6、基础机器视觉技术

基础机器视觉技术

在工业机器视觉系统的开发中，掌握一些基础技术至关重要。下面将为大家详细介绍图像的表示方法以及基础的图像处理函数。

1. 图像的表示

首先来看单色（灰度）图像的表示。假设用 $i$ 和 $j$ 表示两个整数，其中 $1 \leq i \leq m$ 且 $1 \leq j \leq n$，同时用 $f(i,j)$ 表示一个整数函数，满足 $0 \leq f(i,j) \leq W$（$W$ 表示灰度图像中的白色级别）。那么数组 $F$ 就可以被称为数字图像：
[
F =
\begin{bmatrix}
f(1,1) & f(1,2) & \cdots & f(1,n) \
f(2,1) & f(2,2) & \cdots & f(2,n) \
\vdots & \vdots & \ddots & \vdots \
f(m,1) & f(m,2) & \cdots & f(m,n)
\end{bmatrix}
]
地址 $(i,j)$ 定义了 $F$ 中的一个位置，被称为像素、像元或图像元素。$F$ 中的元素表示实际（即光学）图像中多个小矩形区域内的强度。严格来说，$f(i,j)$ 测量的是单个点的强度，但如果对应的矩形区域足够小，这种近似在大多数情况下足够准确。数组 $F$ 总共包含 $m \times n$ 个元素，这个乘积被称为 $F$ 的空间分辨率。

我们可以根据以下方案任意分配强度：
| 强度范围 | 颜色 |
| ---- | ---- |