基本预处理过滤
理解图像处理的基本原理是为了使用户能够捕捉到最准确的图像。此外,通过对图像内容进行预处理滤波,可以对图像进行最优处理(校正对焦和对比度)。
通过在缺陷检测、尺寸测量和其他形式的检查发生之前实施预处理过滤器,可以增加稳定检查的潜力。前面详细说明了最佳预处理滤波器的选择。
预处理过滤器的基本类型
下面介绍四种预处理过滤器。每个滤波器使用3x3原理进行预处理计算,并处理图像。
扩张过滤器
检查九个像素的最大密度(最明亮的值),并将中心像素调整为最大密度值。
收缩过滤器
确定9个像素中的最小密度(最暗值),并将中心像素调整为该值。因此,强调暗像素,并执行更稳定的缺陷检测。
平均滤波器
计算九个像素的平均密度(2 + 5 + 9 + 7 + 3 + 0 + 1 + 2/9 = 3.66,舍入到1/100小数点),并将中心像素调整到平均值。
这样既稳定了图像,又减少了可能导致图像模糊的噪声的影响。
中值滤波器
将中心像素的密度按密度值的顺序调整为第5个元素。这允许更稳定地去除噪音。
观点
对于图像处理,重要的是捕捉清晰的图像,以准确再现人眼所见的图像。对于某些检查目的,增强特征(扩大、缩小)或模糊特征以减少噪声成分(平均、中值)可能产生更合适的检查结果,而不是使用精确复制的图像。
为了理解图像增强,请记住对所有像素执行这些图像增强方法。
边缘提取和增强滤波器
下面,预处理滤波器如边缘提取和边缘增强被用来强调与原始图像相比的特征。边缘滤波器有许多用途,为每种情况选择合适的滤波器应根据每种滤波器的知识和理论正确使用。Sobel和Prewitt的使用以及在X和Y方向上的边缘提取被描述在前面。
Sobel和Prowitt.
Sobel和Prewitt是边缘提取过程,其分别提取x和y方向的边缘,然后结合结果。在通过确定的系数乘以确定的系数之后,然后将中心像素替换为适当的添加密度值。
边缘提取系列摘要
微分 | 水平方向 | 垂直方向 | 对角线 | 其他人 | |
---|---|---|---|---|---|
PREWITT. | 第一次微分 | ○ | ○ | △ | |
索贝尔 | 第二次微分 | ◎ | ◎ | ○ | |
罗伯茨 | 第一次微分 | △ | △ | ○ | |
拉普拉斯算子 | 第二次微分 | △ | △ | △ | 不依赖于方向 |
◎○△这些符号显示强度。
当强度高时,应该忽略的变化,也可以提取噪声。
方向特定边缘提取过滤器
使用Sobel在X和Y方向上的边缘提取通过垂直和水平方向上的缺陷长度的限制来利用。
边缘提取滤波器与边缘增强滤波器之间的差异
边缘增强是一种阐明模糊图像的过程。它与边缘提取滤波器不同,因为它通过将九个像素的组合结果调整为零和一个来强调中心像素的浓度。关于边缘提取,如果九个像素具有相同的数据,则密度将是0.然而,强调中心像素的密度并保持。
观点
边缘提取过滤器处理3x3、顶部和底部(X方向)、右侧和左侧(Y方向)的中心像素的浓度,并替换它们。有必要选择噪声存在的类型和强调的方向。此外,请注意,即使边缘增强滤波器是均匀的,噪声元素的中心像素将增加。
过滤器技术应用示例
CV-X能够使用两个或多个预处理过滤器检查一个区域,能够使用两个或多个预处理过滤器重复检查一个区域。如果滤波器的理论已知,则可以使用每个滤波器来处理最优图像。
例二。轮廓平滑:扩展(X) +收缩(Y)
膨胀和收缩过滤器是同时应用的,能够去除不均匀的轮廓和毛刺,因此,保持一个平坦的表面检查。
Example2。强调微观缺陷:Sobel +二元+扩展
Sobel + Binary + Expand(染色增强)
首先,Sobel过滤器提取漏洞的边缘。然后,使用二值化来编译黑白图像并使用膨胀过滤器强调白色像素,缺陷明显脱颖而出。
例3。平均平均噪声分量平均+中位数
该技术对于稳定边缘检测的测量有效。该方法使用平均滤波器来消除模糊图像和中值滤波器的效果,以更准确地稳定噪声。
不稳定边缘检测的典型可重复性
没有过滤 | 6.27像素 |
---|---|
平均+中值 | 0.3像素稳定 |
图像增强过滤器摘要(第1部分)
这些是图像增强的基础。
- 首先,捕捉一个好的源图像(清晰的焦点,高对比度)。
如果有需要增强的特征,可以进行图像修改(图像增强滤波器)。 - 典型的图像增强是将每一组3 × 3像素中中心像素的值替换为通过对周围像素的密度值应用各种系数来获得所需的增强结果。
- 您可以通过理解单个图像增强过滤器的原理,并使用图像增强过滤器,单独或组合,最有效的应用程序,以确保稳定的检查。