图像增强模块在检测中的应用实例收藏

   OPT小讲堂之SciSmart智能视觉软件系列培训课程已推出七个课时这个系列自推出以来，受到很多机器视觉专家、从业者的青睐本次推出的案例从图像增强模块入手，以实际应用验证SciSmart智能视觉软件的稳定与易用。

图像增强的应用场景举例● 成像背景复杂、产品表面干扰大● 成像不稳定，感兴趣区域不明显，误判、漏判风险高● 图像数据量大，处理效率低● 产品规格过大，无法用相机一次完成整个产品拍摄图像增强应用的效果    当成像效果无法满足我们的检测要求时，可以通过图像增强模块中算子的应用，对图像进行二次处理，将图像的特征更直观地呈现出来，提高检测质量，如以下三组图所示：

预处理算子应用：对图像进行手动二值化、开运算和膨胀综合处理，如图1；形态学算子应用：对图像进行闭运算处理，如图2；亮度调整算子应用：对图像进行亮度、对比度、伽马值调整，如图3。

图1 预处理算子应用效果示意图

图2 形态学算子应用效果示意图

图3 亮度调整算子应用效果示意图下面通过图像增强的一个应用实例来演示效果。(1)检测需求分析石墨片的通孔是否有冲压不良。

图4 石墨片通孔指示图(2)两种实现方式对比方式一：直接对原图进行分析● 成像中含有多个产品，不方便对单个产品图像进行分析处理● 产品图像表面干扰点多，不利于筛选目标方式二：先对图像进行二值化、图像操作等综合性处理后，再进行分析

● 提取单个产品图像，便于分析处理● 产品图像表面无干扰点，利于筛选目标，更直观且稳定

图5 原图(左)与综合性处理后的效果图(右）    通过以上两个实现方式的对比可以看出，对图像进行综合性处理后再进行处理和分析，能够更加直观提取目标特征，有效降低误检率同时处理后的图像数据量减小，提高了检测效率。

那么接下来，我们一起来看看方式二是如何实现的：(3)方式二的实现步骤a、屏蔽视野中不完整的产品，提出单个完整的产品通过二值化将原图转换为一张背景为黑色的黑白图像，接着进行闭运算处理将二值化后还保留的细小不良通孔及产品表面的干扰屏蔽处理，最后通过Blob筛选设定合理筛选条件(如：面积大小)提取出完整的产品，并屏蔽不完整的产品。

这样处理便于后面能够更加快速、稳定、准确地对通孔进行检测与分析具体的处理流程如下：

图6 提取单个产品处理流程b、通孔提取、结果分析：● 通孔提取：在上一步的基础上通过Blob分析工具设定合理的参数，提取出通孔位置及个数● 结果分析：当前产品识别得到的通孔个数与标准产品通孔个数进行对比，从而判断当前产品是否合格

以上的操作步骤如下流程图所示：

图7 通孔提取、分析流程图c、结果显示

图8 不良品运行效果图(图片可放大看细节)

图9 良品运行效果图(图片可放大看细节)    通过以上实例可以看出，在机器视觉图像分析领域，图像增强可以说是既基础又至关重要在SciSmart智能视觉软件图像增强模块下，除了“OPT小讲堂”此前推过的滤波、形态学、二值化，还有缩放、图像拼接、图像操作、通道提取、直方图均衡化、光度立体技术等功能。

无论任何行业，运用图像增强模块下的各种功能，都可以对图像质量进行优化处理，满足我们对图像分析的需求

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。