前言今天我們一起來使用LabVIEW AI視覺工具包快速實現圖像的濾波與增強；圖像灰度處理；閾值處理與設定；二值化處理；邊緣提取與特征提取等基本操作 。工具包的安裝與下載方法可見之前的博客 。
一、圖像濾波與增強有時候我們想要處理的圖像中噪音太多，影響到我們的識別判斷，我們就需要對圖像進行模糊處理，使圖像變得平滑 。而LabVIEW AI視覺工具包提供給我們filter 2d算子可以對圖像進行2D卷積，我們可以使用自定義的卷積核來對圖像進行卷積操作 。該算子輸入輸出如下所示：
文章插圖
圖像內核是一個小矩陣，在Photoshop或Gimp中找到的效果都可以實現，例如模糊 ， 銳化，輪廓或浮雕 。它們還用于機器學習中的“特征提取”，這是一種用于確定圖像最重要部分的技術 。在這種情況下，該過程更普遍地稱為“卷積”，調用filter 2d算子配合不同卷積核實現圖像濾波和增強的程序如下：
文章插圖
在前面板選擇不同的卷積核可以實現不同的效果：
文章插圖
不同卷積核效果如下：
1.模糊（blur）
文章插圖
2.索貝爾（sobel），僅顯示特定方向上相鄰像素值的差異，從上往下，從暗處到亮處增強顯示
文章插圖
3.浮雕（emboss），通過強調像素的差在給定方向的Givens深度的錯覺，從左上往右下，從暗處到亮處增強顯示：
文章插圖
4.大綱（outline），一個輪廓內核（也稱為“邊緣”的內核）用于突出顯示的像素值大的差異，輪廓的增強顯示
文章插圖
5.銳化（sharpen），該銳化內核強調在相鄰的像素值的差異 。這使圖像看起來更生動
文章插圖
6.拉普拉斯算子（laplacian operator），可以用于邊緣檢測，對于檢測圖像中的模糊也非常有用 。
文章插圖
7.分身（identity）就是原圖
文章插圖
二、圖像灰度處理之前我們說過，LabVIEW默認使用BGR讀取圖像，所以我們將圖片轉化為灰度圖使用cvtColor算子 ， 參數選擇：BGR2GRAY，如下圖所示：
文章插圖
程序結果如下：
文章插圖
我們可以看到程序中使用了calHist用以繪制圖片通道直方圖,并以波形圖顯示出來；calHist函數參數具體如下：
文章插圖
波形圖顯示控件：前面板右鍵-->Graph-->Waveform Graph;
文章插圖
直接讀取原圖顯示程序如下：
文章插圖
程序結果如下：
文章插圖
三、閾值處理與設定如下程序通過設定閾值 ， 實現將其他顏色全部過濾，只保留紅藍綠三種顏色：
文章插圖
程序結果如下：
文章插圖
【含源碼 手把手教你使用LabVIEW人工智能視覺工具包快速實現傳統Opencv算子的調用】threshold算子參數分析：
文章插圖
文章插圖
四、二值化處理將圖片先轉化為灰度圖，再進行二值化 ， 程序如下：
文章插圖
設置閾值和最大值，二值化之后的程序結果如下：
文章插圖
五、邊緣提取如下程序為使用findContours實現邊緣提?。?
推薦閱讀
- 含源碼 手把手教你使用LabVIEW人工智能視覺工具包快速實現圖像讀取與采集
- .NET源碼學習 [算法2-數組與字符串的查找與匹配]
- 【Python+C#】手把手搭建基于Hugging Face模型的離線翻譯系統，并通過C#代碼進行訪問
- 【前端必會】不知道webpack插件? webpack插件源碼分析BannerPlugin
- 手把手教你玩轉 Gitea｜使用 Docker 安裝 Gitea
- 20220929-ArrayList擴容機制源碼分析
- Optional源碼解析與實踐
- 抖音噴香出處含義是什么
- Go 源碼解讀｜如何用好 errors 庫的 errors.Is 與 errors.As() 方法
- 包含步兵和騎兵炮兵都是什么梗的詞條