前言

今天我們一起來使用LabVIEW AI視覺工具包快速實現圖像的濾波與增強；圖像灰度處理；閾值處理與設定；二值化處理；邊緣提取與特征提取等基本操作。工具包的安裝與下載方法可見之前的兩篇博客。

一、圖像濾波與增強

有時候我們想要處理的圖像中噪音太多，影響到我們的識別判斷，我們就需要對圖像進行模糊處理，使圖像變得平滑。而LabVIEW AI視覺工具包提供給我們filter 2d算子可以對圖像進行2D卷積，我們可以使用自定義的卷積核來對圖像進行卷積操作。該算子輸入輸出如下所示：

圖像內核是一個小矩陣，在Photoshop或Gimp中找到的效果都可以實現，例如 模糊，銳化，輪廓或浮雕 。它們還用于機器學習中的“特征提取”，這是一種用于確定圖像最重要部分的技術。在這種情況下，該過程更普遍地稱為“卷積”，調用filter 2d算子配合不同卷積核實現圖像濾波和增強的程序如下：

在前面板選擇不同的卷積核可以實現不同的效果：

不同卷積核效果如下：

1.模糊（blur）

2.索貝爾（sobel），僅顯示特定方向上相鄰像素值的差異，從上往下，從暗處到亮處增強顯示

3.浮雕（emboss），通過強調像素的差在給定方向的Givens深度的錯覺，從左上往右下，從暗處到亮處增強顯示：

4.大綱（outline），一個輪廓內核（也稱為“邊緣”的內核）用于突出顯示的像素值大的差異，輪廓的增強顯示

5.銳化（sharpen），該銳化內核強調在相鄰的像素值的差異。這使圖像看起來更生動

6.拉普拉斯算子（laplacian operator），可以用于邊緣檢測，對于檢測圖像中的模糊也非常有用。

7.分身（identity）就是原圖

二、圖像灰度處理

之前我們說過，LabVIEW默認使用BGR讀取圖像，所以我們將圖片轉化為灰度圖使用 cvtColor算子 ，參數選擇：BGR2GRAY，如下圖所示：

程序結果如下：

我們可以看到程序中使用了calHist用以繪制圖片通道直方圖,并以波形圖顯示出來；calHist函數參數具體如下：

波形圖顯示控件：前面板右鍵-->Graph-->Waveform Graph;

直接讀取原圖顯示程序如下：

程序結果如下：

三、閾值處理與設定

如下程序通過設定閾值，實現將其他顏色全部過濾，只保留紅藍綠三種顏色：

程序結果如下：

threshold算子參數分析：

四、二值化處理

將圖片先轉化為灰度圖，再進行二值化，程序如下：

設置閾值和最大值，二值化之后的程序結果如下：

五、邊緣提取

如下程序為使用findContours實現邊緣提?。?/p>

程序實現效果如下：

六、角點檢測

1.使用cornerMinEigenVal算子

角點檢測程序如下：

程序結果如下：

2.使用cornerHarris算子

角點檢測程序如下：

程序結果如下：

七、源碼下載

鏈接：https://pan.baidu.com/s/1Ua00IwcLGFoFtXAWKDGW_w

提取碼：8888

總結

具體源碼詳細請見下載鏈接。