前兩章講解對(duì)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(wú)檢測(cè)，表面壓傷檢測(cè)這一類型的缺陷檢測(cè)項(xiàng)目效果明顯，算法輸出結(jié)果為檢測(cè)區(qū)域的灰度最小值，最大值，平均值，標(biāo)準(zhǔn)偏差，像素?cái)?shù)量等參數(shù)，下面給大家簡(jiǎn)單演示一下怎樣通過(guò)這些結(jié)果分辨檢測(cè)缺陷。

函數(shù)位置

首先利用模板匹配進(jìn)行定位坐標(biāo)系的建立，灰度分析的ROi根據(jù)定位坐標(biāo)系進(jìn)行仿射變換，設(shè)置區(qū)域如下，檢測(cè)微動(dòng)開(kāi)關(guān)標(biāo)有39字號(hào)的部件是否缺失。

部件存在時(shí)灰度分析結(jié)果如下：

部件不存在時(shí)灰度分析結(jié)果如下：

這里我們就可以很容易的通過(guò)灰度均值判斷該區(qū)域是否存在部件。

以上就是在LabVIEW視覺(jué)助手中，結(jié)合模板匹配定位，運(yùn)用灰度分析進(jìn)行有無(wú)檢測(cè)的視覺(jué)過(guò)程。大家可以試著熟悉視覺(jué)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(biāo)題：實(shí)戰(zhàn)視覺(jué)圖像處理系列——LabVIEW視覺(jué)助手之灰度分析

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