前兩章講解對于圖像處理的轉(zhuǎn)換方式，彩色圖像至灰度圖的轉(zhuǎn)換，灰度圖至二值圖的轉(zhuǎn)換，以及他們的基本性質(zhì)，本章所講的算法是基于灰度圖像的區(qū)域數(shù)據(jù)分析，該算子作用于產(chǎn)品有無檢測，表面壓傷檢測這一類型的缺陷檢測項目效果明顯，算法輸出結(jié)果為檢測區(qū)域的灰度最小值，最大值，平均值，標準偏差，像素數(shù)量等參數(shù)，下面給大家簡單演示一下怎樣通過這些結(jié)果分辨檢測缺陷。

函數(shù)位置

首先利用模板匹配進行定位坐標系的建立，灰度分析的ROi根據(jù)定位坐標系進行仿射變換，設(shè)置區(qū)域如下，檢測微動開關(guān)標有39字號的部件是否缺失。

部件存在時灰度分析結(jié)果如下：

部件不存在時灰度分析結(jié)果如下：

這里我們就可以很容易的通過灰度均值判斷該區(qū)域是否存在部件。

以上就是在LabVIEW視覺助手中，結(jié)合模板匹配定位，運用灰度分析進行有無檢測的視覺過程。大家可以試著熟悉視覺助手中的其他算法和例程，了解輸入?yún)?shù)以及輸出參數(shù)有哪些。

責(zé)任編輯：xj

原文標題：實戰(zhàn)視覺圖像處理系列——LabVIEW視覺助手之灰度分析

文章出處：【微信公眾號：電子發(fā)燒友網(wǎng)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。