砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(五)——Grayscale(灰度图) 功能

一、界面展示

在这里插入图片描述
在这里插入图片描述
灰度功能包含了Lookup Table查找表、Filters 滤波器、Gray Morphology灰度形态学、Gray Morphological Reconstruction灰度形态重建、FFT Filter 傅里叶滤波器、Threshold 阈值、Watershed Segmentation 分水岭分割、Operators运算、Conversion转换类型、Quantify 定量分析、Centroid质心、Detect Texture Defects纹理缺陷检测等函数
在这里插入图片描述
在这里插入图片描述

二、功能介绍

2.1 Lookup Table 查找表

在这里插入图片描述
对一幅图像应用查找表以改善对比度与亮度。
在查找表列表框中,有以下功能可用:

Image Source-   原始图像。
Equalize-       均衡图像,增强动态强度由指定的灰度级间隔在整个灰度级.上分配。此函数再分配像素值以便提供--个线性的累积直方图。
Reverse-        反转图像,反转像素值,显示原始图像的底片。
Logari thmic-   对图像应用对数变换,以增强暗区的亮度与对比度。
Exponential-    对图像应用指数变换,以减弱亮区亮度,提高亮区对比度。
Square-         平方,减少暗区对比度。类似于指数但是有更平缓的效果。
Square Root-    平方根,减少亮区 的对比度。类似于对数但是有更平缓的效果。
PowerX--X       次方,减少暗区对比度。
Power 1/X一X    次根,减少亮区对比度。
Power Value: 幂运算的指数,默认值为1.5。

在这里插入图片描述

2.2 Filters 滤波器

对图像进行增强效果,以便后续的处理。

可用的滤波器类型很多
0riginal Image 为原始图像; 
Smoothing 为平滑型滤波器,包括Low Pass低通、Local Average局部平均、Gaussian高斯、Median 中值; 
Edge Detection为边缘检测型滤波器,包含了Laplacian拉普拉斯、Differentiation微分、Prewitt、 Sobel、 Roberts滤波器; 
Convolution 为卷积型滤波器,包含HighlightDetails高亮细节、Custom 自定义滤波器。
滤波器会有滤波器尺寸(Filter Size)、内核尺寸(Kernel Size)、内核(Kernel,又可以叫掩模、算子、模板等)三个可能出现的参数,视各滤波器不同,而不同。

当然具体的还得大家去找相关资料,这是只是介绍,不做深入讲解各个滤波器的实现效果和实现原理
可以看看我之前写的文章:
数字图像处理——图像变换(二维离散傅里叶正逆变换fft2/fft2、离散余弦正逆变换dct2/idct2、频谱正逆平移fftshift/ifftshift、幅度谱与相位谱)| 例题与分析

在这里插入图片描述

2.3 Gray Morphology 灰度形态学

对灰度图进行形态学操作
推荐参考文章:形态学之灰度形态学

Image Source:         原始图像
Dilate:               灰度级膨胀操作。膨胀增强了每个像素的亮度当这些像素的周围有更高的亮度时。
Erode                 灰度级腐蚀操作。腐蚀减弱了每个像素的亮度当这些像素的周围有更低的亮度时。
Close:                闭操作。灰度级先腐蚀再膨胀。闭操作去除了亮区域中孤立的暗点并且平滑了边界。
Open:                 开操作。灰度级先膨胀再腐蚀。开操作去除了暗区域中孤立的亮点并且平滑了边界。
Proper Close:         适当的闭操作。有限双重结合闭操作和开操作。适当的闭操作去除亮区域中孤立的暗点并且平滑暗区域边界。
Proper Open:          适当的开操作。有限双重联合开操作和闭操作。适当的开操作去除暗区域中孤立的亮点并且平滑亮区域边界。
Auto Median:          自动中值。双重结合开和闭操作。自动中值生成简单的拥有较少细节的目标
Structuring Element:  结构化元素(又可叫掩模等)。二维数组当作二值化屏蔽来定义像素的领域。可以通过点击元素来修改结构化元素元素为黑,它的值为1,为白,值为0。当值是1时对应的像素被当作领域,它的值在形态学操作时被将被使用。
Size:                 结构元素的尺寸,可用的值有3x3、5x5和7x7。,数值越大,效果越明显。
# of Iterations:      迭代次数。仅对膨胀、腐蚀两个函数有效。

例如,选择Erode腐蚀,Size 选择5X5,# of Iterations为1的效果
在这里插入图片描述
灰度级的膨胀就是,将白色区域边界也会变白,白色区域会变大,图像的整体会变亮
灰度级的腐蚀就是,将白色区域边界变黑,黑色区域会变大,图像整体会变暗

