Labview中使用均值滤波器以及高斯滤波器

显示全部楼层 · 2025-1-2 08:17:58

>

均值滤波器

在《机器视觉算法应用》第二版一书中，阅读到3.2.3.2 均值滤波器，均值滤波器的公式是：

n是横坐标的半径，m是纵坐标的半径，如果是3x3，那就是提取中心像素周围8个像素共9个像素求取平均值，以此来减少干扰。

IMAQ GetKernel

在Labview中，可以使用IMAQ GetKernel.vi创建需要进行图像处理的核：

输入端：

Kernel Family：可以选择Gradient(渐变梯度)，Laplacian(拉普拉斯)，Smoothing(平滑)，Gaussian(高斯)四种滤波器；

Kernal Size：可以选择滤波器的大小，可以选择3，5，7，选择比7大的会报错；

Kernel Number：选择Kernel的模式，分别如下：

以下是Gradient可以选择的模式：

以下是Laplacian可以选择的模式：

由下图可以看出，Laplacian算子是以中心为正，周围为负，中心数是周围绝对值之和。

参考文章链接：

https://homepages.inf.ed.ac.uk/rbf/HIPR2/log.htm

以下是Smoothing可以选择的模式：

以下是Gaussian可以选择的模式，Gaussian只有一种模式可以选择，所以Kernel Number为0，不然函数会报错：

高斯是以高斯函数进行计算，是一个正态分布的模式：

参考文章链接：

https://homepages.inf.ed.ac.uk/rbf/HIPR2/gsmooth.htm

IMAQ Convolute

过IMAQ Convolute.vi利用Kernel对图像进行处理：

输入端：Divider：灰度值的归一化，是Kernel所有像素的灰度值之和除以Divider，如果Divider为0，则不进行该步的运行。

Kernel：是进行卷积的2D数组，一般是3x3，5x5，7x7；

均值滤波器和高斯滤波器的使用

首先需要建立一张间距为三个像素，第一个像素和第二个像素灰度值有大的差异，第二个像素和第三个像素灰度值一样：

之后使用一个3x3的均值滤波器：

滤波完成之后的效果如下：

会发现所有分割线都被平滑掉了。

如果用的是高斯滤波：

则会凸显出中间的效果。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！