2)
dev_open_window(0,0,512,512,'black',WindowHandle)
*处理前直方图
dev_set_color('red')
gen_region_histo(Histo1,AbsoluteHisto1,255,5,1)
*处理后直方图
dev_set_color('green')
gen_region_histo(Histo2,AbsoluteHisto2,255,450,1)
处理前
处理后
均衡前后灰度直方图对比，均衡后分布均匀一点，亮度有所提高。
增强对比度
read_image(Image,'image.jpg')
emphasize(Image,ImageEmphasize,7, 7, 2)
dev_display(ImageEmphasize)
read_image(Image2,'image.jpg')
scale_image_max(Image2,ImageScaleMax)
dev_display(ImageScaleMax)
emphasize算子效果
scale_image_max算子效果:
处理失焦图片
可使用’canny‘,‘Sobel’,'Laplace’等算子，对边缘进行冲击。
read_image(Image3,'shijiao')
shock_filter(Image3, SharpenedImage, 0.5, 20, 'canny', 2.5)
dev_display(SharpenedImage)
图像平滑与去噪
由于拍摄图像会存在杂点和噪声，可以采用图像平滑的方法去噪：均值滤波、中值滤波、高斯滤波等
均值滤波：mean_image(); 临域内像素值相加取平均值，有一个滑动窗口，默认尺寸为9的正方形。缺点在于导致图像模糊，容易模糊边界
中值滤波：mdian_image(); 将区域灰度值进行排序，取中间值，算子。对于去除孤立噪点有效，可以保留边缘信息，注意滤波器尺寸过大也容易模糊图像
高斯滤波：gauss_filter(); 调用二维离散的高斯函数，适合去除高斯滤波，尺寸越大，平滑效果越明显，一般取3,5,7,9
均值滤波 mean_image
dev_close_window()
read_image(Image,'zhaosheng')
mean_image(Image,ImageMean, 9, 9)
dev_open_window(0,0, 512, 512, 'black', WindowHandle)
dev_display(Image)
dev_open_window(0, 0, 512, 512, 'black', WindowHandle1)
dev_display(ImageMean)
输入噪声图
结果
read_image(Image1, 'zhaosheng')
median_image(Image1, ImageMedian, 'circle', 1, 'mirrored')
dev_display(ImageMedian)
circle核结果，并不理想
read_image(Image1, 'zhaosheng')
median_image(Image1, ImageMedian, 'square', 1, 'mirrored')
dev_display(ImageMedian)
square核结果，效果显著
高斯滤波效果
*高斯滤波
read_image(Image2,'zhaosheng.jpg')
gauss_filter(Image2,ImageGauss,9)
dev_display(ImageGauss)
光照不均匀
前面知道直方图均衡可以增强图片亮度均匀性，所以对于彩色照片，可以分离三通道，分别直方图处理后再合成。
read_image(Image, 'an')
decompose3(Image, Image1, Image2, Image3)
mean_image(Image1, ImageMean, 9, 9)
emphasize(ImageMean, ImageEmphasize, 5, 5, 1.5)
illuminate(ImageEmphasize, ImageIlluminate, 20, 20, 0.55)
equ_histo_image(Image2,ImageEquHisto2)
equ_histo_image(Image3,ImageEquHisto3)
compose3(ImageIlluminate, ImageEquHisto2, ImageEquHisto3, MultiChannelImage)
dev_display(MultiChannelImage)
全部评论 (0)
还没有任何评论哟~