石鑫华视觉
图像处理中常用参数用法
图像处理中，无论是什么处理平台、或图像处理库，有些参数是共同的。大部分的算法中，都会有一个kernel Size内核尺寸的参数，即使用多大尺寸的内核去计算需要的特征。使用内核尺寸，可以综合考虑某个像素点领域中的其它像素值，从而能够更准确的判断出特征。内核尺寸越大，得到的特征越准确，能有效的过滤掉噪点干扰，但是计算量也越大。
NI Vision 查找直边参数
Minimum Edge Strength最小边缘强度，就是以前讲到的边缘对比度。能够设置的值越大，对于查找特征越准确、越稳定。但是值设置过大，如果实际对比度没有这么大，这时可能会找不到边缘。较小值时，通常都能够找到边缘，但是较小的对比度，会造成查找不准确、不稳定。以经验来看，NI的视觉软件最小边缘强度（梯度）需要设置在10以上才能有较好的稳定性。
Gap间距，通常在找直边、找圆、卡尺测量、轮廓等函数中，都会涉及到间距这个参数。间距越小，查找特征的搜索线就越多，用于拟合特征的数据也就越多，这样对于特征的准确性也就越好。但是同样也面临计算量的问题，即间距小，数据多，计算量大。
NI Vision 模式匹配参数
Minimum Score最小分数、相似度，在模式匹配、几何匹配、形状检测、字符识别、分类等函数中，都有此参数或与此参数相近的参数，在NI视觉中，称其为最小分数，在其它一些软件中，称其为相似度。即与模板的相似程度。如果完全一样，即100%相似（NI中定义为满分1000分）。在实际应用中，需要根据要求进行设置，较高的值，可以获得更准确的特征，但是比较容易找不到特征。较小的值，比较容易找到特征，但是可能找不准。经验来看，设置在700分或70%以上，比较理想，600分是可以接受的下限。
旋转角度，在模式匹配、几何匹配、形状检测、字符识别等函数中，都会有一些类似角度的参数。其作用是用于检测指定角度范围内的旋转或倾斜的特征。角度范围越大，能查找特征的方向也就越多，同时计算量可能会越大。