前言今天我们一起来使用LabVIEW AI视觉工具包快速实现图像的滤波与增强；图像灰度处理；阈值处理与设定；二值化处理；边缘提取与特征提取等基本操作 。工具包的安装与下载方法可见之前的博客 。
一、图像滤波与增强有时候我们想要处理的图像中噪音太多，影响到我们的识别判断，我们就需要对图像进行模糊处理，使图像变得平滑 。而LabVIEW AI视觉工具包提供给我们filter 2d算子可以对图像进行2D卷积，我们可以使用自定义的卷积核来对图像进行卷积操作 。该算子输入输出如下所示：
文章插图
图像内核是一个小矩阵，在Photoshop或Gimp中找到的效果都可以实现，例如模糊 ， 锐化，轮廓或浮雕 。它们还用于机器学习中的“特征提取”，这是一种用于确定图像最重要部分的技术 。在这种情况下，该过程更普遍地称为“卷积”，调用filter 2d算子配合不同卷积核实现图像滤波和增强的程序如下：
文章插图
在前面板选择不同的卷积核可以实现不同的效果：
文章插图
不同卷积核效果如下：
1.模糊（blur）
文章插图
2.索贝尔（sobel），仅显示特定方向上相邻像素值的差异，从上往下，从暗处到亮处增强显示
文章插图
3.浮雕（emboss），通过强调像素的差在给定方向的Givens深度的错觉，从左上往右下，从暗处到亮处增强显示：
文章插图
4.大纲（outline），一个轮廓内核（也称为“边缘”的内核）用于突出显示的像素值大的差异，轮廓的增强显示
文章插图
5.锐化（sharpen），该锐化内核强调在相邻的像素值的差异 。这使图像看起来更生动
文章插图
6.拉普拉斯算子（laplacian operator），可以用于边缘检测，对于检测图像中的模糊也非常有用 。
文章插图
7.分身（identity）就是原图
文章插图
二、图像灰度处理之前我们说过，LabVIEW默认使用BGR读取图像，所以我们将图片转化为灰度图使用cvtColor算子 ， 参数选择：BGR2GRAY，如下图所示：
文章插图
程序结果如下：
文章插图
我们可以看到程序中使用了calHist用以绘制图片通道直方图,并以波形图显示出来；calHist函数参数具体如下：
文章插图
波形图显示控件：前面板右键-->Graph-->Waveform Graph;
文章插图
直接读取原图显示程序如下：
文章插图
程序结果如下：
文章插图
三、阈值处理与设定如下程序通过设定阈值 ， 实现将其他颜色全部过滤，只保留红蓝绿三种颜色：
文章插图
程序结果如下：
文章插图
【含源码 手把手教你使用LabVIEW人工智能视觉工具包快速实现传统Opencv算子的调用】threshold算子参数分析：
文章插图
文章插图
四、二值化处理将图片先转化为灰度图，再进行二值化 ， 程序如下：
文章插图
设置阈值和最大值，二值化之后的程序结果如下：
文章插图
五、边缘提取如下程序为使用findContours实现边缘提?。?
推荐阅读
- 含源码 手把手教你使用LabVIEW人工智能视觉工具包快速实现图像读取与采集
- .NET源码学习 [算法2-数组与字符串的查找与匹配]
- 【Python+C#】手把手搭建基于Hugging Face模型的离线翻译系统，并通过C#代码进行访问
- 【前端必会】不知道webpack插件? webpack插件源码分析BannerPlugin
- 手把手教你玩转 Gitea｜使用 Docker 安装 Gitea
- 20220929-ArrayList扩容机制源码分析
- Optional源码解析与实践
- 抖音喷香出处含义是什么
- Go 源码解读｜如何用好 errors 库的 errors.Is 与 errors.As() 方法
- 包含步兵和骑兵炮兵都是什么梗的词条