OPT小講堂之SciSmart智能視覺軟件系列培訓課程已推出七個課時。這個系列自推出以來，受到很多機器視覺專家、從業者的青睞。本次推出的案例從圖像增強模塊入手，以實際應用驗證SciSmart智能視覺軟件的穩定與易用。

圖像增強的應用場景舉例

● 成像背景復雜、產品表面干擾大

● 成像不穩定，感興趣區域不明顯，誤判、漏判風險高

● 圖像數據量大，處理效率低

● 產品規格過大，無法用相機一次完成整個產品拍攝

圖像增強應用的效果

當成像效果無法滿足我們的檢測要求時，可以通過圖像增強模塊中算子的應用，對圖像進行二次處理，將圖像的特征更直觀地呈現出來，提高檢測質量，如以下三組圖所示：

預處理算子應用：對圖像進行手動二值化、開運算和膨脹綜合處理，如圖1；

形態學算子應用：對圖像進行閉運算處理，如圖2；

亮度調整算子應用：對圖像進行亮度、對比度、伽馬值調整，如圖3。

圖1 預處理算子應用效果示意圖

圖2 形態學算子應用效果示意圖

圖3 亮度調整算子應用效果示意圖

下面通過圖像增強的一個應用實例來演示效果。

(1)檢測需求

分析石墨片的通孔是否有沖壓不良。

圖4 石墨片通孔指示圖

(2)兩種實現方式對比

方式一：直接對原圖進行分析

● 成像中含有多個產品，不方便對單個產品圖像進行分析處理

● 產品圖像表面干擾點多，不利于篩選目標

方式二：先對圖像進行二值化、圖像操作等綜合性處理后，再進行分析

● 提取單個產品圖像，便于分析處理

● 產品圖像表面無干擾點，利于篩選目標，更直觀且穩定

圖5 原圖(左)與綜合性處理后的效果圖(右)

通過以上兩個實現方式的對比可以看出，對圖像進行綜合性處理后再進行處理和分析，能夠更加直觀提取目標特征，有效降低誤檢率。同時處理后的圖像數據量減小，提高了檢測效率。那么接下來，我們一起來看看方式二是如何實現的：

(3)方式二的實現步驟

a、屏蔽視野中不完整的產品，提出單個完整的產品

通過二值化將原圖轉換為一張背景為黑色的黑白圖像，接著進行閉運算處理將二值化后還保留的細小不良通孔及產品表面的干擾屏蔽處理，最后通過Blob篩選設定合理篩選條件(如：面積大小)提取出完整的產品，并屏蔽不完整的產品。這樣處理便于后面能夠更加快速、穩定、準確地對通孔進行檢測與分析。具體的處理流程如下：

圖6 提取單個產品處理流程

b、通孔提取、結果分析：

● 通孔提取：在上一步的基礎上通過Blob分析工具設定合理的參數，提取出通孔位置及個數

● 結果分析：當前產品識別得到的通孔個數與標準產品通孔個數進行對比，從而判斷當前產品是否合格

以上的操作步驟如下流程圖所示：

圖7 通孔提取、分析流程圖

c、結果顯示

圖8 不良品運行效果圖(圖片可放大看細節)

圖9 良品運行效果圖(圖片可放大看細節)

通過以上實例可以看出，在機器視覺圖像分析領域，圖像增強可以說是既基礎又至關重要。在SciSmart智能視覺軟件圖像增強模塊下，除了“OPT小講堂”此前推過的濾波、形態學、二值化，還有縮放、圖像拼接、圖像操作、通道提取、直方圖均衡化、光度立體技術等功能。無論任何行業，運用圖像增強模塊下的各種功能，都可以對圖像質量進行優化處理，滿足我們對圖像分析的需求。

獲取更多信息，百度搜索“奧普特”