4. 图像预处理基础

在HALCON字符识别（OCR）的实际工程中，原始图像很少能直接送入识别引擎。无论是印刷字符、激光打标码还是钢印字符，图像中往往混入噪声、光照不均、背景纹理干扰或字符断裂等问题。图像预处理的核心目标并非“美化图像”，而是通过一系列确定性的数学变换，最大化字符与背景的可分性，同时抑制与字符无关的干扰信息。本章将围绕灰度化、二值化、滤波和形态学操作四大模块，讲解其在字符识别链路中的具体作用、参数选择逻辑及HALCON实现要点。

4.1 灰度化：从多通道到单通道的降维策略

核心原理：工业相机输出的图像通常为RGB三通道彩色图，但字符识别本质上只关注亮度或对比度信息，颜色本身并不携带字符语义。灰度化通过加权求和将三通道压缩为单通道，公式为 Gray = 0.299R + 0.587G + 0.114B。HALCON中rgb1_to_gray算子采用ITU-R BT.601标准权重，而decompose3则允许提取单一通道（如红色通道）用于特殊场景。

判断方法：并非所有场景都必须灰度化。若原始图像已经是单色相机输出（如Mono模式），则跳过此步。判断是否需要灰度化的依据是：颜色信息是否对字符分割有贡献。例如，红色背景上的白色字符，直接提取红色通道（decompose3取R通道）比灰度化后再二值化效果更好，因为背景和字符在R通道上的灰度差更大。

// 标准灰度化
rgb1_to_gray(Image, GrayImage)

// 提取红色通道（用于红底白字场景）
decompose3(Image, R, G, B)
// 后续直接对R通道做二值化

常见误区：初学者常认为灰度化是“必须的第一步”，但实际工程中，若字符颜色与背景颜色在特定通道上对比度更高，直接使用单通道反而能简化后续处理。此外，rgb1_to_gray对彩色噪声（如彩色反光）的抑制能力有限，此时应考虑先做色彩空间转换（如HSV）再提取亮度分量。

4.2 二值化：全局阈值与局部自适应的选择逻辑

核心原理：二值化将灰度图像转换为0和255的二值图像，是字符分割前的关键步骤。HALCON提供三类方法：全局阈值（threshold）、自动全局阈值（binary_threshold，基于Otsu或熵方法）和局部自适应阈值（dyn_threshold或local_threshold）。全局阈值适用于光照均匀、背景单一的图像；局部自适应则通过比较像素与邻域均值的差异来分割，适合光照渐变或反光场景。

操作流程：

1. 先观察灰度直方图（gray_histo），判断峰谷是否明显。若双峰明显，优先使用binary_threshold的Otsu方法。
2. 若直方图呈单峰或宽峰，说明光照不均，改用dyn_threshold，设置邻域尺寸（如15×15）和偏移量（如5-10灰度级）。
3. 二值化后必须用connection和select_shape检查字符区域是否完整、有无粘连。

4.3 滤波去噪：在保留边缘与抑制噪声间平衡

核心原理：滤波的目的是去除传感器噪声、环境杂散光干扰，同时尽量保留字符边缘的锐利度。HALCON中常用三种滤波器：中值滤波（median_image）对椒盐噪声效果极佳，且能保持边缘；高斯滤波（gauss_filter）平滑效果好但会模糊边缘；均值滤波（smooth_image）计算快但边缘损失严重。字符识别场景中，中值滤波是首选，因为字符边缘的阶跃特性不能被破坏。

判断方法：先通过noise_distribution分析噪声类型。若噪声呈随机孤立点状（椒盐），用3×3或5×5中值滤波；若噪声呈高斯分布（如低照度下的传感器热噪声），用高斯滤波但需配合后续锐化（emphasize）补偿边缘。

// 中值滤波，掩膜尺寸5x5
median_image(Image, MedianImage, 'circle', 2, 'mirrored')

// 高斯滤波，Sigma=1.5
gauss_filter(Image, GaussImage, 1.5)

// 锐化补偿（高斯后使用）
emphasize(GaussImage, SharpImage, 7, 7, 1.5)

常见误区：滤波强度过大是字符识别失败的主因之一。例如，对激光打标字符（本身边缘锐利）使用大尺寸高斯滤波，会导致字符笔画变粗、粘连。建议滤波后立即用edges_sub_pix检查边缘定位精度，若边缘偏移超过0.5像素，应降低滤波强度。

4.4 形态学操作：修复字符结构与分离粘连

核心原理：形态学操作基于集合论，通过结构元素（如圆形、矩形）对二值图像进行膨胀、腐蚀、开运算和闭运算。膨胀（dilation_circle）扩大前景区域，可填补字符断裂；腐蚀（erosion_circle）缩小前景，可去除毛刺；开运算（先腐蚀后膨胀）用于分离粘连字符；闭运算（先膨胀后腐蚀）用于填充字符内部空洞。

操作流程：

• 断裂修复：若字符笔画有断点，使用半径为1-2像素的圆形结构元素做闭运算。
• 粘连分离：若字符间有桥接，使用开运算，结构元素尺寸略大于桥接宽度。
• 孤立点去除：使用connection后按面积筛选（select_shape），删除小于字符面积1/10的区域。

4.5 案例拆解：金属圆柱面激光打标字符识别

背景与约束：某汽车零部件产线需识别金属圆柱面上的激光打标字符（18位编码），相机为500万像素黑白工业相机，光源为低角度环形光。主要挑战：圆柱面反光导致字符区域亮度不均，且打标深度浅导致对比度低。

初始现象：直接使用binary_threshold后，字符区域出现大量空洞，且边缘字符与背景粘连。

分析判断：反光导致局部灰度值漂移，全局阈值失效；打标浅导致字符内部灰度与背景接近，产生空洞。

处理步骤：

1. 使用median_image（5×5圆形掩膜）去除反光产生的椒盐噪声。
2. 采用dyn_threshold，邻域尺寸21×21，偏移量8，成功分离字符与背景。
3. 对二值图执行closing_circle（半径2），填充字符内部空洞。
4. 使用connection和select_shape（面积>500像素，宽度>10像素）去除孤立噪点。

结果对比：处理前OCR识别率仅62%，处理后提升至98.5%。代价是处理时间增加约15ms（总耗时45ms），仍在节拍要求内。

复盘经验：圆柱面反光场景中，局部自适应阈值比全局阈值更可靠；形态学闭运算是修复打标字符空洞的有效手段，但结构元素尺寸需根据字符笔画宽度实测确定。

4.6 总结与常见误区复盘

图像预处理没有“万能公式”，但存在清晰的决策路径：先灰度化降维，再根据光照条件选择二值化策略，随后用滤波抑制噪声，最后用形态学修复结构。常见误区包括：

• 过度预处理：每一步都做，导致字符信息丢失。应通过ocr_create_class_mlp的识别率反馈来反向调整预处理参数。
• 忽视区域筛选：二值化后直接识别，未用select_shape过滤非字符区域，增加误识别率。
• 滤波与形态学顺序颠倒：先形态学后滤波会导致噪声被膨胀放大，应先滤波再形态学。