机器视觉自动化工业流程的关键技术 (机器视觉自动驾驶)_可编程控制器

在机器视觉系统中，工业相机和高速相机捕获图像后，视觉信息处理主要依赖于图像处理方法。图像处理包含一系列步骤，包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征提取、图像识别与理解等。

通过这些处理，输出图像的质量得到显著提高，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。其中，图像的平滑处理技术，即图像的去噪声处理，尤为重要。

图像平滑处理

图像平滑处理的主要目的是消除图像在成像过程中由于成像设备和环境造成的失真，提取有用信息。在实际成像过程中，图像不可避免地会受到外部干扰和内部干扰，例如：

这些因素会导致图像变质，因此，去除噪声，恢复原始图像成为图像处理中的重要内容。

本世纪四、五十年代发展起来的线性滤波器以其完善的理论基础，数学处理方便，易于采用FFT和硬件实现等优点，一直占据着图像滤波领域的重要地位。其中的代表性滤波器包括：

线性滤波器对于高斯噪声有良好的平滑作用，但对脉冲信号干扰和其它形式的噪声干扰抑制效果较差，且信号边缘容易模糊。

为了解决线性滤波器的不足，1971年，著名学者TUKEY提出了非线性滤波器——中值滤波器。中值滤波器通过计算局部区域中灰度的中值作为输出灰度，并将其与统计学理论结合起来，使用迭代方法，可以更有效地将图像从噪声中恢复出来，同时保护图像的轮廓边界，不使其模糊化。

非线性滤波理论近年来在机器视觉、医学成像、语音处理等领域得到了广泛的应用，反过来也促进了该理论的进一步发展。

图像处理在机器视觉中至关重要，图像平滑处理可以有效消除图像中的噪声，为后续的图像分析和处理提供高质量的输入。线性滤波器和非线性滤波器各有优缺点，用户应根据不同的应用场景选择合适的滤波方法。

本文原创来源：电气TV网，欢迎收藏本网址，收藏不迷路哦！