常用的圖像處理算法有哪些基于機器視覺的缺陷檢測方法

算法（預處理算法、檢測算法）

常用的圖像處理算法：

1、圖像變換：（空域與頻域、幾何變換、色度變換、尺度變換）

幾何變換：圖像平移、旋轉、鏡像、轉置；

尺度變換：圖像縮放、插值算法（最近鄰插值、線性插值、雙三次插值）；

空域與頻域間變換：由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，有時候需要將空間域變換到頻域進行處理。例如：傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術，將空間域的處理轉換為頻域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數字濾波處理）。

2、圖像增強：

圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中噪聲影響。

灰度變換增強（線性灰度變換、分段線性灰度變換、非線性灰度變換）；

直方圖增強（直方圖統計、直方圖均衡化）；

圖像平滑/降噪（鄰域平均法、加權平均法、中值濾波、非線性均值濾波、高斯濾波、雙邊濾波）；

圖像（邊緣）銳化：梯度銳化，Roberts算子、Laplace算子、Sobel算子等；

3、紋理分析（取骨架、連通性）；

4、圖像分割：

圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。

（1）閾值分割（固定閾值分割、最優/OTSU閾值分割、自適應閾值分割）;

（2）基于邊界分割（Canny邊緣檢測、輪廓提取、邊界跟蹤）；

（3）Hough變換（直線檢測、圓檢測）；

（4）基于區域分割（區域生長、區域歸并與分裂、聚類分割）；

（5）色彩分割；

（6）分水嶺分割；

5、圖像特征：

（1）幾何特征（位置與方向、周長、面積、長軸與短軸、距離(歐式距離、街區距離、棋盤距離)）；

（2）形狀特征（幾何形態分析（Blob分析）：矩形度、圓形度、不變矩、偏心率、多邊形描述、曲線描述）；

（3）幅值特征（矩、投影）；

（4）直方圖特征（統計特征）：均值、方差、能量、熵、L1范數、L2范數等；直方圖特征方法計算簡單、具有平移和旋轉不變性、對顏色像素的精確空間分布不敏感等，在表面檢測、缺陷識別有不少應用。

（5）顏色特征（顏色直方圖、顏色矩）

（6）局部二值模式( LBP)特征：LBP對諸如光照變化等造成的圖像灰度變化具有較強的魯棒性，在表面缺陷檢測、指紋識別、光學字符識別、人臉識別及車牌識別等領域有所應用。由于LBP 計算簡單，也可以用于實時檢測。

6、圖像/模板匹配：

輪廓匹配、歸一化積相關灰度匹配、不變矩匹配、最小均方誤差匹配

7、色彩分析

色度、色密度、光譜、顏色直方圖、自動白平衡

8、圖像數據編碼壓縮和傳輸

圖像編碼壓縮技術可減少描述圖像的數據量（即比特數），以便節省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

9、表面缺陷目標識別算法：

傳統方法：貝葉斯分類、K最近鄰（KNN）、人工神經網絡（ANN）、支持向量機（SVM）、K-means等；

10、圖像分類（識別）

圖像分類（識別）屬于模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。

11、圖像復原

圖像復原要求對圖像降質的原因有一定的了解，一般講應根據降質過程建立“降質模型”，再采用某種濾波方法，恢復或重建原來的圖像。

現有可用的視覺檢測軟件/庫

1、可二次開發的視覺系統：Labview、DVT、Halcon、OpenCV等。

2、常用的視覺檢測軟件/庫

視覺開發軟件工具 Halcon、VisionPro、LabView、OpenCV，還有eVision、Mil、Sapera等。

（一）、Halcon：底層功能算法多，運算性能快，功能齊全，容易上手，開發項目周期短。非開源項目，商用收費，價格較貴。

Halcon：Halcon是德國MVtec公司開發的一套完善的標準的機器視覺算法包，擁有應用廣泛的機器視覺集成開發環境。它是一套image processing library，由一千多個各自獨立的函數，以及底層的數據管理核心構成。其中包含了各類濾波，色彩以及幾何，數學轉換，型態學計算分析，校正，分類辨識，形狀搜尋等等基本的幾何以及影像計算功能。整個函數庫可以用C，C++，C#，Visual basic和Delphi等多種普通編程語言訪問。Halcon為大量的圖像獲取設備提供接口，保證了硬件的獨立性。

