一、平滑模糊處理

以Dalsa sherlock軟件為例，一起來了解一下視覺檢測中平滑模糊的圖像處理方法。

1、觀察灰度分布來描述一幅圖像稱為空間域，觀察圖像變化的頻率被稱為頻域。

2、頻域分析：低頻對應(yīng)區(qū)域的圖像強(qiáng)度變化緩慢，高頻對應(yīng)的變化快。低通濾波器去除了圖像的高頻部分，高通濾波器去除了圖像的低頻部分

平滑模糊處理（低通）

高斯濾波，中值濾波，均值濾波都屬于低通濾波，一副圖像的邊緣、跳躍部分以及顆粒噪聲代表圖像信號的高頻分量，而大面積的背景區(qū)則代表圖像信號的低頻信號，用濾波的方式濾除其高頻部分就能去掉噪聲。

在Sherlock中，采用低通處理來平滑圖像的算法包括：Lowpass，Lowpass5X5，Gaussian ，Gaussian5X5，GaussianWXH，Median，Smooth。

低通濾波：Lowpass Lowpass5X5

在Sherlock中的這兩個算法，直接理解為低通濾波，根據(jù)文檔中的描述，這兩個算法分別是對3x3和5x5大小尺寸內(nèi)進(jìn)行均值平滑圖像，可重復(fù)多次執(zhí)行，未能理解與smooth算法的區(qū)別。

（1）均值濾波：Smooth

均值濾波最簡單的低通濾波，根據(jù)設(shè)定的尺寸，將相鄰像素取平均值，Sherlock中使用的是3x3大小的尺寸，每個點(diǎn)的像素值由其原像素值和其周圍的8個像素值的平均值取代。

例如下圖，在3x3大小的過濾尺寸內(nèi)，中心點(diǎn)原來的像素值為1，相鄰像素取平均值為2，則經(jīng)過均值濾波處理過，中心點(diǎn)的像素為2。

（2）中值濾波：Median

根據(jù)設(shè)定的尺寸，將區(qū)域內(nèi)的像素進(jìn)行排序，中心點(diǎn)的像素值由過濾尺寸內(nèi)的位于中間的像素值取代，中值濾波對于去除小的噪點(diǎn)或者脈沖噪聲效果非常好，中值濾波會改變圖像的結(jié)構(gòu)，圖像的強(qiáng)度被改變。

（3）高斯濾波：Gaussian Gaussian5X5 GaussianWXH

高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到，模糊了圖像的細(xì)節(jié)。常用于出去噪點(diǎn)，平滑邊緣。

高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。

Gaussian：使用一個3X3大小，濾波器系數(shù)是一個標(biāo)準(zhǔn)差為0.85的二維高斯分布，可多次執(zhí)行

Gaussian5X5：使用一個5X5大小，濾波器系數(shù)是一個標(biāo)準(zhǔn)差為1的二維高斯分布，可多次執(zhí)行，但是增加執(zhí)行次數(shù)會增大標(biāo)準(zhǔn)差的值，近似于重復(fù)次數(shù)的平方根。

注意：每次重復(fù)使用之后，都會圖像的邊界留出2個像素保持像素不變，如果對圖像邊界有影響，注意設(shè)定邊界的灰度值

GaussianWXH：使用一個可以設(shè)定尺寸大小，確定權(quán)重的標(biāo)準(zhǔn)差也可以設(shè)定，一個大的高斯過濾器可以用重復(fù)多次的小的高斯來實(shí)現(xiàn)。例如重復(fù)執(zhí)行一個3x3或者5x5高斯，執(zhí)行次數(shù)N*1.4或者N*2.8為過濾的尺寸，例如3x3執(zhí)行9次，過濾的尺寸大約是9*1.4，與一個13X13高斯差不多。

標(biāo)準(zhǔn)差σ

Sigma 越大，分布越均勻，周圍的權(quán)重越大，模糊程度越大。

Sigma越小，分布越集中，靠近中心的權(quán)重越大，模糊程度越小。

均值 高斯

二、銳化 強(qiáng)化處理

圖像的銳化處理，使圖像邊緣更清晰，細(xì)節(jié)增強(qiáng)。

Sherlock中用于銳化圖像的算法有各種卷積：1X3，1X5，1X7，3X3，5X1，5X5，7X1，Chatter Edge，Gradient，Highpass ，Sharpen

