📚 课程目录第4章图像预处理

图像预处理：灰度化、直方图均衡化、高斯滤波去噪

拿到一张气泡或条纹的原始图像，别急着往上套算法。我见过太多人上来就做边缘检测，结果噪声比特征还明显。图像预处理，说白了就是给后续分析铺路。这一步做不好，后面全是白费功夫。

咱们这一章就聊三个最基础、也最实用的操作：灰度化、直方图均衡化、高斯滤波。这三板斧用好了，气泡和条纹的特征会清晰很多。

为什么非得先做灰度化？

工业相机拍出来的图，大多是彩色的。但气泡检测、条纹分析，我们真正关心的其实是亮度变化，不是颜色。彩色图有三个通道，数据量是灰度图的三倍，处理起来慢，而且颜色信息对形状分析基本没用。

我习惯用加权平均法做灰度化。公式很简单：

Gray = 0.299 * R + 0.587 * G + 0.114 * B

这个权重是依据人眼对绿光最敏感、蓝光最不敏感的特性来的。OpenCV 里直接用 cv2.cvtColor 就行：

import cv2
img = cv2.imread('bubble.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

小经验： 如果你的气泡图背景偏蓝，或者条纹图是暖色调的，可以试试只用绿色通道做灰度化。我在处理蓝色背景的气泡图时，单通道效果比加权平均更好。

直方图均衡化——让对比度“弹”出来

灰度化之后，你可能会发现图像灰蒙蒙的。气泡的边缘和背景拉不开，条纹的明暗变化也不明显。这时候就该直方图均衡化上场了。

它的原理很简单：把像素值的分布拉得更均匀。原本集中在某个区间的灰度值，会被拉伸到整个0-255范围。对比度一下子就上来了。

OpenCV 里用 cv2.equalizeHist：

equ = cv2.equalizeHist(gray)

但这里有个坑。我遇到过好几次，全局均衡化会把噪声也放大。尤其是气泡边缘的微弱噪声，均衡化之后变得特别扎眼。

注意： 直方图均衡化不适合所有场景。如果你的图像本身对比度已经很高，或者有大面积的均匀背景，均衡化反而会引入伪影。建议先看一眼直方图分布再决定。

对于气泡图，我一般先用 CLAHE（对比度受限自适应直方图均衡化）。它把图像分成小块，每块单独做均衡化，而且会限制对比度的放大倍数。效果比全局均衡化自然得多。

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_img = clahe.apply(gray)

条纹图呢？如果条纹本身明暗变化剧烈，全局均衡化就够了。但如果是那种细密、对比度低的条纹，CLAHE 更稳妥。

高斯滤波——去噪但不伤边缘

图像预处理最后一步，也是最重要的一步：去噪。气泡图里常见的是传感器噪声，条纹图里可能是光照不均带来的高频干扰。

高斯滤波是我最常用的。它用高斯核做卷积，对每个像素做加权平均。离中心越近的像素权重越大，离得越远的权重越小。这样既能平滑噪声，又不会把边缘完全抹掉。

核心参数就一个：核大小。核越大，去噪越强，但图像也越模糊。

核大小	去噪效果	边缘保留	推荐场景
3×3	弱	好	噪声轻微的气泡图
5×5	中等	较好	一般工业图像
7×7	强	一般	噪声严重的条纹图

代码很简单：

blur = cv2.GaussianBlur(clahe_img, (5, 5), 0)

第二个参数是核大小，必须是奇数。第三个参数是标准差，设0的话OpenCV会自动算。

  我的习惯： 先试5×5核，看效果。如果气泡边缘还清晰，但背景噪声没了，那就对了。如果边缘也糊了，降一档到3×3。如果噪声还在，升到7×7。别一上来就用大核，边缘细节丢了就找不回来了。

三步流程——我常用的预处理管线

把上面三步串起来，就是一条完整的预处理管线。我画了张流程图，方便你理解：

实际项目中，我通常把这三步封装成一个函数：

def preprocess_image(img_path, clahe_clip=2.0, kernel_size=5):
    # 1. 读取并灰度化
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 2. CLAHE 均衡化
    clahe = cv2.createCLAHE(clipLimit=clahe_clip, tileGridSize=(8,8))
    enhanced = clahe.apply(gray)

    # 3. 高斯滤波
    blurred = cv2.GaussianBlur(enhanced, (kernel_size, kernel_size), 0)

    return blurred

避坑指南： 我曾经在处理一批条纹图时，发现高斯滤波后条纹边缘变模糊了。后来排查发现是核大小设成了9×9，太大了。对于细条纹，3×3或5×5就够了。核大小一定要根据条纹宽度来调。

三种操作的对比总结

操作	作用	适用场景	常见问题
灰度化	降维，减少计算量	所有彩色图像	通道选择不当会丢失细节
直方图均衡化	增强对比度	低对比度图像	全局均衡可能放大噪声
高斯滤波	去噪，平滑图像	有噪声的图像	核太大导致边缘模糊

嗯，这三步做完，图像基本就准备好了。气泡的边缘会更锐利，条纹的明暗变化会更清晰。接下来就可以放心地做边缘检测、特征提取了。你想想看，如果原始图像里全是噪声和低对比度，再好的算法也白搭。预处理，就是给后面的分析打好地基。