图像编程

图像编程

NI Vision Assistant视觉助手教程第七章图像处理-Grayscale灰度

文章来源:石鑫华视觉网时间:2022-09-02 17:30:51 点击:308

NI Vision Assistant视觉助手教程

第七章图像处理-Grayscale灰度

第二节 Filters滤波

石鑫华机器视觉网：Filters滤波，可以有效改善图像的质量，使图像处理系统更稳定。因此，当图像质量本身并不是非常理想时，可以考虑使用滤波函数进行滤波，从而得到更加理想的图像。

Filters滤波函数在视觉助手中的位置如下图1所示：

图1 Filters滤波

点击滤波函数后，进入滤波函数界面，与上节中的查找表函数类似，滤波函数也是默认双窗口界面。如下图所示：

图2 Filters滤波函数界面

图3 Filters滤波函数设置

滤波函数的选项卡非常简单，仅有一个Filters选项卡。滤波函数中有多个不同的滤波器，每个滤波器的参数设置略有不同，处理后的效果也不一样。同样的滤波器，对于不同图像的处理得到的效果也会明显不一样。加载本节中的两个图片，分别看一下每个滤波器设置与效果差异，为了看到具体的一些细节，这里的图像使用的是放大的图像。

Smoothing-Low Pass平滑-低通滤波器

图4 Smoothing-Low Pass平滑-低通滤波器

图5 Smoothing-Low Pass平滑-低通滤波器

图4为演示的是一个液晶屏的图像，其中有许多的灰尘，在图像中表现为白色的小点。使用低通滤波器，可以有效的过滤掉原始图像中孤立的高亮小白点，从而使图像更纯净。图5中演示的是视觉助手自带的图片Metal中的图片。因为并没有高亮的孤立小白点，所以滤波效果不明显，只是在图像的边缘位置变得模糊更平滑一些。

低通滤波器，顾名思义就是只有低频的信号可以通过，而高频的信号将被截止。其作用是使用消除细节和模糊边缘的方式来平滑图像。因此在图4中的许多的孤立的高亮小白点，都被过滤掉了。

图6 Low Pass低通滤波器参数

在低通滤波器中，有Kernel Size内核尺寸、Kernel内核系数、Filter Size X滤波器尺寸X、Filter Size Y滤波器尺寸Y、Tolerance%公差百分比、Divider被除的总数（与内核相关）等几个参数。其中灰色的表示不可用，也就意味着这个参数是其它滤波器使用的设置。

Kernel Size内核尺寸，指定了内核结构的尺寸大小，可以从3x3、5x5、7x7一直到199x199，内核是一个二维的数组结构，数组的大小都是奇数。

Kernel内核：用于指定内核的具体的内核系数。即右边的二维数组。其中的数据都是加载默认的系数，可以尝试修改部分系数，以达到更好的图像效果。

Filter Size滤波器尺寸，是低通滤波器和中值滤波器使用的参数。滤波器尺寸越大，则可以过滤越大的高亮小点，图像边缘受噪声干扰也会越少，图像的边缘也会变得越模糊，同时计算量也会增加，因此对图像的影响也就越大。

10	10	10	10	10
10	20	20	20	10
10	190	30	20	10
10	10	20	20	10
10	10	10	10	10

作为一个图像处理应用开发者来讲，其实不需要深入了解各算法的底层如何实现。只需要了解某个函数的功能如何、有什么样的效果即可。如上表所示，中间像素值为30的像素点，如果使用3×3的尺寸，使用均值法，则其值应该为(20*7+190+30）/9=40。这时这个点明显会比周围的点值要高，可能会被当成噪点。而如果使用5×5的尺寸，使用均值法则其值应该是（20*7+190+30+10*16）/25=21。这时的值就非常接近其邻域的值了。