手把手教你使用LabVIEW人工智能视觉工具包快速实现传统Opencv算子的调用(含源码)
🚀 优质资源分享 🚀
| 学习路线指引（点击解锁） | 知识定位 | 人群定位 |
|---|---|---|
| 🧡 Python实战微信订餐小程序 🧡 | 进阶级 | 本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。 |
| 💛Python量化交易实战💛 | 入门级 | 手把手带你打造一个易扩展、更安全、效率更高的量化交易系统 |
前言
今天我们一起来使用LabVIEW AI视觉工具包快速实现图像的滤波与增强；图像灰度处理；阈值处理与设定；二值化处理；边缘提取与特征提取等基本操作。工具包的安装与下载方法可见之前的博客。
一、图像滤波与增强
有时候我们想要处理的图像中噪音太多，影响到我们的识别判断，我们就需要对图像进行模糊处理，使图像变得平滑。而LabVIEW AI视觉工具包提供给我们filter 2d算子可以对图像进行2D卷积，我们可以使用自定义的卷积核来对图像进行卷积操作。该算子输入输出如下所示：
图像内核是一个小矩阵，在Photoshop或Gimp中找到的效果都可以实现，例如模糊，锐化，轮廓或浮雕。它们还用于机器学习中的“特征提取”，这是一种用于确定图像最重要部分的技术。在这种情况下，该过程更普遍地称为“卷积”，调用filter 2d算子配合不同卷积核实现图像滤波和增强的程序如下： 
在前面板选择不同的卷积核可以实现不同的效果：
不同卷积核效果如下：
1.模糊（blur）
2.索贝尔（sobel），仅显示特定方向上相邻像素值的差异，从上往下，从暗处到亮处增强显示
3.浮雕（emboss），通过强调像素的差在给定方向的Givens深度的错觉，从左上往右下，从暗处到亮处增强显示：
4.大纲（outline），一个轮廓内核（也称为“边缘”的内核）用于突出显示的像素值大的差异，轮廓的增强显示
5.锐化（sharpen），该锐化内核强调在相邻的像素值的差异。这使图像看起来更生动
6.拉普拉斯算子（laplacian operator），可以用于边缘检测，对于检测图像中的模糊也非常有用。
7.分身（identity）就是原图
二、图像灰度处理
之前我们说过，LabVIEW默认使用BGR读取图像，所以我们将图片转化为灰度图使用cvtColor算子，参数选择：BGR2GRAY，如下图所示： 
程序结果如下：
我们可以看到程序中使用了calHist用以绘制图片通道直方图,并以波形图显示出来；calHist函数参数具体如下：
波形图显示控件：前面板右键–>Graph–>Waveform Graph;
直接读取原图显示程序如下：
程序结果如下：
三、阈值处理与设定
如下程序通过设定阈值，实现将其他颜色全部过滤，只保留红蓝绿三种颜色：
程序结果如下：
threshold算子参数分析：
四、二值化处理
将图片先转化为灰度图，再进行二值化，程序如下：
设置阈值和最大值，二值化之后的程序结果如下：
五、边缘提取
如下程序为使用findContours实现边缘提取：
程序实现效果如下：
六、角点检测
1.使用cornerMinEigenVal算子
角点检测程序如下：
程序结果如下：
2.使用cornerHarris算子
角点检测程序如下：
程序结果如下：
七、源码下载
链接：https://pan.baidu.com/s/1Ua00IwcLGFoFtXAWKDGW_w 提取码：8888
总结
具体源码详细请见下载链接。 更多关于LabVIEW与人工智能技术，可添加技术交流群进一步探讨。 qq群号：705637299，请备注暗号：LabVIEW 机器学习