在機(jī)器視覺中，圖像濾波器無處不在。例如，它們用于減少圖像噪聲，改善對比度或檢測邊緣。本文將向您介紹MVTec HALCON中一些最常用的濾波器，它們是如何工作的以及可以用于什么。

mean_image：均值濾波器

首先，我們讀取具有背景紋理的示例圖像。我們的目標(biāo)是在不改變實(shí)際信息的情況下刪除背景紋理。讓我們從一個易于理解的通用運(yùn)算符開始：mean_image。

在生成的圖像中，背景紋理已被很好地去除，但是很多相關(guān)信息已經(jīng)丟失。那么，此濾波器如何工作？

為了調(diào)用mean_image, 我們指定了掩碼大小。

*Halconmean_image函數(shù)原型
mean_image(Image:ImageMean:MaskWidth,MaskHeight:)

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

對于每個像素，將創(chuàng)建具有指定寬度和高度的蒙版。然后，我們在此蒙版中獲取灰度值并計算平均值。將該平均值分配給中心像素。因此，圖像濾波后非常均勻平滑。



另一個類似的運(yùn)算符是median_image。

median_image：中值濾波器

默認(rèn)情況下，使用圓形蒙版。對灰度值進(jìn)行排序，并將“中間”值設(shè)置為新的灰度值。因此，中位數(shù)是更可靠的平均值，離群值對其影響不大。此外，在保留銳利邊緣方面要好得多。

但是，更詳細(xì)的信息，例如此處顯示的數(shù)字，應(yīng)用濾波器后仍然很模糊。為了進(jìn)行比較，這是均值濾波器的結(jié)果。

還有更多運(yùn)算符可用于平滑圖像。請參閱“濾波器/平滑處理”一章參考，以獲取全面概述。

為了消除此圖像中的背景噪音，使用滾動導(dǎo)向?yàn)V波器（Rolling Guidance Filter）是一種高級選擇。您可以在文檔中看到令人印象深刻的結(jié)果。

第(3)張圖片顯示了提取的紋理。要獲得此圖像，我們使用算術(shù)濾波器sub_image。在這里，我們將原始圖像減去被濾波器過濾的圖像。生成的圖像顯示了提取的紋理。

濾波器的常見用例

讓我們看一下基本過濾器的一些常見用例。

去除噪聲

在這里，我們讀取了植物的圖像，并添加了一些椒鹽噪聲。使用median_image，我們可以非常有效地消除這種噪聲。另外，白噪聲是硬件引入的常見問題。在這里，均值濾波器和中值濾波器都可以產(chǎn)生好的結(jié)果。

使用滾動式導(dǎo)向?yàn)V波器，結(jié)果看起來非常不錯。但是總運(yùn)行時間會大大增加。在此太陽能電池圖像中，我們希望擺脫水平線。在此，中值濾波器產(chǎn)生視覺上令人滿意的結(jié)果。

在下一張圖片中，我們的目標(biāo)是使用閾值來檢測缺陷。但是，在灰色直方圖中，我們不容易看到缺陷。因此，我們應(yīng)用中值濾波器，現(xiàn)在，直方圖中這個小的“丘陵”變得可區(qū)分并且可以輕松地進(jìn)行分段，如下圖所示，medain_filter前后。類似地，可以在分割圖像以創(chuàng)建感興趣區(qū)域之前應(yīng)用濾波器。

另一個很好的例子是您要識別圖像中的文本。通過濾波器預(yù)處理改善運(yùn)行時間或提高魯棒性。

一個常見的分割運(yùn)算符是dyn_threshold，它使用局部閾值。通常，ThresholdImage是原始圖像的平滑版本。在此示例中，我們使用它粗略地劃分了盲文。

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

校正不均勻照明

濾波器的另一個常見用例是照明的校正（算術(shù)濾波器的使用）。在這里，我們使用背光設(shè)置獲取圖像。注意照明不是完全均勻的。為了解決這個問題，我們獲取背景圖像，然后從原始圖像中減去該背景圖像。結(jié)果是更好的照明圖像。

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

增強(qiáng)局部細(xì)節(jié)

在此圖像中，我們要增強(qiáng)細(xì)節(jié)。為此，我們首先對圖像進(jìn)行平滑處理。然后，我們從原始圖像中減去平滑圖像，從而為我們提供了細(xì)節(jié)。然后，我們將這些詳細(xì)信息添加到原始文件中。如下圖所示增強(qiáng)局部細(xì)節(jié)前后。

*Enhancedetails.
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)

最后，需要說明濾波器時必須注意的一個效果：

在reduce_domain時使用的是縮小區(qū)域，大多數(shù)過濾器僅返回輸入域中包含的像素的結(jié)果，區(qū)域外的像素變?yōu)椤拔炊x”。當(dāng)應(yīng)用兩個或多個濾波器時，這可能會導(dǎo)致圖像邊界出現(xiàn)偽影。

審核編輯：劉清