LabVIEW圖像灰度測量（基礎(chǔ)篇—7）

LabVIEW圖像分割算法（基礎(chǔ)篇—6）這篇文章不知道什么原因，導入到公眾號后，保存和群發(fā)按鈕就像卡死一般，怎樣操作都沒反應(yīng)，感興趣的朋友可以到我CSDN系列專欄查看，可惜我的近兩萬字創(chuàng)作......

像素灰度是圖像最為典型的特征之一，基于圖像像素灰度能衍生更多的圖像特征，包括圖像的直方圖、線灰度分布曲線、圖像線灰度均值、ROl邊界灰度曲線、灰度定量描述以及圖像結(jié)構(gòu)相似度等，如下圖所示：

在機器視覺領(lǐng)域，圖像灰度特征可用于實現(xiàn)目標的存在性檢測和基于灰度的模式匹配。在進行目標的存在性檢測時，機器視覺系統(tǒng)會不斷計算并監(jiān)測指定ROI范圍內(nèi)的圖像灰度量化指標是否在設(shè)定的范圍內(nèi)，若指標超限，則認為所檢測的目標不存在。基于灰度的模式匹配，可以計算圖像中的灰度或梯度，并從中尋找可與模板圖像匹配的特征。

在牙線生產(chǎn)過程中，常會出現(xiàn)牙線未安裝或牙線斷裂的情況。為了能剔除此類次品，可監(jiān)測安裝牙線區(qū)域的圖像灰度均值及標準差。若灰度均值和表征像素灰度分布的標準差超出指定的范圍，就說明被檢測的產(chǎn)品存在質(zhì)量問題。

通過一個基于圖像灰度特征進行牙線檢測的實例程序，了解其使用方法。

該實例使用了字符串狀態(tài)機結(jié)構(gòu)，包括程序初始化、基于標準樣本設(shè)置ROI、更新測量坐標系、產(chǎn)品檢測等步驟。由于被測單元（UnitUnder Test，UUT）可能在視場內(nèi)移動或旋轉(zhuǎn)，因此需要使監(jiān)測牙線的ROl能相對于產(chǎn)品上的某一固定特征自動移動。

為此可使用以下幾個標準過程：

• 根據(jù)標準圖像中目標的特征，確定參考坐標系；

• 在標準圖像中設(shè)置用于檢測牙線的ROl；

• 根據(jù)目標的特征，在新采集的圖像中重新搜索并更新測量坐標系；

• 參照測量坐標系和參考坐標系之間的平移和旋轉(zhuǎn)關(guān)系，對用于檢測的ROl做同樣變換，以保證其仍能準確圈定特征區(qū)域；

• 基于ROI進行測量和決策。

程序初始化分支中的代碼先讀取標準樣本圖像FIs00.png和特征模板圖像template.png到內(nèi)存中。其中特征模板為產(chǎn)品的底座部分。此后，程序調(diào)用工作在搜索參考坐標系模式下的IMAQ FindCoordSys (Pattern)3，在標準樣本圖像中搜索與特征模板匹配的部分，以設(shè)置標準圖像的參考坐標系。CORE: :SetupROI分支中的代碼基于標準圖像設(shè)置了測量ROI的位置。程序設(shè)計如下所示：

牙線檢測實例程序及GUI

坐標系設(shè)置

測量ROI設(shè)置

更新測量坐標系

項目下載請參見：LabVIEW牙線產(chǎn)品合格檢測-其它文檔類資源-CSDN下載

灰度檢測的另一個典型應(yīng)用場合是灌裝檢測。例如，在下圖所示的生產(chǎn)線上，相機要逐個檢查產(chǎn)品所灌裝的液位是否達標。此時就可以根據(jù)瓶頸處矩形ROI區(qū)域內(nèi)的平均灰度是否在灌裝要求的范圍內(nèi)來檢測產(chǎn)品的質(zhì)量。而灌裝液位的上下限可以分別由液位到達上限或下限時的圖像灰度均值來表示。此外，為了降低光線變化對產(chǎn)品系統(tǒng)的影響，通常此類檢測在HSL空間上進行。