石鑫华视觉
图像处理中颜色平面的抽取在图像处理中，很多时候会面临将彩色图像转换成灰度图像的过程。而这个转换过程，是通过提取颜色模型中的颜色平面来完成的（如果通过阈值法得到的不是灰度图像，而是二值图像）。不同颜色模型可以由不同的颜色平面组成。如RGB颜色模型就是由红R、绿G、蓝B三种颜色平面组成。因此如果需要转换成灰度...
图像处理中实际上的对比度值前面提到图像处理中理论上的对比度值，理论上的对比度值无论多高，总是能找到图像边缘。但是实际图像过渡区域比较多，这时就需要考虑图像的黑白灰度差了。图1为直尺左边缘对比度，约为87；图2为直尺右边缘对比度，约为32。当然这里不会简单的理解为（边缘-背景）/过度区域，还要使用算子、宽度等...
图像处理中实际上的对比度实际上相机成像所得的图像，要想完全没有过渡区域是比较困难的。以实际经验来看，考虑相机、镜头、光源等硬件限制，一般边缘能做到3个像素的过渡区域是比较理想的。如果硬件环境比较差，过渡区域可能就比较大了。如下图，竖向的边缘过渡区域（约3像素）远小于横向的边缘（约15像素）。实际相...
图像处理中理论上最好的对比度在图像处理理论中，最好的对比度图是没有过渡区域，图像特征直接由白变黑或由黑变白，黑与白都完全均匀一致。在这种条件下，即使黑与白的灰度差不大，也能够非常准确、稳定的寻找到特征。如下图所示的三个图，从左到右对比度依次降低，但是都能非常快速、稳定的找到边缘。理论对比度图&n...
图像处理中的Contrast对比反差有时图像的边缘的对比度不是很强，这里可以考虑使用增强对比反差(Contrast)的方法，将图像特征表现的更突出，此功能是将白的表现的更白，而黑的则表现的更黑。其可以有效的改善图像的对比度，并且还可以改善均匀性等。使用增强对比度函数后的效果如下图所示： &nbs...
NI视觉中对比度的定义下图为NI定义的边缘。其中1为灰度剖面图曲线，2为边缘长度（即过渡区域），3为边缘强度（对比度、灰度差），4为边缘位置。对比度（边缘强度）可以简单理解为δY/δX，即灰度差/过渡区域。灰度差越大，过渡区域越小，则对比度越大，越利于提取图像特征。NI Vision定义的边缘与对比度...
高斯差高斯差概述在计算机视觉中，高斯差（英语：Difference of Gaussians，简称“DOG”）是一种将一个原始灰度图像的模糊图像从另一幅灰度图像进行增强的算法，通过高斯差以降低模糊图像的模糊度。这个模糊图像是通过将原始灰度图像经过带有不同标准差的高斯核进行卷积得到的。用高斯核进行高斯模糊只能压制高频信息。从一...
查找表Look Up Table在计算机科学中，查找表是用简单的查询操作替换运行时计算的数组或者 associative array 这样的数据结构。由于从内存中提取数值经常要比复杂的计算速度快很多，所以这样得到的速度提升是很显著的。一个经典的例子就是三角表。每次计算所需的正弦值在一些应用中可能会慢得无法忍受，为了避免这种情况，应...