HALCON 图像平滑处理算子原理解释与用处

概要

在HALCON中，为了更好的处理图片，我们通常会对图片进行平滑处理，以减少图片噪点对我们工作的干扰，那么HALCON中图片平滑处理算子的原理是如何运作，参数如何调配，又适用于哪些地方呢？让我来讲解一下吧。

整体架构流程

技术名词解释

*读取图片read_image(Image,'C:/Users/32330/Pictures/panda.jpg')*转灰度图 rgb1_to_gray(Image,GrayImage)*预生成高斯噪点 gauss_distribution(10,Distribution)*预生成椒盐噪点 sp_distribution(5,5,Distribution1)*增加噪点add_noise_distribution(GrayImage,ImageNoise,Distribution)

技术细节

原图：

进行读取图片，灰度图转换操作：

read_image(Image,'C:/Users/32330/Pictures/panda.jpg')rgb1_to_gray(Image,GrayImage)

得到以下图片：

可以看到图片的信息很干净，几乎没有噪点，我们自己添加一些噪点，以便接下来的讲解。
设定高斯噪点，添加噪点：

gauss_distribution(10,Distribution)add_noise_distribution(GrayImage,ImageNoise,Distribution)

得到以下图片：

这个时候我们发现图片有些杂信息，把图片原本的信息给干扰了，这个时候我们就可以使用图像平滑处理算子，来对图片进行平滑处理，凸显图片的特征信息。

mean_image(ImageNoise,ImageMean,3,3)

得到以下图片：

可以看到，图片变干净了许多，甚至相比于原图，连边缘锯齿都变得更加平滑了额许多。我们再调大数值来看看。

mean_image(ImageNoise,ImageMean,7,7)

得到以下图片：

可以看到，图片变得更加模糊。那么这个算子到底该怎么用呢？运作原理是什么？

别急，接下来让我为你讲解一下：

mean_image(ImageNoise,ImageMean,3,3)

参数一就是入参，是指你想要进行处理的图像。
参数二就是出参，是指处理后的图像。
重点是参数三和参数四，
参数三是指滤波器的宽度。
参数四是指滤波器的高度。
参数三和四的宽高，最好是奇数，这样才能达到更好的效果。
运作原里就是，使用滤波器，对图像的每一个像素点根据
滤波器大小来进行灰度值（1~255）平均处理。也就是（自身像素灰度值+领域灰度值）/滤波器宽高。
接下里就是原理可视化展示：
我们设定一个宽高都为3的滤波器，在遍历像素点时大概是长这样的：

数值其实是我差不多填的，大概长这样。
最后中心点得出来的值就是：(40+160+25+65+205+60+255+125+20)/(33)≈106
然后每个像素点都如此计算，最后才根据每个像素点计算的结果再输出，这样便抑制了噪声。
但其实这个算子的本质就是把噪点像素的噪点平均给了邻域，让身边的像素点替它承担了多出来的灰度值，本质上并没有消除噪点，只是看起来是消除了而已（所以叫抑制）。