隨著自動化技術(shù)的進一步發(fā)展，生產(chǎn)型企業(yè)的生產(chǎn)流水線也越來越向著自動化、智能化的方向發(fā)展。其中，在進行物料顏色識別定位分揀時，需要視覺進行圖像采集、數(shù)據(jù)分析等實現(xiàn)對樣品的顏色有效辨別和定位。那么我就來說說機器視覺是如何實現(xiàn)辨別黑白的。
最簡單的就是圖像分割方法的二值化(Binarization)。二值圖像每個像素只有兩種取值：要么純黑，要么純白。
由于二值圖像數(shù)據(jù)足夠簡單，許多視覺算法都依賴二值圖像。通過二值圖像，能更好地分析物體的形狀和輪廓。二值圖像也常常用作原始圖像的掩模(又稱遮罩、蒙版，Mask)：它就像一張部分鏤空的紙，把我們不感興趣的區(qū)域遮掉。進行二值化有多種方式，其中最常用的就是采用閾值法(Thresholding)進行二值化。
在計算機視覺里，一般用矩陣來表示圖像。也就是說，無論你的圖片看上去多么好吃，對計算機來說都不過是個矩陣而已。
在這個矩陣?yán)?，每一個像素就是矩陣中的一個元素。在三通道的彩色圖像中，這個元素是由三個數(shù)字組成的元組。
而對于單通道的灰度圖像來說，這個元素就是一個數(shù)字。這個數(shù)字代表了圖像在這個點的亮度，數(shù)字越大像素點也就越亮，在常見的八位單通道色彩空間中，0代表全黑，255代表全白。
閾值法是指選取一個數(shù)字，大于它就視為全白，小于它就視為全黑。就像教室里的燈管開關(guān)，我們輕輕地推動它，如果突然間超過了某個閾值，燈就啪的一聲亮了。根據(jù)閾值選取方式的不同，可以分為全局閾值和局部閾值。