机器视觉（AOI）之图像的预处理​

图像预处理是最低层的操作，输入输出都是亮度图像，需要指出的是，图像的预处理不会增加新的信息量^[5]。主要的图像预处理按照在计算新像素亮度时所使用的像素领域的大小分为四类：第一类：像素亮度变换；第二类：几何变换；第三类：局部预处理方法；第四类：图像复原技术。

图像平滑是指用于突出图像的宽大区域低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法。图像平滑的方法包括^[5]：插值法、线性平滑法、卷积法等。

平滑后的图像需要进行边缘检测^[5]。两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的表现。由于边缘是图像上灰度变化最剧烈的地方，传统的边缘检测即利用这一特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。常用的边缘检测模板有Canny算子、Laplacian算子、Roberts算子、Sobel算子，以及Laplacian of Gaussian（LoG）算子等^[5]。

图像分割^[5]是对图像预处理后的图像数据进行分析之前，最重要的步骤之一，它的主要目标是将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分。通常，可将图像分割分为三类：第一类，是有关图像或图像部分的全局知识，这种知识一般由图像特征的直方图来表达；第二类，是基于边缘的分割；而第三类是基于区域的分割，在边缘检测或区域增长中可以使用多种不同的特征，例如亮度、纹理、速度场等。

郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。​