机器视觉系统中的图像处理技术

由于随机干扰，相机输入的原始图像在一般情况下不能在机器视觉系统中直接使用，因此需要对原始图像进行处理。

图像处理的作用是突出图像中对机器视觉系统而言需要的特征，而减少不需要的特征，并不考虑图像是否降质。图像处理不是目的，而是为了机器视觉系统进一步的决策做准备。

图像处理的主要方式有以下几种：

一、二值化处理

根据某个阈值，将图像（模拟图像已经转换成了数字图像）中的256个灰度级别变成只有黑（0）和白（255）两种像素的二值化图像。

这样就把图像分成了需要使用的和不需要使用两部分，因此这一方法称为二值化处理或图像分割。

在对数字图像的处理过程中，将灰度图像（包括以灰度模式显示的彩色图像）二值化，使得在对图像做进一步处理时，操作更简单，运算和存储的数据量更小，系统速度更优化。

对灰度图像或以灰度模式显示的彩色图像进行二值化处理时，可人工设定阈值，也可以由系统自动求出阈值，从而将图像二值化。比较常用的计算阈值的方法包括双峰法、P参数法、迭代法和OTSU法等。

二、灰度处理

灰度图像是RGB三种颜色的分量相同的图像。彩色图像的三原色（学名三基色）中RGB的数量级（0~255）用同一个数值表示，则把彩色图像变为以灰度图像表示，这样可以减少图像数据运算量和存储量。

这个数值就叫灰度值，彩色图像转变为灰度图像的过程就是灰度处理的过程。

常用的灰度处理方法有任意分量法、最大值法、平均值法、加权平均值法。

三、图像增强（清晰化处理）

图像在传送和转换过程中，信号会不同程度地受到干扰而衰减，图像质量有时达不到机器视觉系统的要求。这时就要对图像附加一些信息或变换数据，有选择性地突出图像中有用的特征或抑制无用的特征，这就是图像增强。比如对比度增强、直方图均衡化、去雾处理等。

图像增强和图像还原是有区别的，图像增强是不考虑图像的降质而提高图像的实用性；图像还原是考虑图像的降质而提高图像的真实性。

图像增强的方法有：1、直接对图像的像素进行处理的空间域法。2、利用某种变换将空间域变为频率域，再将频率域变为空间域的图像（傅里叶变换、小波变换等）的频率法。

四、图像滤波（图像平滑处理）

由于硬件的性能原因以及对图像的某些处理环节，图像在形成、传输、记录过程中会受到多种杂波（噪声）干扰，使图像形成亮点、暗斑，影响了图像的进一步使用。这时就要对杂波进行过滤，称为滤波。

图像滤波是图像处理中不可缺少的一步，其处理效果将直接影响后续的图像分析的有效性和可靠性。图像滤波的方法有移动平均滤波、高斯滤波、中值滤波、非线性中值滤波等。

五、图像锐化（清晰化处理）

图像锐化也称为边缘增强，起到突出图像的地物边缘、补偿图像的轮廓、使图像更清晰的作用。图像锐化和图像增强一样有空间域处理和频率域处理两个方法。

简单的边缘线就能使我们理解所要表述的物体，对于图像处理来说，边缘检测也是重要的基本操作之一。

六、图像的腐蚀和膨胀（二值图像平滑处理）

图像的腐蚀和膨胀操作是图像形态学算法处理的基础。

腐蚀的作用是消除目标图像的边界噪声点，使目标缩小（白色区域变小）；膨胀的作用是将与目标图像接触的背景点合并，填补空洞，使目标增大（白色区域变大）。

两种操作一般配合使用，先腐蚀后膨胀为开运算（清除白色外部的白点噪声，使外轮廓清晰，噪声去外白留内黑）；

先膨胀后腐蚀为闭运算（清除白色内部的黑点噪声，使内轮廓清晰，噪声去内黑留外白）。

为了不破坏区域间的连接性，更多的方法是使用面积法去噪声处理。

以上就是机器视觉系统中图像处理的几种常用方法。