2.4 Gray Morphological Reconstruction 灰度形态重建(待)

这一功能好像没有在参考资料上找到相关的文章,我尽量把我的探索的理解记录下来,嫌写烂的,别骂,我也能力有限哈
在这里插入图片描述
需要提前有一个图像缓存
emmm,下面就不会了,我问问老师吧

2.5 FFT Filter 傅里叶滤波器

使用这个函数来删除高或低频率FFT平面。去除高频噪声平滑、细节、质感和尖锐的边缘。消除低频率降低总体模式,如光强度的变化,并强调细节。
在这里插入图片描述
在这里插入图片描述

2.6 Threshold 阈值

二值化图像(字面意思阈值图像),这里是对灰度图像进行二值化处理,彩色图像不能使用该功能。处理后图像中只有黑白两色,而不是灰度图或彩色图。
二值化图像提供多种方法,主要分手动二值化和自动二值化,自动二值化又分为局部二值化和全局二值化,每一-种方法效果分割图像效果不一样。

在这里插入图片描述

Look For选择要目标是Bright Object白色物体还是Dark Object黑色物体、Gray Object灰色物体,其中Gray Object灰色物体只有在Manual Threshold手动二值化时可用,这时候Threshold Range阈值有上下限选择

在这里插入图片描述
当然,二值化方法很多

手动阈值
自动阈值:聚类
自动阈值:熵
自动阈值:度量
自动阈值:时刻
自动阈值:方差间
----------------------------------
局部阈值:Niblack
局部阈值:BG校正
局部阈值:Sauvola
局部阈值:改良Sauvola

根据自己的需要、图像的特点和对应方法的适用性进行选择啦~~~

2.7 Watershed Segmentation 分水岭分割

分水岭分割在图像二值化后使用,将没有相连的物体分割处理,得到不相连物体的个数。

在这里插入图片描述
Number of Zones:区域数。
Connectivity 4/8:四连通/八连通。
Display:标记为二进制输出。
Image Source with Separation Overlay: 原始图像覆盖分割。.
在这里插入图片描述

2.8 Operators 运算

Operators运算跟Color里面的运算是差不多的,灰度图的运算是跟常数、灰度图像进行运算。
图像可以与一个常量或者灰度图像进行加、减、乘、除、模数、绝对偏差、与、或、与非、或非等操作。
在这里插入图片描述

2.9 Conversion 转换类型

将灰度图由X位深度转换成Y位深度图。如将8位灰度图转换成16位深度图。将16位图转换成8位或浮点型等。可用选择的类型有8位、16位、浮点。
在这里插入图片描述
在图中,可以看到由位深度小的图像转换成位深度大的图像时,Method 方法里面选项是不可用的。只有当转换从位深度大的向位深度向小的转换时,Method 方法里面选项才可以设置。
在这里插入图片描述

在图中,我们可以看到如下一些信息: .
From:            图像源的位深度
To:              需要转换成图像的位深度
Method:          转换方法(仅当大位深度向小位深度转换时有效。)
AdjustDynamic:   动态调整。动态调整图像以便当前的最大最小值能适应新图像的最大最小值。所有像素的强度在它们的范围内是线性分布的。
Shift#:          移位数。对高位图像进行移位变成低位图像。如一个12位的图像中一点为11111110000,转换成8位的图,
                 如果8位截取12位中的最高有效位,则为1111111,截取最低有效位则为1110000。选择移位多少,对于得到的图像效果影响较大。
Cast:            丢弃。丢弃太大和太小的值以便其能表示新图的最大最小值。

2.10 Quantify 定量分析

使用这个函数来量化图像或图像区域的内容。
例如,首先用ROI工具画一一个区域
在这里插入图片描述
结果包含区域面积占整幅图像的比例,平均灰度值,标准方差,最小灰度值,最大灰度.值等信息

在这里插入图片描述

2.11 Centroid 质心

使用这个函数来计算图像或者区域的质心。
例如,首先用ROI工具画一个区域
在这里插入图片描述
在这里插入图片描述

2.12 Detect Texture Defects 纹理缺陷检测(纹理分类样本)(待)

使用该函数前首先要创建纹理分类,训练纹理分类,然后测试。

翻了半天文件夹,找到一张有纹理缺陷的

在这里插入图片描述
在这里插入图片描述
又看不懂了,害,问老师啦
更多细节参考文档NI Texture Training Interface Help。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

周末不下雨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值