由于对图像处理要求的不同,CCD视觉检测图像处理方法多种多样,主要有图像变换、图像增强、图像锐化、图像分割与特征提取等多种方法。CCD视觉检测图像分割是图像处理技术的基本方法之一,可应用于诸如染色体分类、景物理解系统、机器视觉等方面。CCD视觉检测图像分割是图像识别和计算机视觉至关重要的预处理,没有正确的分割就不可能有正确的识别。今天,CCD视觉检测为您简析图像分割的基本原理和处理方法。
CCD视觉检测分割是将图像分成若干部分,每一部分对应于某一物体表面。在进行分割时,每一部分的灰度或纹理符合某一种均匀测度度量,其本质是将像素进行分类,分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。
通常CCD视觉检测按两种原则进行图像分割:一是基于点相关的分割技术,即依据各个像素点的灰度不连续性进行分割;二是基于区域相关的分割技术,即依据同一区域内具有相似的区域或组织特征寻求不同区域之边界。依据这两条原则,CCD视觉检测分割方法分为基于直方图、基于边缘、基于区域和边缘分割等方法。
CCD视觉检测分割主要有两种方法:一是鉴于度量空间的灰度阈值分割法。CCD视觉检测是根据图像灰度直方图来决定图像空间域像素聚类,但CCD视觉检测只利用了图像灰度特征,并没有利用图像中的其它有用信息,使得分割结果对噪声十分敏感。二是空间域区域增长分割方法。它是对在某种意义上如灰度级、组织、梯度等具有相似性质的像素连通集构成分割区域。该方法有很好的分割 效果,但缺点是运算复杂,处理速度慢。其它的方法还有如边缘追踪法、锥体图像数据结构法、标记松弛迭代法、基于知识的分割方法等等。
图像分割+阈值法
一般简单图像的分割,用灰度阈值分割法就足够了。灰度阈值分割法是一种基本区域的技术,这种方法是把每一个像素的灰度值与一个阈值进行比较,根据CCD视觉检测是否超过该阈值而将该像素归于两类中的一类,其关键在于阈值的计算与选取。目前大部分CCD视觉检测系统都采用LED做为外部光源,实际上当外部光源照明不均匀、有突变噪音或者背景灰度变化比较大时,整幅图像分割将没有适合的单一阈值,因为单一的阈值不能兼顾图像各个像素的实际情况。这时可对图像按照坐标分块,对每一个块分别选取一个阈值进行分割,这种与坐标相关的阈值称为动态阈值法。这类算法的时间复杂度和空间复杂度比较大,但是抗噪音能力较强,对采用全局阈值不容易分割的图像有比较好的效果。动态阈值的选取比较简单的法则是,对每个像素确定以它为中心的一个邻域窗口,计算窗口内像素的最大值和最小值,然后取它们的均值作为阈值。
CCD视觉检测机器视觉行业十余年,对于图像处理技术有着丰富的经验,我们研发产品的二维、三维高精度测量(CCD视觉检测/定位,连接器/接插件检测,高速冲压检测);产品颜色、外观的检测与识别(表面缺陷检测,颜色识别,线材/线束安装次序检测,字符条码二维码检测); 软件配合自动化设备的机器视觉(载带高速冲压检测,全自动视觉检测包装机,光学选钉机); 研发、设计、制造非标自动化机器;条码识别、字符识别、缺陷检测、焊点检测、可实现您几乎所有的图像处理需求,欢迎前来咨询选购。