常用的图像滤波方法简介-基于HALCON视觉算法包

叁歲伎倆 2022-09-04 13:56 138阅读 0赞

来源：机器视觉算法与应用

在机器视觉中，图像滤波器无处不在。例如，它们用于减少图像噪声，改善对比度或检测边缘。本文将向您介绍MVTec HALCON中一些最常用的滤波器，它们是如何工作的以及可以用于什么。

## mean\_image：均值滤波器 ##

首先，我们读取具有背景纹理的示例图像。我们的目标是在不改变实际信息的情况下删除背景纹理。让我们从一个易于理解的通用运算符开始：mean\_image。

在生成的图像中，背景纹理已被很好地去除，但是很多相关信息已经丢失。那么，此滤波器如何工作？

为了调用mean\_image, 我们指定了掩码大小。

*Halcon mean_image 函数原型
    mean_image(Image : ImageMean : MaskWidth, MaskHeight : )

read_image(Image,'plan_01')
    mean_image(Image,Mean,3,3)

对于每个像素，将创建具有指定宽度和高度的蒙版。然后，我们在此蒙版中获取灰度值并计算平均值。将该平均值分配给中心像素。因此，图像滤波后非常均匀平滑。

![图片][184e35ec4af0e6f6a3bf282730070495.png]

另一个类似的运算符是median\_image。

## median\_image：中值滤波器 ##

![图片][9756ee6ae096730e8e9b90511b751fb7.png]

默认情况下，使用圆形蒙版。对灰度值进行排序，并将“中间”值设置为新的灰度值。因此，中位数是更可靠的平均值，离群值对其影响不大。此外，在保留锐利边缘方面要好得多。

![图片][7dc8ac324036d43fc0e08b892456c7b5.png]

但是，更详细的信息，例如此处显示的数字，应用滤波器后仍然很模糊。为了进行比较，这是均值滤波器的结果。

![图片][e7781a3817615555949659f48f062c10.png]

还有更多运算符可用于平滑图像。请参阅“滤波器/平滑处理”一章参考，以获取全面概述。

为了消除此图像中的背景噪音，使用滚动导向滤波器（Rolling Guidance Filter）是一种高级选择。您可以在文档中看到令人印象深刻的结果。

![图片][c0f09ff54777729ddd40d572fe7d6abc.png]

第(3)张图片显示了提取的纹理。要获得此图像，我们使用算术滤波器sub\_image。在这里，我们将原始图像减去被滤波器过滤的图像。生成的图像显示了提取的纹理。

## 滤波器的常见用例 ##

让我们看一下基本过滤器的一些常见用例。

### 去除噪声 ###

在这里，我们读取了植物的图像，并添加了一些椒盐噪声。使用median\_image，我们可以非常有效地消除这种噪声。另外，白噪声是硬件引入的常见问题。在这里，均值滤波器和中值滤波器都可以产生好的结果。

![图片][bea4d5e28af3ddcfdad51827a7382db8.png]

使用滚动式导向滤波器，结果看起来非常不错。但是总运行时间会大大增加。在此太阳能电池图像中，我们希望摆脱水平线。在此，中值滤波器产生视觉上令人满意的结果。

![图片][edc882878929e45f27d117785b450f86.png]

### 图像分割 ###

在下一张图片中，我们的目标是使用阈值来检测缺陷。但是，在灰色直方图中，我们不容易看到缺陷。因此，我们应用中值滤波器，现在，直方图中这个小的“丘陵”变得可区分并且可以轻松地进行分段，如下图所示，medain\_filter前后。类似地，可以在分割图像以创建感兴趣区域之前应用滤波器。

![图片][6a84d8350d226b322f3b0e0866baf987.png]

另一个很好的例子是您要识别图像中的文本。通过滤波器预处理改善运行时间或提高鲁棒性。

一个常见的分割运算符是dyn\_threshold，它使用局部阈值。通常，ThresholdImage是原始图像的平滑版本。在此示例中，我们使用它粗略地划分了盲文。

*Segment braille with dyn_threshold.
    read_image (Image,'photometric_stereo/embossed_01')
    mean_image (Image,ImageMean,60,60)
    dyn_threshold (Image, ImageMean, RegionDynThresh, 15, 'not_equal')

![图片][83e25a748bfa227cdbb4e9b86a7b3f5d.png]

segment-braille-with-dyn\_threshold

### 校正不均匀照明 ###

滤波器的另一个常见用例是照明的校正（算术滤波器的使用）。在这里，我们使用背光设置获取图像。注意照明不是完全均匀的。为了解决这个问题，我们获取背景图像，然后从原始图像中减去该背景图像。结果是更好的照明图像。

*correct illumination.
    read_image (Image,'images/correct_shading_02.png')
    read_image (Background, 'images/correct_shading_01.png')
    sub_image (image,Background,ImageSub, 1,255)

![图片][4c35c66f3f804362928242a196a1c38e.png]

### 增强局部细节 ###

在此图像中，我们要增强细节。为此，我们首先对图像进行平滑处理。然后，我们从原始图像中减去平滑图像，从而为我们提供了细节。然后，我们将这些详细信息添加到原始文件中。如下图所示增强局部细节前后。

*Enhance details.
    read_image (Image,'angio-part')
    guided_filter(Image,image,ImageSmooth,5,10)
    sub_image (Image,ImageSmooth,ImageDetail,5,0)
    add_image(ImageDetail,Image,ImageDetailEnhanced,1,0)

![图片][95a37f76e0bb9c34fd978f9a22f2174b.png]

最后，需要说明滤波器时必须注意的一个效果：

在reduce\_domain时使用的是缩小区域，大多数过滤器仅返回输入域中包含的像素的结果，区域外的像素变为“未定义”。当应用两个或多个滤波器时，这可能会导致图像边界出现伪影。

[184e35ec4af0e6f6a3bf282730070495.png]: /images/20220829/2a5ecd0450f140fbae6ccdcd591858ec.png
[9756ee6ae096730e8e9b90511b751fb7.png]: /images/20220829/2d84fc44808a4b56b4524331d9c89071.png
[7dc8ac324036d43fc0e08b892456c7b5.png]: /images/20220829/bcab7efab0354894abb198b0e17e5a86.png
[e7781a3817615555949659f48f062c10.png]: /images/20220829/767ad219f4254e59a27e397b04236c75.png
[c0f09ff54777729ddd40d572fe7d6abc.png]: /images/20220829/7661b7a33ad74a9ebe1c8330aa7b5104.png
[bea4d5e28af3ddcfdad51827a7382db8.png]: /images/20220829/dbd80bf41e0a4b4bbebc40cf39f2966e.png
[edc882878929e45f27d117785b450f86.png]: /images/20220829/b9ebbc8686bf448ab22eab73028d2480.png
[6a84d8350d226b322f3b0e0866baf987.png]: /images/20220829/0912cb44e02240b3a61da075c8246275.png
[83e25a748bfa227cdbb4e9b86a7b3f5d.png]: /images/20220829/222dcac7646c462d835e38c4761633a3.png
[4c35c66f3f804362928242a196a1c38e.png]: /images/20220829/54aaef090a834984b80c15f2079daabb.png
[95a37f76e0bb9c34fd978f9a22f2174b.png]: /images/20220829/03540c3a35624f629514c6eae5f91143.png