4. 图像预处理与增强
在复杂定位与测量系统中，相机采集到的原始图像往往并不“干净”：光照不均、反光、纹理干扰、边缘毛刺、背景杂斑都会直接影响定位与测量的稳定性。图像预处理与增强的核心任务，不是把图像“变好看”，而是抑制干扰、突出特征、稳定输入，为后续的模板匹配、边缘提取、Blob 分析或卡尺测量提供可靠的数据基础。本节围绕滤波、形态学、阈值和图像算术四类工具，说明它们在工程中的实际用法与组合逻辑。
一、滤波：先分清噪声类型，再选核
滤波的本质是用邻域像素的加权组合替代中心像素，从而平滑噪声或增强边缘。工程中常见三类：
- 均值/高斯滤波：适合抑制随机噪声。高斯核比均值核更自然，边缘保留略好。示例：3×3 高斯核 σ=0.8，用于轻微平滑。
- 中值滤波：对椒盐噪声、孤立亮点/暗点最有效，且不会像均值那样把边缘“糊开”。示例：5×5 中值，用于去除金属表面细小反光点。
- 双边滤波：同时考虑空间距离与灰度差，能在平滑背景的同时保留强边缘，适合纹理复杂但边缘清晰的工件。
选择原则：先判断噪声是“随机颗粒”还是“孤立异常点”，再决定核类型与尺寸。核越大，平滑越强，但细节损失也越大。工程上常用 3×3 或 5×5，超过 7×7 需谨慎，因为定位特征可能被削弱。
二、形态学：用结构元“塑形”特征
形态学操作基于结构元（Structuring Element）对二值或灰度图像进行腐蚀、膨胀、开运算、闭运算。它的价值在于改变特征的几何形态，而不是简单平滑。
- 腐蚀：缩小亮区域，断开细连接，去除小亮点。
- 膨胀：扩大亮区域，填补小孔洞，连接断裂边缘。
- 开运算（先腐蚀后膨胀）：去除小物体、分离粘连，保留大形状。
- 闭运算（先膨胀后腐蚀）：填补小孔、连接邻近区域，保持整体尺寸。
示例：在检测金属零件上的字符时，若字符笔画因反光出现断裂，可用 3×3 矩形结构元做一次闭运算，使笔画连通；若背景存在细小杂点，则先做一次开运算去除。结构元形状要与特征方向匹配：水平笔画用 1×5 横条，垂直笔画用 5×1 竖条。
三、阈值：把灰度空间切成“目标/背景”
阈值是分割的核心。固定阈值简单，但面对光照变化极易失效。工程中更常用：
- Otsu 自动阈值：基于类间方差最大化，适合双峰直方图。
- 自适应阈值：按局部邻域计算阈值，适合光照不均。
- 双阈值/滞后阈值：用于边缘提取，强边缘保留，弱边缘仅在与强边缘连接时保留。
示例：在背光工件轮廓提取中，先用 Otsu 得到全局阈值，若边缘出现断裂，再改用自适应阈值（窗口 31×31，偏移 -5），可显著改善轮廓连续性。阈值后通常配合形态学清理，再进入 Blob 或卡尺工具。
四、图像算术：用“参考帧”抵消背景
图像算术包括加、减、乘、除、绝对值差等。工程中最常用的是图像减法与图像除法：
- 减法：当前帧减去参考背景帧，可消除固定背景纹理，突出变化区域。
- 除法：当前帧除以参考帧，可抑制光照不均，适合表面缺陷检测。
- 绝对值差：对正负变化都敏感，适合运动检测或存在性判断。
示例：在传送带上检测零件有无，先采集一张“空传送带”作为参考帧，之后每帧与参考帧做绝对值差，再阈值化。若差值区域面积超过设定阈值（如 500 像素），判定为“有零件”。注意参考帧需在相同曝光、相同光照下采集，否则会引入伪差异。
五、组合策略：预处理链的工程顺序
四类工具很少单独使用，典型链路为：滤波 → 图像算术 → 阈值 → 形态学 → 特征提取。但顺序并非固定，需根据干扰来源调整。例如背景纹理强时，先做图像算术；噪声重时，先滤波；边缘断裂时，阈值后加闭运算。
六、参数设置与结果判断
预处理是否有效，不能只看图像“顺眼”，而要看后续工具的输出是否稳定。建议用以下指标判断：
| 环节 | 关键参数 | 观察指标 | 调整方向 |
|---|---|---|---|
| 滤波 | 核类型、核尺寸 | 噪声残留、边缘锐度 | 噪声未除净→增大核；边缘模糊→换中值/双边 |
| 图像算术 | 参考帧、运算类型 | 背景残留、目标对比度 | 背景残留多→改用除法；目标弱→改用绝对差 |
| 阈值 | 阈值方法、窗口、偏移 | 目标完整性、断裂情况 | 断裂→自适应或降低阈值；过分割→提高阈值 |
| 形态学 | 结构元形状、尺寸、迭代次数 | 孔洞、粘连、毛刺 | 孔洞→闭运算；粘连→开运算；毛刺→腐蚀 |
综上，滤波、形态学、阈值与图像算术四类工具各有明确职责：滤波管噪声，算术管背景，阈值管分割，形态学管形状。工程中应根据干扰来源决定顺序与参数，并以最终定位/测量结果的稳定性作为验收标准。掌握这套组合逻辑，才能在复杂背景下稳定提取特征，为后续高精度定位与测量打下可靠基础。