(2) 邻域运算
在对图像各像素进行处理时，不仅输入该像素本身的灰度，还要输入以该像素为中心的某局部区域(即邻域)中的一些像素的灰度进行运算的方式，称为邻域运算。常用的邻域有 4-邻域和 8-邻域。将输入图像作领域运算方式的某种处理，得到输出图像。由于邻域运算能将像素周围邻域内的诸像素状况反映在处理结果中，因而便于实现多种处理内容。
(3) 帧运算
以上各种运算都是在一幅图像内进行的，图像与图像之间不发生关系。通常一幅完整的图像被称为一帧，在两幅或多幅图像之间进行运算产生一幅新图像的处理称之为帧运算。帧运算可看成是一种图像合成处理。运算时，将两幅或多幅图像中的对应点用位逻辑运算或算术运算方法进行合成。图像处理中的帧运算还有算术加、算术减、逻辑“或”、逻辑“与”、逻辑“异或”等多种。
4.3 图像预处理技术
在研究图像时，首先要对获得的图像信息进行预处理(前处理)以滤去干扰、噪声，作几何、彩色校正等。这样可提高信噪比；有时由于信息微弱，无法辨识，还得进行增强处理，提供一个满足一定要求的图像，或对图像进行变换，以便人、机分析。并且为了从图像中找到需要识别的东西，还得对图像进行分割，也就是进行定位和分离，以分出不同的东西。对图像处理环节来说，输入是图像，输出也是图像，也就是处理后的图像，如下图 所示。
 
图 4.3 图像处理示意图
由图像处理的内容可见，图像处理的目的主要在于解决两个问题：一是判断图像中有无需要的信息；另一是确定这些信息是什么。抽取这些有用信息的主要目的在于改善图像质量和进行图像识别。机器视觉的前提是图像处理，因此，在线检测系统不可避免地要用到大量的图像处理方面的知识，这其中有几项关键的基础的图像处理技术。
4.3.1 灰度阈值分割
阈值化算法是图像分割中应用最广泛的一类。简单的说，对灰度图像的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中各个像素的灰度值与这个阈值相比较，并根据比较的结果将对应的像素分割为两类：像素灰度值大于阈值的一类，像素灰度值小于阈值的为另一类，灰度值等于阈值的像素可以归入这两类之一。分割后的两类像素一般分属于图像的两个不同区域，所以对像素根据阈值分类达到了区域分割目的，阈值分割算法主要有两个步骤：
(1) 确定需要分割的阈值；
(2) 将分割阈值与像素点的灰度值比较，以分割图像的像素。
以上步骤中确定阈值是图像分割的关键，把图像中各种灰度的像素分成两个不同的类，需要确定一个阈值。如果要把图像中各种灰度的像素分成多个不同的类，那么需要一系列阈值以将每个像素分到合适的类别中去。如果只用一个阈值分割称为单阈值分割方法，如果用多个阈值分割称为多阈值分割方法。单阈值分割可看作是多阈值分割的特例，许多单阈值分割算法可推广以进行多阈值分割。反之，有时也可将多阈值分割问题转化为一系列单阈值分割问题来解决，一幅原始图像 f(x,y)取单阈值 T 分割后的图像 g(x,y)可由下式得到。其中 g(x,y)是一幅二值图像。
4.3.2 边缘检测
边缘是指图像局部亮度变化最显著的部分，包含了图像很多的重要信息。在检测过程中，边缘的提取是不可或缺的。图像中边缘通常与图像的亮度或图像亮度的一阶导数的不连续有关。所以边缘可以通过求导数而得到。常用的方法有Sobel 边缘检测（一阶微分算子）与 Laplace 边缘增强（二阶微分算子）等。 Matlab生产自动化实验系统机器视觉单元设计+CAD图纸(10):http://www.youerw.com/zidonghua/lunwen_276.html