（二）OpenCV：功能算法相對較多（比Halcon少），開源，可用于商用，開發周期較長（比Halcon長），有些算法要自己寫。

OpenCV是一個基于（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。其核心輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，實現了圖像處理和計算機視覺方面的很多通用算法。OpenCV用C++語言編寫，它的主要接口也是C++語言。該庫也有大量的Python, Java and MATLAB/OCTAVE的接口，如今也提供對于C#, Ruby的支持。OpenCV可以在 Windows, Android, Maemo, FreeBSD, OpenBSD, iOS,Linux 和Mac OS等平臺上運行。

OpenCV出身：OpenCV是Intel開源計算機視覺庫。其核心由一系列 C 函數和少量 C++ 類構成，實現了圖像處理和計算機視覺方面的很多通用算法。OpenCV 的特點擁有包括300多個C函數的跨平臺的中、高層 API 跨平臺：Windows, Linux；免費（FREE）：無論對非商業應用和商業應用；速度快；使用方便。

OpenCV具有以下的特征：（１）開源計算機視覺采用Ｃ／Ｃ＋＋編寫。（２）使用目的是開發實時應用程序。（３）獨立與操作系統、硬件和圖形管理器。（４）具有通用的圖象／視頻載入、保存和獲取模塊。（５）具有底層和高層的應用開發包。

應用OpenCV能夠實現以下功能：（１）對圖象數據的操作，包括分配、釋放、復制和轉換數據。（２）對圖象和視頻的輸入輸出，指文件和攝像頭作為輸入，圖象和視頻文件作為輸出。（３）具有對距陳和向量的操作以及線性代數的算法程序，包括距陣、解方程、特征值以及奇異值。（４）可對各種動態數據結構，如列表、隊列、集合、樹和圖等進行操作。（５）具有基本的數字圖象處理能力，如可進行濾波、邊緣檢測、角點檢測、采樣與差值、色彩轉換、形態操作、直方圖和圖象金字塔等操作。

（６）可對各種結構進行分析，包括連接部件分析、輪廓處理、距離變換、各種距的計算、模板匹配、Hongh變換、多邊形逼近、直線擬合、橢圓擬合和Delaunay三角劃分等。（7）對攝像頭的定標，包括發現與跟蹤定標模式、定標、基本矩陣估計、齊次矩陣估計和立體對應。（8）對運動的分析，如對光流、運動分割和跟蹤的分析。（9）對目標的識別，可采用特征法和隱馬爾科夫模型（HMM）法。（10）具有基本的GUI功能，包括圖像與視頻顯示、鍵盤和鼠標事件處理及滾動條等。（11）可對圖像進行標注，如對線、二次曲線和多邊形進行標注，還可以書寫文字（目前之支持中文）。

（三）VisionPro

VisionPro是美國康耐視Cognex公司提供全套視覺解決方案。VisionPro提供多種開發工具拖放式界面、簡單指令碼和編程方式等，全面支持所有模式的開發。用戶利用VisionPro QuickBuild可以無需編程配置讀取、選擇并優化視覺工具，決定產品是否合格。用戶也可以利用C++、C#、VB及.NET開發管理應用程序。Vision Pro提供的.NET程序接口允許用戶采用面向對象的高級語言編程訪問所有工具，以高效開發客戶的專用視覺方案。

（四）LabView

LabView是一種程序開發環境，由美國國家儀器（NI）公司研制開發，使用的是圖形化編輯語言G編寫程序，產生的程序是框圖的形式。LabView軟件是NI設計平臺的核心，也是開發測量或控制系統的理想選擇。LabView開發環境集成了工程師和科學家快速構建各種應用所需的所有工具，旨在幫助工程師和科學家解決問題、提高生產力和不斷創新。

HSV顏色識別-HSV基本顏色分量范圍

一般對顏色空間的圖像進行有效處理都是在HSV空間進行的，然后對于基本色中對應的HSV分量需要給定一個嚴格的范圍，下面是通過實驗計算的模糊范圍（準確的范圍在網上都沒有給出）。

H:? 0 — 180

S:? 0 — 255

V:? 0 — 255

HSV（色相/飽和度/明度）顏色空間是表示類似于RGB顏色模型的顏色空間的模型。根據色相通道(Channel)對顏色類型進行建模，因此在需要根據顏色對對象進行分割的圖像處理任務中非常有用。飽和度的變化代表顏色成分的多少。明度通道描述顏色的亮度。