手把手教你使用LabVIEW人工智慧視覺工具包快速實現傳統Opencv運算元的調用(含源碼)
- 2022 年 9 月 28 日
- 筆記
- LabVIEW, Labview_Deep Learn, 機器視覺, 深度學習
前言
今天我們一起來使用LabVIEW AI視覺工具包快速實現影像的濾波與增強；影像灰度處理；閾值處理與設定；二值化處理；邊緣提取與特徵提取等基本操作。工具包的安裝與下載方法可見
有時候我們想要處理的影像中噪音太多，影響到我們的識別判斷，我們就需要對影像進行模糊處理，使影像變得平滑。而LabVIEW AI視覺工具包提供給我們filter 2d運算元可以對影像進行2D卷積，我們可以使用自定義的卷積核來對影像進行卷積操作。該運算元輸入輸出如下所示：
影像內核是一個小矩陣，在Photoshop或Gimp中找到的效果都可以實現，例如模糊，銳化，輪廓或浮雕。它們還用於機器學習中的「特徵提取」，這是一種用於確定影像最重要部分的技術。在這種情況下，該過程更普遍地稱為「卷積」，調用filter 2d運算元配合不同卷積核實現影像濾波和增強的程式如下： 
在前面板選擇不同的卷積核可以實現不同的效果：
不同卷積核效果如下：
1.模糊（blur）
2.索貝爾（sobel），僅顯示特定方向上相鄰像素值的差異，從上往下，從暗處到亮處增強顯示
3.浮雕（emboss），通過強調像素的差在給定方向的Givens深度的錯覺，從左上往右下，從暗處到亮處增強顯示：
4.大綱（outline），一個輪廓內核（也稱為「邊緣」的內核）用於突出顯示的像素值大的差異，輪廓的增強顯示
5.銳化（sharpen），該銳化內核強調在相鄰的像素值的差異。這使影像看起來更生動
6.拉普拉斯運算元（laplacian operator），可以用於邊緣檢測，對於檢測影像中的模糊也非常有用。
7.分身（identity）就是原圖
二、影像灰度處理
之前我們說過，LabVIEW默認使用BGR讀取影像，所以我們將圖片轉化為灰度圖使用cvtColor運算元，參數選擇：BGR2GRAY，如下圖所示： 
程式結果如下：
我們可以看到程式中使用了calHist用以繪製圖片通道直方圖,並以波形圖顯示出來；calHist函數參數具體如下：
波形圖顯示控制項：前面板右鍵–>Graph–>Waveform Graph;
直接讀取原圖顯示程式如下：
程式結果如下：
三、閾值處理與設定
如下程式通過設定閾值，實現將其他顏色全部過濾，只保留紅藍綠三種顏色：
程式結果如下：
threshold運算元參數分析：
四、二值化處理
將圖片先轉化為灰度圖，再進行二值化，程式如下：
設置閾值和最大值，二值化之後的程式結果如下：
五、邊緣提取
如下程式為使用findContours實現邊緣提取：
程式實現效果如下：
六、角點檢測
1.使用cornerMinEigenVal運算元
角點檢測程式如下：
程式結果如下：
2.使用cornerHarris運算元
角點檢測程式如下：
程式結果如下：
七、源碼下載
鏈接：//pan.baidu.com/s/1Ua00IwcLGFoFtXAWKDGW_w 提取碼：8888
總結
具體源碼詳細請見下載鏈接。 更多關於LabVIEW與人工智慧技術，可添加技術交流群進一步探討。 qq群號：705637299，請備註暗號：LabVIEW 機器學習
