4. 图像预处理加速策略

在高速视觉检测中，预处理往往不是“精度问题”，而是“节拍问题”。一条产线若要求 60 件/秒，单件总预算只有约 16.7 ms；扣除采图、通信、结果输出，留给图像处理的时间可能不足 8 ms。此时灰度变换、滤波、形态学这三类最常用的预处理操作，其耗时特征和取舍方式，直接决定整条检测链能否跑进节拍。

一、三类操作的耗时特征

灰度变换是逐像素的点运算，输出像素只依赖同一位置的输入像素，不涉及邻域。它的计算量约为 W×H 次查表或乘加，对 1280×1024 图像约 131 万像素，在普通 CPU 上通常只需 0.3～1 ms，且可用查找表（LUT）把任意单调映射压缩成一次查表，是三类操作中最便宜的一类。

滤波是邻域运算，每个输出像素要读取 k×k 个输入像素。3×3 卷积的计算量约为 9×W×H，5×5 约为 25×W×H，耗时随核尺寸近似平方增长。高斯滤波若用可分离核，可把 k² 降为 2k，5×5 从 25 次乘加降到 10 次，是高速场景下最常用的加速手段。中值滤波虽非线性，但 3×3 在多数实现中仍可接受，5×5 则明显变慢。

形态学操作（腐蚀、膨胀、开、闭）同样是邻域运算，但结构元通常为矩形或十字，且二值形态学可用位运算实现。腐蚀/膨胀各一次邻域扫描，开运算=先腐蚀后膨胀，闭运算=先膨胀后腐蚀，因此开或闭的耗时约为单次形态学操作的 2 倍。若结构元可分解为水平与垂直两段，矩形结构元还能进一步降为两次一维扫描。

二、高速场景下的取舍原则

取舍的核心不是“哪个效果好”，而是“在节拍预算内，用最小代价换取检测所需的最小图像质量”。可以按以下四条原则判断。

原则一：能点运算解决的，不用邻域运算。如果只是对比度不足、背景偏暗，优先用 LUT 灰度变换或线性拉伸，而不是先滤波再阈值。点运算不引入模糊，也不消耗邻域带宽。

原则二：滤波只为“让阈值稳定”服务，不为“好看”。高速检测中滤波的目的通常是抑制噪声、避免阈值后出现大量孤立噪点。若阈值本身已稳定，可跳过滤波；若必须滤波，优先选可分离高斯或 3×3 小核，避免 5×5 以上大核。

原则三：形态学优先用矩形结构元，并尽量合并操作。矩形结构元可分解、可用位运算，速度优于圆形或自定义结构元。开运算能同时去毛刺和补小孔时，不要拆成“先腐蚀再膨胀再单独补洞”的多步串行。

原则四：把预处理放在 ROI 内，而不是全图。若检测目标只占图像 20%，在 ROI 内做同样操作，耗时近似按面积比例下降。ROI 是高速场景下最直接、最不损失精度的加速手段。

三、参数关系与决策路径

下面这张图把三类操作的耗时来源、可用的加速手段，以及“先看什么、再决定做什么”的取舍路径放在一起。图中左侧是操作类型与耗时随参数变化的趋势，右侧是高速场景下的判断顺序：先判断能否用点运算，再判断滤波是否必要，最后判断形态学能否用矩形结构元并在 ROI 内执行。

四、一个可复用的取舍检查表

把上面的原则落成一张可填写的检查表，在项目调参时逐项确认，能避免“先滤波再灰度再形态学”的惯性顺序带来的无谓耗时。

总结来说，灰度变换、滤波、形态学的耗时分别由“像素数”“核尺寸平方”“结构元与操作次数”主导。高速场景下的取舍顺序应当是：先用点运算解决对比度问题，再判断滤波是否必要并优先小核可分离，最后用矩形结构元合并形态学操作，并全程限定 ROI。把这条顺序固化成检查表，比记住某个具体毫秒数更有价值。