Halcon图像预处理报告

Halcon图像预处理学习报告

一、概述

图像预处理是机器视觉系统中的关键环节，其目的是改善图像质量，突出感兴趣的特征，为后续的图像分析和识别奠定基础。Halcon作为业界领先的机器视觉软件库，提供了丰富的图像预处理算子。本报告将重点介绍图像滤波和图像增强两大核心模块，包括各算子的功能、用途及代码示例。

二、图像滤波

图像滤波是图像预处理的基础操作，主要用于去除图像中的噪声、平滑图像或提取特定频率成分。根据滤波原理的不同，可分为线性滤波和非线性滤波两大类。

2.1 均值滤波 (Mean Filter)

功能说明：均值滤波是一种线性平滑滤波器，通过计算邻域内像素的平均值来替代中心像素值，可有效去除高斯噪声。

主要算子：

• mean_image：基本均值滤波，使用矩形窗口
• gauss_image：高斯滤波，使用高斯加权窗口，边缘保留效果更好

代码示例：

* 读取图像

read_image (Image, 'fabrik')

* 均值滤波 – 使用5×5的矩形窗口

mean_image (Image, ImageMean, 5, 5)

* 高斯滤波 – 使用5×5的高斯核

gauss_image (Image, ImageGauss, 5, 5)

* 显示结果

dev_display (ImageMean)

2.2 中值滤波 (Median Filter)

功能说明：中值滤波是一种非线性滤波器，用邻域像素的中值替代中心像素值。对椒盐噪声（脉冲噪声）有很好的去除效果，同时能较好地保持边缘信息。

主要算子：

• median_image：基本中值滤波
• median_separate：可分离中值滤波，计算效率更高

代码示例：

* 读取带椒盐噪声的图像

read_image (ImageNoise, 'mreut')

* 中值滤波 – 使用圆形掩码，半径为3

median_image (ImageNoise, ImageMedian, 'circle', 3, 'mirrored')

* 可分离中值滤波 – 分别对行和列进行中值滤波

median_separate (ImageNoise, ImageMedianSep, 5, 5, 'mirrored')

* 对比显示

dev_display (ImageMedian)

2.3 高斯滤波 (Gaussian Filter)

功能说明：高斯滤波使用高斯函数作为权重进行加权平均，相比普通均值滤波，高斯滤波在平滑图像的同时能更好地保留边缘信息，是图像处理中最常用的滤波器之一。

主要算子：

• gauss_image：标准高斯滤波
• derivate_gauss：高斯导数滤波，用于边缘检测

代码示例：

* 读取图像

read_image (Image, 'fabrik')

* 高斯平滑滤波

gauss_image (Image, ImageGauss, 7, 7)

* 高斯导数滤波 – 用于计算图像梯度

derivate_gauss (Image, DerivGauss, 'x', 1.5)

* 使用高斯导数进行边缘检测

derivate_gauss (Image, EdgeAmplitude, 'gradient', 1.5)

2.4 双边滤波 (Bilateral Filter)

功能说明：双边滤波是一种边缘保持的平滑滤波器，它同时考虑空间距离和像素值相似度两个因素，在去除噪声的同时能有效保持边缘细节。

主要算子：

• bilateral_filter：双边滤波，边缘保持平滑

代码示例：

* 读取图像

read_image (Image, 'mreut')

* 双边滤波 – 空间Sigma=3，灰度Sigma=20

bilateral_filter (Image, ImageBilateral, 3, 20, 'sampling_ratio', 0.5)

* 双边滤波常用于人像美化、细节增强等场景

dev_display (ImageBilateral)

2.5 滤波方法对比

三、图像增强

图像增强的目的是改善图像的视觉效果，突出图像中的有用信息，便于人眼观察或机器分析。主要包括灰度变换、直方图处理、锐化增强等方法。

3.1 灰度变换 (Gray Transformation)

功能说明：灰度变换通过改变图像的灰度值分布来增强图像对比度，包括线性变换、对数变换、幂律变换（伽马变换）等。

主要算子：

• scale_image_max：将图像灰度缩放到最大范围（0-255）
• emphasize：增强图像对比度
• illuminate：增强图像亮度

代码示例：

* 读取图像

read_image (Image, 'mreut')

* 灰度拉伸 – 将灰度范围扩展到0-255

scale_image_max (Image, ImageScaled)

* 增强对比度 – Mask尺寸7×7，系数1.0

emphasize (Image, ImageEmphasize, 7, 7, 1.0)

* 增强亮度 – Mask尺寸41×41，系数0.7

illuminate (Image, ImageIlluminate, 41, 41, 0.7)

3.2 直方图处理 (Histogram Processing)

功能说明：直方图处理通过调整图像的灰度直方图来改善图像对比度。直方图均衡化是最常用的方法，可使图像灰度分布更加均匀。

主要算子：

• equ_histo_image：直方图均衡化
• gray_histo：计算灰度直方图
• histo_to_thresh：根据直方图确定阈值

代码示例：

* 读取图像

read_image (Image, 'fabrik')

* 直方图均衡化

equ_histo_image (Image, ImageEquHisto)

* 计算并显示灰度直方图

gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)

* 根据直方图自动确定阈值

histo_to_thresh (AbsoluteHisto, 2, MinThresh, MaxThresh)

3.3 锐化增强 (Sharpening Enhancement)

功能说明：图像锐化通过增强图像边缘和细节来提高图像清晰度。常用的方法包括拉普拉斯算子、高通滤波、反锐化掩模等。

主要算子：

• laplace：拉普拉斯边缘增强
• highpass_image：高通滤波锐化
• shock_filter：冲击滤波，增强边缘

代码示例：

* 读取图像

read_image (Image, 'fabrik')

* 拉普拉斯锐化 – 使用绝对值

laplace (Image, ImageLaplace, 'absolute', 3, 'n_8_isotropic')

* 高通滤波锐化 – 增强高频成分

highpass_image (Image, ImageHighpass, 9, 9)

* 冲击滤波 – 迭代次数5，Theta值0.5

shock_filter (Image, ImageShock, 0.5, 5, 'canny', 0.5)

3.4 频域增强 (Frequency Domain Enhancement)

功能说明：频域增强通过在频率域对图像进行处理来实现增强效果。常用的方法包括傅里叶变换、小波变换等，可用于去除周期性噪声、增强特定频率成分。

主要算子：

• fft_image：快速傅里叶变换
• fft_image_inv：快速傅里叶逆变换
• convol_fft：频域卷积

代码示例：

* 读取图像

read_image (Image, 'fabrik')

* 进行傅里叶变换

fft_image (Image, ImageFFT, 'to_freq')

* 创建高通滤波器

gen_highpass (Highpass, 30, 30, 'n', 'dc_edge', 512, 512)

* 频域滤波

convol_fft (ImageFFT, Highpass, ImageConvol)

* 傅里叶逆变换

fft_image_inv (ImageConvol, ImageFiltered, 'from_freq')

3.5 增强方法对比

四、总结

图像预处理是机器视觉系统的重要组成部分，Halcon提供了丰富的图像滤波和图像增强算子。在实际应用中，需要根据具体问题选择合适的预处理方法：

• 对于高斯噪声，推荐使用高斯滤波或均值滤波
• 对于椒盐噪声，中值滤波效果最佳
• 需要保留边缘时，优先选择双边滤波
• 对比度增强可采用直方图均衡化或灰度变换
• 图像锐化可使用拉普拉斯算子或高通滤波

在实际项目中，通常需要组合使用多种预处理方法，并根据具体效果调整参数，以达到最佳的图像处理效果。