上位机图像处理和嵌入式模块部署（qmacvisual预处理实战）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

        前面，我们说了图像预处理，但是没有给出相应的实战案例。今天还是有必要做一个说明的。预处理方法虽然相关的算法很多，但还是有它基本规律的。一般就是灰化-》二值化-》边缘检测-》开闭运算-》轮廓检测等等。具体实践效果，还是要看具体的图像。当然，中间也会涉及到参数的调整，这部分也不是很复杂。

1、创建项目和工程

        首先创建一个项目和一个工程，为后面的图像打下基础。

2、创建图像

        利用获取图像插件，选择一幅图像打开。如果对图像部分不是很熟悉，可以打开自己做过实验的一幅图像，也是可以的。假设，本次图像处理的目标，就是将图像中蓝色的部分提取出来。

3、利用预处理开始处理图像

        前面我们说过，图像一般是需要进行一步一步地做预处理的。这里，我们首先进行灰化的操作。灰化，就是把图像从彩色变成黑白图像，这是常规的一种做法。虽然转变的过程当中会损失掉一些信息，但是处理速度会变快很多。而且更多时候，还会对图像的大小做出改变，比如长度和宽度都调整为原来的一半等等。

        图像灰化之后，就可以进行二值化运算了。所谓的二值化，就是低于某个数值的像素，全部转成黑色。而大于某个数值的像素则全部变成白色。这中间，选择什么样的阈值，就有讲究了。我们选择了一个简单的最大熵阈值法，主要是因为它不用配置。

        添加之后的效果还是比较好的。不过我们也隐隐发现，在图像当中还是存在着一些黑色的杂点。这个时候就要用形态运算来解决了。是使用腐蚀，还是用膨胀，这里面有讲究的。如果先腐蚀再膨胀，一般是为了去除杂点；如果先膨胀再腐蚀，往往是为了将相连的物体连接在一起。我们选择了闭运算。大家实际使用的时候，也没有必要去刻意记忆。

        看上去整体都慢慢接近于我们想要提取的那个状态了。大家不用着急，下一步可以通过边缘算子，进一步提取图像中的边缘信息。提取之后，我们就可以看到一块一块的像素，被切割成了若干个子模块。这些子模块通过各种各样的参数筛选出来。当然，本次图像处理的目的还是为了提取轮廓，这里我们选择了canny算子。

        图中白色的部分，就是我们想要的轮廓的信息。这幅图像比较简单，我们简单通过长宽面积、长度等一些信息，就可以将需要的部分提取出来了。实际项目中，要比这个复杂得多。但是图像处理的流程都是类似的。预处理往往紧跟着图像的读取，为后面的轮廓提取、直线拟合、测量与判别打下一个坚实的基础。大家可以多多实践、多多练习，慢慢就可以把经验积累出来了。

        当然，如果图像比较大，可能还会涉及到roi截取、旋转和镜像，当然这就是另外一个topic了。放置的插件位置，一般就在图像读取和图像预处理之间进行。