石鑫华视觉
图像处理中实际上的对比度值前面提到图像处理中理论上的对比度值，理论上的对比度值无论多高，总是能找到图像边缘。但是实际图像过渡区域比较多，这时就需要考虑图像的黑白灰度差了。图1为直尺左边缘对比度，约为87；图2为直尺右边缘对比度，约为32。当然这里不会简单的理解为（边缘-背景）/过度区域，还要使用算子、宽度等...
图像处理中实际上的对比度实际上相机成像所得的图像，要想完全没有过渡区域是比较困难的。以实际经验来看，考虑相机、镜头、光源等硬件限制，一般边缘能做到3个像素的过渡区域是比较理想的。如果硬件环境比较差，过渡区域可能就比较大了。如下图，竖向的边缘过渡区域（约3像素）远小于横向的边缘（约15像素）。实际相...
图像处理中理论上最好的对比度在图像处理理论中，最好的对比度图是没有过渡区域，图像特征直接由白变黑或由黑变白，黑与白都完全均匀一致。在这种条件下，即使黑与白的灰度差不大，也能够非常准确、稳定的寻找到特征。如下图所示的三个图，从左到右对比度依次降低，但是都能非常快速、稳定的找到边缘。理论对比度图&n...
图像处理中理论上的对比度值对比度值的计算是通过公式ΔV/ΔP得到的。下面的图像为理论图的对比度值。图1对比度为255，其中黑色为0，白色为255，只有一个像素的变化，因此对比度=（255-0）/1=255；图2的的对比度为127，黑的为128，白为255，对比度= （255-128）/1=127；图3的对比度为63，黑为192，白为255，对比度=（ 255-1...
图像处理中多种算法之间的取舍在机器视觉图像处理中，有一些特征，我们可以使用不同的方法进行检查。如一个符号，可以使用字符识别的方法（OCR），也可以使用模式匹配，也可以使用几何匹配、形状检查等方法。这时使用的处理方法一般遵循以下原则：高效算法优先：先取耗时少的算法，如OCR会比匹配要高效。稳定准确算法...
图像处理中的膨胀与腐蚀在进行边缘测量、尺寸测量、粒子分析时，有时为了突出特征，或者是消除噪声、杂点对特征的干扰，可以使用一些形态学的方法，如膨胀、腐蚀、开、闭操作等。膨胀功能可以将直边上的小凹坑填平，腐蚀功能则可以将直边上的毛刺滤除。因此图像处理中，如果可以使用二值化图像，则可以考虑使用膨胀、腐蚀等...
图像处理中的滤波滤波在图像处理中，经常用于预处理过程。通过滤波，可以使图像特征更突出，测量更稳定。对于找边、尺寸测量等，可以考虑使用中值、高斯滤波函数，对图像进行必要的处理，这样可以减少噪声、杂点对图像边缘的干扰，使测量更稳定准确。而对于污渍、灰尘等检查，因为需要使用粒子分析等函数，则不适合使用滤波...
图像处理中的二值化二值化后，图像变成简单的0/1图像。均匀性会得到较大的提高。但是二值化后会丢失许多信息，因此其实际测量时，如果没有必要，可以不用二值化。从实际应用经验来看，二值化后的图像用于测量尺寸时，在进行重复性测量时，测量值不太容易变化，但是一旦变化，则会以一个像素进行变化。而灰度图像的，比较容易...