产品知识

OPT小讲堂 ∣ Smart图像增强之滤波

什么是图像增强？

简单的说，图像增强是指针对给定图像的应用场合，有目的地强调图像的整体或局部特性，例如边缘、轮廓、对比度等，将原来不清晰的图像变得清晰；或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别；又或是抑制不感兴趣的特征，使图像质量改善、丰富信息量，加强图像判读识别效果，满足软件在项目实施中多样化的应用需要。

打开Smart，在主界面右下方工具箱栏点击图像增强的图标。在图像增强功能列表中可以看到，除滤波外，还有预处理、二值化、通道提取、形态学、直方图均衡化等功能，如图1。

图1 图像增强工具箱

什么是滤波？

滤波简单理解就是对图像中的噪声信号进行抑制，并且保证图像的细节不被破坏的过程。

图像在其成像、传输和描述等过程中往往会受到多种信号的干扰而产生噪声，噪声在图像上常表现为视觉效果较强的孤立像素点或像素块。数字图像处理中常用滤波处理这样的图像。

滤波的原理是什么？

滤波通常是图像卷积的过程，具体来说，就是将滤波核的中心逐个覆盖原图中的像素点，然后和它邻域内的像素进行卷积求和。

一、滤波的参数设置

Smart智能视觉软件中滤波算子界面用于选择滤波器和调节滤波参数，如图2。

1、选择滤波方法：可点击下拉框，选择不同的滤波算法。

2、滤波核大小：滤波核尺寸，范围是[3, 99]，步进值为2。滤波核尺寸越大，滤波效果越明显。

图2 滤波算子界面

二、平滑滤波

根据功能的不同，滤波分为平滑滤波、锐化滤波以及自定义滤波。

平滑滤波主要用于平滑图像，去除噪点，也就是滤掉图像的高频部分。根据选取滤波核的不同，平滑滤波又可分为均值滤波、高斯滤波以及中值滤波等。

1、均值滤波

均值滤波是一种典型的线性滤波算法。对目标像素给出一个滤波核，该滤波核覆盖其周围的像素，但不含目标像素本身，再用核中全部像素的平均灰度值代替目标像素的灰度值。均值滤波在去除噪声的同时，会对图像的边缘轮廓产生模糊效果。

2、高斯滤波

高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。

高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值，去替代模板中心像素点的值。

3、中值滤波

中值滤波是一种非线性滤波算法。定义一个滤波核，取出滤波核所对应像素点的灰度值的中值，然后用灰度值的中值替代核中心点对应像素点的灰度值。以这样的方法遍历整张图像，可以有效去除噪声点，且对图像的边缘轮廓、细节影响较小。

均值滤波、高斯滤波、中值滤波的效果对比如图3。

图3 三种平滑滤波效果对比

4、平滑滤波各算法特点对比

表1 平滑滤波各算法对比

三、锐化滤波

锐化滤波正好与平滑滤波相反，锐化滤波常用于增强被模糊的细节或目标的边缘，强化图像的细节。锐化滤波包括了Sobel滤波、Laplace滤波、Canny滤波、Roberts滤波以及Prewitt滤波等。

1、Sobel滤波

Sobel滤波包含两组3*3的矩阵，分别为横向及纵向，通过矩阵与像素灰度值进行卷积，即可分别得出横向及纵向的差分近似值，Sobel核矩阵如下：

Gx、Gy为卷积值，是滤波后的对应像素的灰度值；A为滤波前Sobel核对应的像素点的灰度值。Sobel滤波的结果是突出图像的轮廓，轮廓高亮显示，而在轮廓两边图像明显变暗，效果对比如图4。

图4 Sobel滤波效果图

2、Laplace滤波

Laplace滤波，也叫拉普拉斯滤波，是一种高通滤波器，主要是通过增强图像中的高频信息分量(图像边缘、轮廓等灰度值变化较大的部分属于高频分量，灰度值变化相对缓慢的中间部分则属于低频分量)，以实现图像的锐化，从而达到增强图像边缘和轮廓的效果，效果对比如图5。

图5 Laplace滤波效果示意图

3、Canny滤波

Canny滤波是一种常用的边缘检测算子，它使用离散化梯度逼近函数，根据二维灰度矩阵梯度向量，来寻找图像灰度矩阵的灰度跃变位置，然后在图像中将这些位置的点连起来就构成了所谓的图像边缘。Canny滤波分为三个步骤：去噪声，即对原始的图像进行一个高斯滤波；寻找图像中的亮度梯度，从原始图像上生成每个点灰度梯度图以及灰度梯度的方向；在图像中跟踪边缘，以此边缘片段为连续的曲线。Canny滤波的效果如图6。