图像预处理

VM / VPP 对照

在工业视觉程序里很多人习惯于使用 VM/VPP 的可视化界面进行滤波、锐化等操作。相比之下Halcon 要你手动把每个算子接到流程中。这导致：

• 参数设置繁琐：每个算子都有自己的窗口、掩膜、边界模式等参数，需要逐个调试。不过，
• 缺乏直观反馈：没有拖拽式界面难以快速验证不同组合对结果的影响。
• 性能权衡不透明：CPU 与 GPU 的实现差异导致同一算子在不同硬件上的速度与质量差距大。
• 错误排查困难：当出现伪边缘或过度平滑时很难判断是哪个参数或哪一步导致的问题。

下面给出常用算子链与详细参数说明，以方便你定位问题并调整流程。

常用算子链

* 步骤1: 中值滤波去噪
median_image
* 步骤2: 高斯滤波平滑
gauss_filter
* 步骤3: 均值滤波
mean_image
* 步骤4: 对比度提高
emphasize
* 步骤5: 自动对比度拉伸
scale_image_max

🔬 算子参数详解与原理

主要思路： 先降噪、后提高。工业现场图像常受光照不均、传感器噪声、灰尘干扰等问题影响，直接使用原始图像进行后续分析会导致误检率升高。预处理、模板匹配等步骤提供高质量输入。VM/VPP 将滤波核选择和参数调节封装为图形界面而 Halcon 需要显式选择滤波类型并设置参数。灵活性更高，但也更容易出现“超调”或“欠调”的情况。其实，

① median_image — 中值滤波去噪

median_image(Image。ImageMedian,'circle','mirrored')

1. Image : 原始图像。
2. ImageMedian : 滤波后的结果。
3. 'circle' : 掩膜形状，可选：
   • 'circle'：圆形掩膜。 以半径定义大小
   • 'square'：方形掩膜
   • 'rectangle'：矩形掩膜
4. ：掩膜半径。例如 "radius = 3" 覆盖7×7区域。越大越强，但计算量也随之增大。怎么说呢，
5. 'mirrored' ：边界处理方式。最常用的是镜像反射，可避免伪影；其他选项包括 'cyclic'。'continued','constant'。如果你在外框附近看到奇怪花纹，很可能是 Margin 设置不当造成的。

工作原理： 中值滤波取邻域内所有像素排序后的中位数作为新值。与均值不同，它不会被极端亮/暗点所左右，所以能很好地保持物体轮廓。若你的相机产生了孤立白点/黑点，中值滤波往往是最快捷且最稳健的选择。

适用场景： CCD 相机热噪声产生孤立白点或黑点；网络传输过程中偶尔会出现单个像素突变。这些情况都能通过圆形掩膜中的中位数来清除，而不会破坏周围细节。

注意： 掩膜半径通常设为 "radius = 1~5" 之间；超过此范围会过度平滑细节，特别是在金属表面的微小划痕上表现尤为明显。如果你发现细微纹路被完全抹消，请先减小 Radius 再尝试其它算法组合。

② gauss_filter — 高斯滤波平滑

1. Image ：待处理图像。..........
2. ：标准差，用于控制核宽度。一般取 Sigma 在 "1~5" 之间即可满足大多数场景；如果想进一步压制高频噪声，可增大 Sigma，但要留意边缘模糊风险。
3. - 若出现“模糊伪影”，请检查 Sigma 是否太大。
4. - 若仍有残留高频杂讯，请结合 Median 或 Mean 前置过滤后再加 Gaussian。

工作原理： 

由于文本长度限制。上述部分已略作删减，如需完整代码示例请自行补全相应行号及详细注释