图像处理学习笔记

图像处理的流程:获取图像-分割区域-特征提取。
嵌入式工业读码器 :包括DM码、QR码、vericode码
Blob分析与形态学
1.Blob区域是Blobs这一数据类型在halcon中的一种贴切的表达形式。
采集图像-区域分割,最后通过特征(如圆度、面积、矩形度等)筛选,这一过程被称为Blob(binary large objects)分析。
2.形态学
形态学是对区域大小调整的一种非常重要的方法和概念。形态学包括[开运算、闭运算、腐蚀、膨胀]
形态学需要引入一个新的概念,即结构元素。
开运算可以去除小区域以及原区域中突出的细节部分;闭运算可以填补相邻区域以及空洞;
腐蚀,会有一个结构元素,即一个形状的像素组合,以这个结构元素的中心点像素来计算保留处,这个结构元素在目标元素中逐行移动,若目标元素中的形状和结构元素相同,这个目标元素中对应中心点像素保留。
膨胀,与腐蚀相反,即参照一个结构元素,这个结构元素我们可以设定中心点,需要膨胀的位置,然后顺着图像一格一格走,只要有和中心点有交集,即可按结构元素膨胀。开运算就是先腐蚀再膨胀,闭运算就是先膨胀再腐蚀。
灰度直方图。在图像处理中使用非常频繁,比如分开绿豆和红豆,可以拍照后选择灰度,红色和绿色灰度不同,通过直方图选择灰度范围,即可选择出红豆或绿豆。
特征直方图。比如圆度、面积。
颜色空间:halcon支持的颜色空间、通道与颜色空间的转化、通道与区域分割方法
几何定位+仿射变换+视觉测量
定位三方法:Blob定位、模板匹配、深度学习
仿射变换:就是一种特殊的几何变换,是一种投影,常见的有旋转、平移、缩放(就是矩阵间的运算)。
Blob分析 模板匹配
2D项目的大致流程:
1.图像采集
2.预处理,主要有两种方法,对比度和去噪
对比度:
Scale_image(灰度缩放算子,在灰度直方图里操作,线性拉伸灰度)
Emphsize(增强算子)
grey_range_rect(增加灰度动态范围的算子)
equ_histo_image(直方图均匀化,让图片灰度分布更均匀)
去噪:
mean_image(均值滤波)、高斯滤波、中值滤波
图像分割:
二值化、形态选择、形态学
特征识别和求取计算
显示与通讯
halcon中涉及的图像处理十大理论知识:
1.图像处理基础知识
2.图像的灰度变换
3.图像增强(预处理:增强对比度和去噪(均值、中值、高斯滤波))
4.图像的几何变换(仿射变换、投影变换、极坐标变换等)
5.图像分割(边缘提取,Blob分析等)
6.图像的频域(缺陷划痕检测等)
7.图像的形态学(膨胀、腐蚀、开运算、闭运算等)
8.图像的复原(这点halcon涉及不多主要是刑侦用)
9.运动图像(运动检测,差分、光流法)
10.图像配准(模板匹配等)