Labview图像处理-2处理方法

彩色数据的存储

Labview将彩色数据以U32类型数组存储，有两种方式：RGB（红绿蓝）和HSL（色彩亮度饱和度）。

将彩色图转换为HSL格式，然后提取亮度平面。亮度平面与灰度图像是完全对应的。并且，它是能够提供灰度图像准确表达的唯一颜色平面。

HSL—Hue SaturationLuminance

RGB—Red Green Blue

存储方式如下：

备用	Red	Green	Blue
备用	Hue	Saturation	Luminance
8bit	8bit	8bit	8bit

灰度图

大多数图像处理算法都是以灰度图为基础。因此，如何得到灰度图很重要，也是首要步骤。

将一幅图转换为灰度图，就是每个像素点由原来的32位的表示方法压缩到8位表示（可能有16位、24位、32位）的算法有多种，由原来的RGB三色的分量，映射到0~255的灰度值，其方法有多种：

Gray=R*0.3+G*0.59+B*0.11

Gray=（R+G+B）/3

……

归根到底是将彩色对应到灰度值上。

在Labview的Vision开发包内，使用这个工具包的函数中需注意一点，即每个图片打开显示之前，都要给其分配一个内存区域，使用的函数为IMAQ Creat，在分配的时候，一个参数Image type需要指定。常规的使用方法是获取文件的类型后，将类型值赋给这个参数，如下图所示，即可读取到一个图片到前面板：

图1 常规读取

图2 常规读取结果

当我们需要灰度图时，很简单，只需将Image type的参数设定为GrayScale(U8)即可。

补充一些概念：

每个像素的颜色用16位二进制数表示，叫做16位图；

每个像素存放在1个Byte中，0~255分别表示不同的灰度，0表示最暗，255最亮，叫做8位图。

灰度图的处理方法（图像点运算）

1.      灰度直方图

统计各像素的灰度值，然后在图中显示出各个灰度值的点数，横坐标为灰度值0~255，纵坐标为个灰度值对应的像素点数，一般用占的百分比表示。

这个算法在Labview的Vision的工具包中是IMAQ Histograph，其中参数 Image mask不输入的时候，表示的整个图。需要某个区域时，可选择IMAQ ROIToMask这个VI。灰度直方图可方便观察每个级别的灰度值有多少个像素点。

2.      线性变换

将灰度值统一的进行放大和缩小。即对每个点进行线性运算。在labview程序中，使用IMAQ ImageToArray获取灰度图的每个像素的灰度值，是一个2D数组，然后对数组进行运算，得到一组新的灰度值。设定Xi是原灰度图第i个点的灰度值，Yi是线性变换过得灰度值，有以下公式

Yi=Xi*k+b

然后将2D灰度值数组还原成图像，使用IMAQ ArrayToImage。输入参数中，根据原图的实际情况，选择是Image Pxies（U8）还是其他参数。

程序框图略。函数参见上文中提到的。

3.      灰度拉伸

灰度拉伸类似于线性变换，区别是映射关系是一个分段函数，类似于下图所示:

图3 灰度拉伸

对分段函数分别求出k和b，进行计算即可。算法程序框图可参见如下：

图4 算法

“拉伸设置”是一个XY图，计算三个段的k、b后，集散新的灰度值，还原图像。处理结果如如下：

图5 灰度拉伸结果

可以概括为，让浅色更浅，深色更深。

4.      灰度均衡

灰度均衡，顾名思义，就是让灰度尽量的分布均匀些，从直方图上直观的看，就是让灰度分布曲线平缓一些。算法如下：

Y=255*（n₀+n₁+n₂+……+n_i）/n，i∈[0，X]；其中，X为待转换的像素值，n为总像素数，n_i为灰度为i的像素个数。程序框图如下：

图6 均衡算法

5.      二值化

二值化是以某一个灰度值为阈值，小于阈值为0，大于阈值为255，由此设定，可将图像进行分割。

图7 二值化结果

二值化后，即可明显的分割图像。

未完待续。。。。。