机器视觉系统之图像处理技术解析

 在机器视觉系统中，视觉信息的处理技术一般依赖于图像的处理方法，通常它包括数据编码、图像增强、图像传输和数据平滑、边缘锐化、图像分割、图像的特征抽取、图像识别与理解等相关内容。通过这些图像处理后，输出图像的质量有了相当程度的改善，这不仅改善了图像的视觉效果，而且有利于计算机对图像进行分析、处理和识别。 
  　　机器视觉系统的图像增强，图像的增强是用来调整图像的对比度，饱和度等质量指标，突出图像中的重要细节，从而改善图像的质量和视觉效果。通常我们采用灰度直方图修改技术进行图像增强，从多方面多角度增强图像的现实效果和显示质量。反映图像质量的工具叫做灰度直方图，这是一种表示一幅图像灰度分布情况的统计特性图表，其所表示的参数与对比度紧密相连，也是反应图片质量的重要指标。 
  　　

   一般情况下，在计算机中表示的一幅二维数字的图像，可表示为一个数字矩阵，其矩阵中的元素是处在相应坐标位置的图像灰度值，这个灰度值是离散化的整数，一般取0，1，……，255，这些离散的数据。 
  　　有人可能想知道为什么是一串离散的数字。实际上这是由于计算机中的一个字节所表示的数值范围通常在0~255之间。另外，我们的人眼肉眼也只能分辨32个左右的灰度级。所以，用一个字节表示灰度即可，也是非常适合用来表示图像质量的。 
  　　但是，从直方图仅能统计某级灰度像素出现的概率上看，用直方图反映图像质量，显示不出该像素在图像中的二维坐标。正因如此，不一样的图像就有非常大的可能性，也就是具有相同的直方图。而通过灰度直方图的形状，就能判断出该图像的清晰度和黑白对比度。这就是机器视觉系统中图片处理技术，以及反映图片质量的灰度直方图。