前言

欢迎来到 LabVIEW AI 视觉工具包实战教程。今天我们将带你一步步掌握图像处理中的核心操作：滤波与增强、灰度转换、阈值处理、二值化、边缘提取以及角点检测。无论你是刚入门的新手还是已有一定经验的开发者，本教程都将通过清晰的步骤和实例，帮助你快速上手。工具包的安装与下载方法可参考之前的博客文章，此处不再重复。

一、图像滤波与增强

在实际项目中，采集到的图像往往包含噪声，这会影响后续的分析与识别。此时，我们需要对图像进行模糊处理，使图像变得平滑。LabVIEW AI 视觉工具包提供了 filter 2d 算子，可对图像进行 2D 卷积操作。你可以使用自定义的卷积核来实现各种效果。该算子的输入输出如下所示：

图像内核是一个小矩阵，Photoshop 或 Gimp 中常见的 模糊、锐化、轮廓、浮雕 等效果都可以通过它实现。这些内核也被广泛用于机器学习中的“特征提取”，用于确定图像中最关键的部分。调用 filter 2d 算子并配合不同卷积核的程序如下：

在前面板中，你可以通过下拉菜单选择不同的卷积核，实现不同的图像效果：

以下列举了七种常用卷积核的效果：

• 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） – 通过强调像素差在给定方向产生深度错觉，从左上往右下，从暗处到亮处增强显示
  
• 4. 大纲（outline） – 轮廓内核（也称“边缘”内核），用于突出像素值的大差异，轮廓增强显示
  
• 5. 锐化（sharpen） – 强调相邻像素值的差异，使图像看起来更生动
  
• 6. 拉普拉斯算子（laplacian operator） – 可用于边缘检测，对检测图像模糊也非常有用
  
• 7. 分身（identity） – 即原图，无任何变化