org.openpnp.vision.pipeline.stages.Normalize

文章目录

• org.openpnp.vision.pipeline.stages.Normalize
• • 功能
  • 参数
  • 例子 - 灰度图片
  • • 效果
  • 例子 - 彩色图片
  • • 效果
  • END

org.openpnp.vision.pipeline.stages.Normalize

功能

对图像进行归一化处理，根据图像通道数的不同采取两种策略：

单通道图像（灰度图）：调用 OpenCV 的 Core.normalize 进行最小－最大值归一化，将像素值线性映射到 [0, 255] 区间。
效果：
消除雾感：原本对比度低、看起来“发灰”的图像会变得黑白分明。
细节凸显：边缘和纹理变得更清晰。
适用场景：特征提取前的预处理，或者纠正因光线不足导致的画面平淡问题。

多通道图像（彩色图）：执行自定义的 RGB Max 归一化。对于每个像素，计算 R、G、B 三个通道值的总和 s。若 s 不为零，则将每个通道值除以 s 再乘以 255，使归一化后的每个通道值介于 0 至 255，且三个通道之和恒为 765。该方法可有效抑制光照不均造成的阴影影响，但会丧失原始色彩饱和度与色度信息。

视觉效果：
阴影消失：无论光照强（像素值高）还是光照弱（像素值低），只要物体表面的颜色反射率不变，归一化后的 RGB 比例 是不变的。深色阴影处的物体与明亮处的物体会呈现出几乎相同的计算结果。

变成“伪彩色”：图像颜色会严重失真，饱和度极高，看上去像霓虹灯效果。所有原本为黑色（0,0,0）或白色（255,255,255）的区域在计算中会变黑或变白，其他颜色则变得非常鲜艳。

因为算法强行将三通道总和固定为 765（即 255*3），它抹去了亮度（Luminance） 信息。
结果：无法再从归一化后的图像中看出物体是暗红色的还是亮红色的，两者看起来都是同一种正红色。

图像类型 处理前问题 处理后效果 代价/副作用
灰度图 对比度低，灰蒙蒙一片 黑白分明，纹理清晰 可能放大噪点
彩色图 光照不均匀，有阴影遮挡 阴影区域与明亮区域特征一致 色彩信息丢失（亮度被剥离）

彩色归一化常用于忽略光照条件，只寻找物体的固有颜色特征，从而让识别算法对灯光变化不敏感。

参数

无
完全依赖当前工作图像

例子 - 灰度图片

// expenv:msys2-mingw64cd"$(cygpath'D:\3rd\openpnp_prj\openpnp-official\openpnp-test-images\my_test')"python ./gen-pic.py

importcv2importnumpy as np# 创建一个 400x400 的低对比度灰度图# 背景为 120，前景方块分别为 100, 110, 130, 140img=np.full((400,400),120,dtype=np.uint8)# 绘制几个不同灰度的矩形，模拟低对比度内容cv2.rectangle(img,(50,50),(150,150),100, -1)# 深灰cv2.rectangle(img,(160,50),(260,150),110, -1)# 稍深cv2.rectangle(img,(270,50),(370,150),130, -1)# 稍浅cv2.rectangle(img,(110,160),(210,260),140, -1)# 浅灰cv2.rectangle(img,(220,160),(320,260),105, -1)# 略深# 添加一个极暗的小圆点（值 90）和一个极亮的小圆点（值 150），验证映射极值cv2.circle(img,(100,320),20,90, -1)cv2.circle(img,(300,320),20,150, -1)# 写入文字说明cv2.putText(img,"Low Contrast",(20,380), cv2.FONT_HERSHEY_SIMPLEX,0.8,80,2)cv2.imwrite("low_contrast_gray.png", img)print("测试图片已生成: low_contrast_gray.png")print("像素值范围: [90, 150]")

<cv-pipeline><stages><cv-stageclass="org.openpnp.vision.pipeline.stages.ImageRead"name="read"enabled="true"file="D:\3rd\openpnp_prj\openpnp-official\openpnp-test-images\my_test\low_contrast_gray.png"color-space="Bgr"handle-as-captured="false"/><cv-stageclass="org.openpnp.vision.pipeline.stages.ConvertColor"name="gray"enabled="true"conversion="Bgr2Gray"/><cv-stageclass="org.openpnp.vision.pipeline.stages.Normalize"name="norm"enabled="true"/><cv-stageclass="org.openpnp.vision.pipeline.stages.ImageWrite"name="write"enabled="true"file="normalized_result.png"/></stages></cv-pipeline>

效果

在归一化之前，灰度原图必须经过ConvertColor转成灰度图才行，否则没效果和负效果。


Normalize之前，从背景到前景的灰度值阶梯递增为5.
Normalize之后，背景和前景的灰度值至少差20. 为后续的findXX提供了良好条件。

例子 - 彩色图片

<cv-pipeline><stages><cv-stageclass="org.openpnp.vision.pipeline.stages.ImageRead"name="read"enabled="true"file="D:\3rd\openpnp_prj\openpnp-official\openpnp-test-images\my_test\color_shadow_v2.png"color-space="Bgr"handle-as-captured="false"/><cv-stageclass="org.openpnp.vision.pipeline.stages.ConvertColor"name="0"enabled="true"conversion="Bgr2HsvFull"/><cv-stageclass="org.openpnp.vision.pipeline.stages.Normalize"name="norm"enabled="true"/></stages></cv-pipeline>

效果

彩色原图在归一化之前，必须ConvertColor转成Bgr2XXfull，才有好的效果。

END