4. 图像预处理工具链
在MERLIC的流程设计中，预处理并不是“可有可无的润色”，而是决定后续定位、测量、检测能否稳定工作的基础环节。MERLIC把图像处理封装成可拖拽的Tool，每个Tool有明确的输入图像、输出图像和参数面板，因此预处理工具链的搭建本质上是“图像数据流”的编排：前一个Tool的输出图像作为后一个Tool的输入图像，参数在Tool内部调节，结果通过图像和数值两种形式向下游传递。
本节围绕四类最常用的预处理工具展开：灰度变换、滤波、形态学和图像运算。重点不是罗列Tool名称，而是说明它们在MERLIC中如何被调用、参数如何影响结果、以及什么情况下该用哪一种。
一、灰度变换：把“看不清”变成“分得开”
灰度变换的核心目标是调整图像的亮度分布，使目标与背景的对比度更适合后续处理。MERLIC中常用的Tool包括Brightness、Contrast、Gamma以及Scale Gray Values。它们通常直接作用于灰度图像，输出仍是灰度图像。
调用方式很直接：从Tool库中拖入流程，连接上游图像输出到该Tool的Image输入，再在参数面板中设置数值。以Scale Gray Values为例，它把输入灰度区间[MinIn, MaxIn]线性映射到输出区间[MinOut, MaxOut]。假设某张图像的目标区域灰度集中在80～140，背景在30～60，若直接二值化容易把背景误判为目标。此时可设置MinIn=70、MaxIn=150、MinOut=0、MaxOut=255，把目标区间拉伸到全动态范围，背景被压到接近0，目标接近255，后续阈值分割就会稳定很多。
参数调节策略上，灰度变换优先看直方图。MERLIC的图像窗口可以显示灰度直方图，观察目标峰和背景峰是否重叠。若两峰分离但整体偏暗，用Brightness整体抬升；若两峰靠得太近，用Contrast或Scale Gray Values拉开；若目标区域偏暗而背景偏亮，用Gamma做非线性调整，Gamma<1提亮暗部，Gamma>1压暗亮部。注意：灰度变换是全局操作，若图像存在明显光照不均，单靠全局变换往往不够，需要结合后续的局部滤波或形态学处理。
二、滤波：抑制噪声与增强边缘
滤波Tool在MERLIC中主要分为平滑类和锐化类。平滑类包括Mean Filter、Gaussian Filter、Median Filter；锐化类包括Sharpen、Edge Filter等。它们同样以图像输入、图像输出为主，部分Tool还会输出边缘幅值图像。
选择滤波器的关键是噪声类型。椒盐噪声（孤立的黑白点）用Median Filter最有效，它取邻域中值，能去掉孤立异常点而保留边缘；高斯噪声用Gaussian Filter，通过加权平均平滑噪声，代价是边缘会轻微模糊；若只是轻微噪声且要求速度快，Mean Filter即可，但它对边缘的破坏比高斯滤波更明显。
参数方面，滤波器的核心参数是核尺寸（Kernel Size）或标准差（Sigma）。以Gaussian Filter为例，Sigma越大平滑越强，但边缘定位精度下降。经验上，若目标边缘宽度约3～5像素，Sigma取1.0～1.5比较合适；若噪声严重，可先取Sigma=2.0观察，再逐步减小到刚好能稳定分割为止。核尺寸通常取奇数，如3×3、5×5、7×7，尺寸越大计算越慢，且边缘模糊越严重。
锐化滤波用于增强边缘对比，但会同时放大噪声，因此一般放在平滑之后使用。若流程中已经做了高斯滤波，再叠加Sharpen，需要把锐化强度控制在较低水平，否则会把残留噪声重新“拉”出来。
三、形态学：修整形状与分离粘连
形态学Tool在MERLIC中通常作用于二值图像或灰度图像，常用操作包括Erosion（腐蚀）、Dilation（膨胀）、Opening（开运算）和Closing（闭运算）。它们对“形状”敏感，适合处理分割后残留的小孔、毛刺、粘连和断裂。
调用时，形态学Tool一般接在阈值分割之后。例如，用Threshold得到二值区域后，若目标内部有细小孔洞，用Closing先膨胀再腐蚀，可填补孔洞；若目标边缘有毛刺或小凸起，用Opening先腐蚀再膨胀，可去掉毛刺并保持主体尺寸基本不变。若两个目标粘连在一起，可先用Erosion腐蚀断开，再用Dilation恢复尺寸，但要注意腐蚀过度会导致小目标消失。
参数调节的核心是结构元（Structuring Element）的形状和尺寸。MERLIC中通常可选择矩形、圆形或十字形结构元，尺寸以像素为单位。若目标宽度约20像素，粘连处宽度约3像素，可用半径2～3像素的圆形结构元做腐蚀，刚好断开粘连而不破坏主体。结构元越大，形态学效果越强，但细节损失也越大。建议先用小尺寸试跑，观察区域数量和面积变化，再决定是否加大。
四、图像运算：多图融合与背景校正
图像运算Tool包括Add、Subtract、Multiply、Divide、Abs Diff等，用于两幅图像之间的逐像素运算。在MERLIC中，它们需要两个图像输入，输出一幅图像。典型应用是背景校正：先采集一张“无目标”的背景图，再采集“有目标”的当前图，用Subtract做差，可消除固定背景和光照不均，突出目标区域。
参数上，图像运算通常需要设置缩放因子（Scale Factor）和偏移量（Offset），以避免结果溢出或过暗。例如Subtract中，若当前图减背景图后整体偏暗，可设置Offset=50把结果抬升；若差值过大导致饱和，可设置Scale=0.5压缩动态范围。此外，Abs Diff取绝对差，适合目标可能比背景亮也可能比背景暗的场景。
图像运算的调用顺序很重要：一般先做灰度变换和滤波，再做图像运算，最后做形态学修整。因为运算本身会放大噪声，若前置滤波不到位，差值图会充满噪点，后续分割会非常困难。
五、工具链的编排顺序与参数联动
把四类工具串成一条可用的预处理链，顺序通常遵循“先全局后局部、先平滑后增强、先运算后形态”的原则。一个典型的MERLIC流程可以是：Scale Gray Values → Gaussian Filter → Subtract（背景校正）→ Threshold → Opening。每一步的输出图像都作为下一步的输入，参数之间会相互影响：如果高斯滤波的Sigma调大，边缘变模糊，后续阈值分割的阈值可能需要相应降低；如果形态学结构元调大，小目标可能被腐蚀掉，需要回头检查阈值分割是否已经足够干净。
因此，参数调节不是一次性设定，而是“观察—调整—再观察”的迭代过程。MERLIC的图像窗口支持实时预览，每改一个参数，下游Tool的结果会立即刷新。建议每次只改一个参数，观察它对最终结果的影响，避免多个参数同时变动导致无法定位问题来源。
总结来说，MERLIC的预处理工具链调用方式统一而直观：拖入Tool、连接图像、调参数、看结果。真正的难点在于参数调节策略——灰度变换看直方图，滤波看噪声类型，图像运算看背景一致性，形态学看结构元与目标尺寸的匹配。把这四类工具按合理顺序组合，并养成单参数迭代和参数记录的习惯，就能为后续的定位、测量和检测打下稳定可靠的基础。