VisionPro 工业图像预处理实战：中值滤波、采样卷积与图像叠加全流程应用

摘要：工业现场相机成像普遍存在传感器固定死像素、随机灰尘黑点、画面冗余像素量大等问题，直接开展 Blob 缺陷检测极易产生误检、漏检。本文依托康耐视 VisionPro 视觉平台，围绕3×3 中值滤波、采样卷积、CogIPTwoImageAdd 双图像素叠加三大预处理核心工具，搭建标准化预处理流水线，从随机噪点消除、图像降采样提速、固定坏像素修补三个维度优化图像质量。经工件瑕疵检测实测，预处理后 Blob 误检率由 23.7% 降至 1.9%，图像处理耗时缩短 42%，可广泛应用于五金、电子零部件在线缺陷检测场景。 关键词：VisionPro；中值滤波；采样卷积；图像相加；预处理；Blob 缺陷检测

0 引言

智能制造生产线中，工业 CCD 相机受感光芯片工艺、现场粉尘、电路干扰影响，采集原图包含两类典型缺陷：其一为随机脉冲噪点（单点小黑尘、瞬时坏像素），零散分布无固定位置；其二为芯片固有固定死像素，坐标永久不变。未做预处理直接二值化 Blob，噪点会被识别为伪缺陷，大幅降低设备稳定性。VisionPro 内置丰富图像处理算子，无需底层算法开发，通过 CogFilterImageTool、CogImageScaleTool、CogIPTwoImageAddTool 组合即可完成全链路图像优化。本文结合一线项目落地经验，拆解预处理逻辑、工具原理与工程落地流程。

1 核心预处理算法原理

1.1 3×3 中值滤波原理（CogFilterImageTool-Median3×3）

中值滤波属于非线性卷积滤波，以单个像素为中心划定 3×3 共 9 像素窗口，将窗口内灰度数值升序排序，取第 5 位中位数替换中心像素灰度值。 例：中心为故障黑点灰度 = 0，邻域像素120、122、119、118、121、123、120、117，序列：0,117,118,119,120,120,121,122,123，中位数 120 覆盖中心黑点，单点噪点直接消除。 对比均值滤波：均值为 9 像素求和取平均，容易造成工件边缘模糊；中值剔除极值噪点，最大程度保留产品轮廓，是工业去椒盐噪点首选方案。 VisionPro 配置：工具CogFilterImageTool，FilterType=CogFilterConstants.Median3x3。

1.2 采样卷积原理

采样卷积 =先卷积滤波→后图像下采样，是工业提速标准工艺，禁止颠倒顺序： 1）先卷积：3×3 中值完成全图噪点清扫，消除零散黑点； 2）后采样：借助CogImageScaleTool等比例缩小图像（常用 1/2 降采样），减少整体像素数量。 若直接先缩图再滤波，微小黑点会被压缩粘连形成连片伪瑕疵，增大后续 Blob 误判概率；先清噪再缩图，兼顾画质与运算速度，有效降低 CPU 负载。

1.3 CogIPTwoImageAddTool 双图相加修补固定坏点

CogIPTwoImageAddTool实现两张灰度图逐像素灰度相加，8bit 图像灰度上限 255，灰度溢出自动钳位 255。工程用法：离线采集空白背景坏点模板图（仅保留所有固定死像素位置），原图 + 坏点补偿模板，定点填充固定暗像素灰度，弥补中值无法处理固定坐标死像素的短板，配合 CogIPOne 单点映射实现全图坏点修复。

• InputImage1：经过中值 + 采样后的处理原图
• InputImage2：预存坏点补偿模板图

2 标准化预处理流水线设计

完整链路：原始采集图像→3×3 中值滤波（去随机黑点）→采样降采样（压缩像素、提速）→CogIPOne 定点微调→CogIPTwoImageAdd 双图相加（修复固定死像素）→Blob 缺陷分割

2.1 分步功能说明

2.2 C# 对接 VisionPro 核心代码

//1、3*3中值滤波
CogFilterImageTool median3 = new CogFilterImageTool();
median3.FilterType = CogFilterConstants.Median3x3;
median3.InputImage = srcImg;
median3.Run();
CogImage8Grey medImg = median3.OutputImage as CogImage8Grey;

//2、图像降采样（1/2缩放）
CogImageScaleTool scale = new CogImageScaleTool();
scale.InputImage = medImg;
scale.ScaleX = 0.5; scale.ScaleY = 0.5;
scale.Run();
CogImage8Grey scaleImg = scale.OutputImage as CogImage8Grey;

//3、双图相加修补坏点
CogIPTwoImageAddTool imgAdd = new CogIPTwoImageAddTool();
imgAdd.InputImage1 = scaleImg;
imgAdd.InputImage2 = badPixelTemplate;//预存坏点模板
imgAdd.Run();
CogImage8Grey finalImg = imgAdd.OutputImage as CogImage8Grey;

3 项目实测结果与数据分析

选取 200 张含随机黑点 + 固定坏像素的工件实拍图，分无预处理、仅中值滤波、完整四步预处理三组测试：

表格

数据表明：全套预处理方案既消除噪点误判，又通过采样压缩缩短运算时间，完全满足流水线 20 件 /s 在线检测节拍需求。

4 应用拓展与选型建议

5 结语

基于 VisionPro 的中值 + 采样卷积 + 双图相加预处理方案，用成熟封装工具替代复杂自研滤波算法，兼顾开发效率与检测稳定性，完美解决工业成像两类噪点难题。整套流程通用性强，可快速移植于尺寸测量、字符识别、外观缺陷检测各类视觉项目，是低成本优化视觉系统鲁棒性的最优路径。