Halcon图像预处理学习报告一、概述图像预处理是机器视觉系统中的关键环节其目的是改善图像质量突出感兴趣的特征为后续的图像分析和识别奠定基础。Halcon作为业界领先的机器视觉软件库提供了丰富的图像预处理算子。本报告将重点介绍图像滤波和图像增强两大核心模块包括各算子的功能、用途及代码示例。二、图像滤波图像滤波是图像预处理的基础操作主要用于去除图像中的噪声、平滑图像或提取特定频率成分。根据滤波原理的不同可分为线性滤波和非线性滤波两大类。2.1 均值滤波 (Mean Filter)功能说明均值滤波是一种线性平滑滤波器通过计算邻域内像素的平均值来替代中心像素值可有效去除高斯噪声。主要算子mean_image基本均值滤波使用矩形窗口gauss_image高斯滤波使用高斯加权窗口边缘保留效果更好代码示例* 读取图像read_image (Image, fabrik)* 均值滤波 - 使用5x5的矩形窗口mean_image (Image, ImageMean, 5, 5)* 高斯滤波 - 使用5x5的高斯核gauss_image (Image, ImageGauss, 5, 5)* 显示结果dev_display (ImageMean)2.2 中值滤波 (Median Filter)功能说明中值滤波是一种非线性滤波器用邻域像素的中值替代中心像素值。对椒盐噪声脉冲噪声有很好的去除效果同时能较好地保持边缘信息。主要算子median_image基本中值滤波median_separate可分离中值滤波计算效率更高代码示例* 读取带椒盐噪声的图像read_image (ImageNoise, mreut)* 中值滤波 - 使用圆形掩码半径为3median_image (ImageNoise, ImageMedian, circle, 3, mirrored)* 可分离中值滤波 - 分别对行和列进行中值滤波median_separate (ImageNoise, ImageMedianSep, 5, 5, mirrored)* 对比显示dev_display (ImageMedian)2.3 高斯滤波 (Gaussian Filter)功能说明高斯滤波使用高斯函数作为权重进行加权平均相比普通均值滤波高斯滤波在平滑图像的同时能更好地保留边缘信息是图像处理中最常用的滤波器之一。主要算子gauss_image标准高斯滤波derivate_gauss高斯导数滤波用于边缘检测代码示例* 读取图像read_image (Image, fabrik)* 高斯平滑滤波gauss_image (Image, ImageGauss, 7, 7)* 高斯导数滤波 - 用于计算图像梯度derivate_gauss (Image, DerivGauss, x, 1.5)* 使用高斯导数进行边缘检测derivate_gauss (Image, EdgeAmplitude, gradient, 1.5)2.4 双边滤波 (Bilateral Filter)功能说明双边滤波是一种边缘保持的平滑滤波器它同时考虑空间距离和像素值相似度两个因素在去除噪声的同时能有效保持边缘细节。主要算子bilateral_filter双边滤波边缘保持平滑代码示例* 读取图像read_image (Image, mreut)* 双边滤波 - 空间Sigma3灰度Sigma20bilateral_filter (Image, ImageBilateral, 3, 20, sampling_ratio, 0.5)* 双边滤波常用于人像美化、细节增强等场景dev_display (ImageBilateral)2.5 滤波方法对比滤波类型适用噪声类型边缘保留能力均值滤波高斯噪声较差边缘模糊中值滤波椒盐噪声、脉冲噪声较好高斯滤波高斯噪声中等双边滤波各类噪声优秀三、图像增强图像增强的目的是改善图像的视觉效果突出图像中的有用信息便于人眼观察或机器分析。主要包括灰度变换、直方图处理、锐化增强等方法。3.1 灰度变换 (Gray Transformation)功能说明灰度变换通过改变图像的灰度值分布来增强图像对比度包括线性变换、对数变换、幂律变换伽马变换等。主要算子scale_image_max将图像灰度缩放到最大范围0-255emphasize增强图像对比度illuminate增强图像亮度代码示例* 读取图像read_image (Image, mreut)* 灰度拉伸 - 将灰度范围扩展到0-255scale_image_max (Image, ImageScaled)* 增强对比度 - Mask尺寸7x7系数1.0emphasize (Image, ImageEmphasize, 7, 7, 1.0)* 增强亮度 - Mask尺寸41x41系数0.7illuminate (Image, ImageIlluminate, 41, 41, 0.7)3.2 直方图处理 (Histogram Processing)功能说明直方图处理通过调整图像的灰度直方图来改善图像对比度。直方图均衡化是最常用的方法可使图像灰度分布更加均匀。主要算子equ_histo_image直方图均衡化gray_histo计算灰度直方图histo_to_thresh根据直方图确定阈值代码示例* 读取图像read_image (Image, fabrik)* 直方图均衡化equ_histo_image (Image, ImageEquHisto)* 计算并显示灰度直方图gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)* 根据直方图自动确定阈值histo_to_thresh (AbsoluteHisto, 2, MinThresh, MaxThresh)3.3 锐化增强 (Sharpening Enhancement)功能说明图像锐化通过增强图像边缘和细节来提高图像清晰度。常用的方法包括拉普拉斯算子、高通滤波、反锐化掩模等。主要算子laplace拉普拉斯边缘增强highpass_image高通滤波锐化shock_filter冲击滤波增强边缘代码示例* 读取图像read_image (Image, fabrik)* 拉普拉斯锐化 - 使用绝对值laplace (Image, ImageLaplace, absolute, 3, n_8_isotropic)* 高通滤波锐化 - 增强高频成分highpass_image (Image, ImageHighpass, 9, 9)* 冲击滤波 - 迭代次数5Theta值0.5shock_filter (Image, ImageShock, 0.5, 5, canny, 0.5)3.4 频域增强 (Frequency Domain Enhancement)功能说明频域增强通过在频率域对图像进行处理来实现增强效果。常用的方法包括傅里叶变换、小波变换等可用于去除周期性噪声、增强特定频率成分。主要算子fft_image快速傅里叶变换fft_image_inv快速傅里叶逆变换convol_fft频域卷积代码示例* 读取图像read_image (Image, fabrik)* 进行傅里叶变换fft_image (Image, ImageFFT, to_freq)* 创建高通滤波器gen_highpass (Highpass, 30, 30, n, dc_edge, 512, 512)* 频域滤波convol_fft (ImageFFT, Highpass, ImageConvol)* 傅里叶逆变换fft_image_inv (ImageConvol, ImageFiltered, from_freq)3.5 增强方法对比增强类型主要功能适用场景灰度变换调整灰度范围增强对比度图像过暗或过亮直方图均衡化均匀分布灰度自动增强对比度低的图像锐化增强增强边缘和细节图像模糊、边缘不清晰频域增强去除周期性噪声条纹噪声、周期性干扰四、总结图像预处理是机器视觉系统的重要组成部分Halcon提供了丰富的图像滤波和图像增强算子。在实际应用中需要根据具体问题选择合适的预处理方法对于高斯噪声推荐使用高斯滤波或均值滤波对于椒盐噪声中值滤波效果最佳需要保留边缘时优先选择双边滤波对比度增强可采用直方图均衡化或灰度变换图像锐化可使用拉普拉斯算子或高通滤波在实际项目中通常需要组合使用多种预处理方法并根据具体效果调整参数以达到最佳的图像处理效果。