◆ 1X3，1X5，1X7，3X3，5X1，5X5，7X1

分別是選擇不同尺寸的卷積核，每個位置的像素與相鄰像素通過設(shè)定的卷積核進(jìn)行卷積運(yùn)算。

假如目標(biāo)像素點(diǎn)和它周邊的值（上下左右前后的臨點(diǎn)，具體的比鄰范圍依賴于算子的大小，3*3的算子比鄰范圍為1，5*5的為2，以此類推）得有較大差異，那么就可以通過這個算子對原圖矩陣中的這個位置進(jìn)行卷積運(yùn)算，得出的值和該像素點(diǎn)原來的灰度值會產(chǎn)生顯著的差異。當(dāng)這種前后差異超過我們預(yù)設(shè)的范圍后，就將這個像素點(diǎn)標(biāo)記為255（白色），其余點(diǎn)標(biāo)記為0（黑色），這樣就得到了一黑色為背景，白色線條作為邊緣或形狀的邊緣提取效果圖。銳化算子：通過卷積運(yùn)算，可以增大矩陣每一個元素與周邊元素的方差，輕則起到銳化作用，重則成了邊緣提取。反之，則是去噪過程。

上圖為算法的參數(shù)就是設(shè)置卷積核的參數(shù)

◆ Chatter Edge

用于對噪音的或者模糊的邊緣的提取，過濾尺寸可以自定義。輸出的是二值化的或者修剪灰度比例的圖像。由于機(jī)械振動引起的圖像跳動，如下圖：

使用一個可以調(diào)整過濾內(nèi)核尺寸的差分過濾器，例如過濾尺寸為4的內(nèi)核為{-1，0，0，1}或者過濾尺寸為6的內(nèi)核為{-1，0，0，0，0，1}。這個過濾器在水平方向，垂直方向或者兩者都有的方向掃描輸入圖像，得到輸出圖像。

應(yīng)用一個過濾尺寸為16的，“X”方向過濾的過濾器，增強(qiáng)圖中對比度比較低的邊緣。

任何輸出低于邊緣閾值的值設(shè)定為0.等于或者大于邊緣閾值的值輸出為全白，如果keep gray above設(shè)為True，保留原來的值。Filter size （卷積內(nèi)核尺寸）可以設(shè)為2-255，由于卷積是線形操作，我們可以把這個差分過濾分成兩個矩形（取樣積分器）過濾器。一個過濾器相對于另一個過濾器偏移一個像素。一個矩形過濾器是低通濾波器，用來去除噪音。-1，…。，1這些是用來增強(qiáng)邊緣的。

Filter direction 設(shè)定過濾器的方向?！癤”表示過濾器是水平的，“Y”表示過濾器是垂直的，這兩個都會使過濾器掃描穿過輸入圖像，得到輸出圖像。如果是“either”，兩個方向的過濾都應(yīng)用。如果keep gray above設(shè)為false， X和Y的過濾結(jié)果通過邏輯OR合并處理。如果keep gray above設(shè)為true，輸出是X和Y方向的最大值。

Transition type 設(shè)定邊緣對比度變化?！癉ark-to-light” 放大由暗到亮的邊緣，“l(fā)ight-to-dark”放大由亮到暗的邊緣。“either”兩種對比度變化都被放大。

下側(cè)的圖像顯示了一個非常緩慢和擴(kuò)散過渡的邊緣，右側(cè)的圖像顯示了應(yīng)用了一個過濾尺寸為10的chatter edges結(jié)果的圖像。

◆Gradient 梯度銳化，線性ROI使用的

根據(jù)由距離分開的像素，使用線性梯度增強(qiáng)邊緣

output = abs［ （n - separation/2） - （n + separation/2） ］

◆Highpass Highpass5x5 高通濾波

◆Sharpen

在圖像增強(qiáng)過程中，通常利用各類圖像平滑算法消除噪聲。一般來說，圖像的能量主要集中在其低頻部分，噪聲所在的頻段主要在高頻段，同時圖像邊緣信息也主要集中在其高頻部分。這將導(dǎo)致原始圖像在平滑處理之后，圖像邊緣和圖像輪廓模糊的情況出現(xiàn)（平滑可以認(rèn)為是去除噪聲，這樣也就模糊了圖像的邊緣信息）。

為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因?yàn)閳D像受到了平均或積分運(yùn)算，因此可以對其進(jìn)行逆運(yùn)算（如微分運(yùn)算）就可以使圖像變得清晰。

微分運(yùn)算是求信號的變化率，由傅立葉變換的微分性質(zhì)可知，微分運(yùn)算具有較強(qiáng)高頻分量作用。從頻率域來考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l分量被衰減，因此可以用高通濾波器來使圖像清晰。但要注意能夠進(jìn)行銳化處理的圖像必須有較高的性噪比，否則銳化后圖像性噪比反而更低，從而使得噪聲增加的比信號還要多，因此一般是先去除或減輕噪聲后再進(jìn)行銳化處理。