手把手教你使用LabVIEW人工智能视觉工具包快速实现传统Opencv算子的调用(含源码)...

文章目录

前言

今天我们一起来使用LabVIEW AI视觉工具包快速实现图像的滤波与增强；图像灰度处理；阈值处理与设定；二值化处理；边缘提取与特征提取等基本操作。工具包的安装与下载方法可见 之前的两篇博客。

一、图像滤波与增强

有时候我们想要处理的图像中噪音太多，影响到我们的识别判断，我们就需要对图像进行模糊处理，使图像变得平滑。而LabVIEW AI视觉工具包提供给我们filter 2d算子可以对图像进行2D卷积，我们可以使用自定义的卷积核来对图像进行卷积操作。该算子输入输出如下所示：

图像内核是一个小矩阵，在Photoshop或Gimp中找到的效果都可以实现，例如模糊，锐化，轮廓或浮雕。它们还用于机器学习中的“特征提取”，这是一种用于确定图像最重要部分的技术。在这种情况下，该过程更普遍地称为“卷积”，调用filter 2d算子配合不同卷积核实现图像滤波和增强的程序如下：

在前面板选择不同的卷积核可以实现不同的效果：

不同卷积核效果如下：
1.模糊（blur）

2.索贝尔（sobel），仅显示特定方向上相邻像素值的差异，从上往下，从暗处到亮处增强显示

3.浮雕（emboss），通过强调像素的差在给定方向的Givens深度的错觉，从左上往右下，从暗处到亮处增强显示：

4.大纲（outline），一个轮廓内核（也称为“边缘”的内核）用于突出显示的像素值大的差异，轮廓的增强显示

5.锐化（sharpen），该锐化内核强调在相邻的像素值的差异。这使图像看起来更生动

6.拉普拉斯算子（laplacian operator），可以用于边缘检测，对于检测图像中的模糊也非常有用。

7.分身（identity）就是原图

二、图像灰度处理

之前我们说过，LabVIEW默认使用BGR读取图像，所以我们将图片转化为灰度图使用cvtColor算子，参数选择：BGR2GRAY，如下图所示：

程序结果如下：

我们可以看到程序中使用了calHist用以绘制图片通道直方图,并以波形图显示出来；calHist函数参数具体如下：

波形图显示控件：前面板右键–>Graph–>Waveform Graph;

直接读取原图显示程序如下：

程序结果如下：

三、阈值处理与设定

如下程序通过设定阈值，实现将其他颜色全部过滤，只保留红蓝绿三种颜色：

程序结果如下：

threshold算子参数分析：

四、二值化处理

将图片先转化为灰度图，再进行二值化，程序如下：

设置阈值和最大值，二值化之后的程序结果如下：

五、边缘提取

如下程序为使用findContours实现边缘提取：

程序实现效果如下：

六、角点检测

1.使用cornerMinEigenVal算子

角点检测程序如下：

程序结果如下：

2.使用cornerHarris算子

角点检测程序如下：

程序结果如下：

七、源码下载

链接：链接： https://pan.baidu.com/s/11jYlMLPNsq8sPgUtkMV29Q?pwd=yiku

总结

具体源码详细请见下载链接。
更多关于LabVIEW与人工智能技术，可添加技术交流群进一步探讨。
qq群号：705637299，请备注暗号：LabVIEW 机器学习

原创作者: u_12812297 转载于: https://blog.51cto.com/u_12812297/6098637