Vision Pro图像处理工具全解析

单张图像处理工具（CogIPOneImageTool）

CogIPOneImageTool 是专注于单张灰度图像的基础预处理工具，核心功能为像素灰度值调整，可解决图像整体亮度异常问题，为后续检测（如缺陷识别、尺寸测量）优化图像质量。

核心功能：加减常量

为灰度图像中每个像素的灰度值添加正值或负值，生成更亮或更暗的图像，具体规则如下：

• 常量值范围：通常为 - 255~255（需根据图像原始灰度分布调整，如过暗图像可加 50~100，过亮图像可减 30~80）；
• 适用场景：解决光照不均导致的图像过暗 / 过亮问题（如工业相机逆光拍摄的暗部区域提亮、强光下的过曝区域压暗）。

关键参数：溢位处理模式

由于灰度值的有效范围为 0~255，加减常量后可能超出该范围，工具提供两种溢位处理方式：

• 封装模式：超出 255 的像素值自动减去 255（如 256→1、280→25），小于 0 的像素值自动加上 256（如 - 1→255、-30→226），实现灰度值的循环映射，适用于需保留灰度变化趋势的场景；
• 钳位模式：将超出范围的灰度值强制限制在 0~255 内（大于 255 设为 255，小于 0 设为 0），避免灰度值异常导致的图像失真，适用于高精度检测场景（如尺寸测量需准确灰度边缘）。

多图像与专项处理工具

1. 双图像减法工具（CogTwoImageSubtractTool）

核心功能

通过灰度值逐像素相减（InputImageA - InputImageB）生成新图像，主要用于提取两张图像的差异信息，突出目标特征或消除背景干扰。

关键原理与参数

• 图像要求：两张输入图像需满足 “尺寸一致、分辨率相同、通道数匹配”（均为灰度图，彩色图需先转灰度或按通道分别相减）；
• 结果处理：相减后可能出现负灰度值，需配合 “钳位模式”（负数值设为 0）或 “归一化”（将结果映射到 0~255），避免图像暗部失真；
• 差值阈值：可设置最小差值（如 5），过滤微小灰度波动（如噪声），仅保留显著差异区域。

适用场景

• 背景去除：用 “背景图” 减去 “含目标的图像”，消除固定背景（如传送带），突出前景目标（如零件）；
• 运动检测：对比连续两帧图像，差异区域即为运动物体（如流水线漏件检测）；
• 缺陷初筛：用 “良品图” 减去 “待检测图”，差异区域即为潜在缺陷（如零件表面划痕）。

2. 双图像加法工具（CogTwoImageAddTool）

核心功能

通过灰度值逐像素相加（ImageA + ImageB）生成新图像，主要用于图像增强或噪声抑制，提升图像质量。

关键原理与参数

• 图像要求：同 CogTwoImageSubtractTool，需尺寸、分辨率、通道数一致；
• 结果处理：相加后易超出 255（如两张亮图像相加），通常采用 “钳位模式”（超 255 设为 255）或 “平均叠加”（相加后除以图像数量，如 2 张图相加后 ÷2），避免过曝；
• 叠加次数：支持多帧图像连续相加（如 10 帧同场景暗图像相加后 ÷10），利用 “噪声随机性” 抵消噪声，提升图像信噪比。

适用场景

• 多帧降噪：低光照场景下，叠加多帧模糊图像，抑制椒盐噪声 / 高斯噪声；
• 曝光增强：叠加低曝光图像，提升暗部细节（如零件内部小孔的边缘显示）；
• 图像合成：将多个局部清晰的图像（如不同角度的零件细节）叠加，生成完整清晰图像。

3. 图像清晰度测量工具（CogImageSharpnessTool）

核心功能

通过量化算法评估图像的 “清晰度分数”（分数越高，图像越清晰），主要用于成像设备焦距调整（如工业相机、显微镜），确保检测前图像处于最佳清晰度状态。

四种清晰度评估方法

评估方法	原理	适用场景	优缺点
带通滤波法	用带通滤波器提取中频信息（边缘信号），中频能量越高越清晰	通用场景（如零件尺寸测量）	抗噪声强，但对模糊类型敏感
自相关法	计算图像像素的自相关系数，模糊图像自相关峰值更平缓	纹理丰富的图像（如印刷品）	计算快，但对单一边缘图像误差大
绝对差异法	计算相邻像素的灰度绝对差总和，差值大则边缘清晰	高对比度图像（如黑白条码）	直观易懂，抗光照干扰弱
梯度能量法	计算像素梯度（如 Sobel 梯度）的平方和，梯度能量高则清晰	精细结构检测（如微小零件边缘）	精度高，计算量较大

使用流程

1. 固定成像设备的光圈、曝光时间等参数；
2. 调整焦距，每调整一次执行一次 CogImageSharpnessTool，记录清晰度分数；
3. 找到分数最高的焦距位置，即为最佳成像状态。

4. Sobel 边缘提取工具（CogSobelEdgeTool）

核心功能

基于Sobel 算子（3x3 或 5x5 卷积核）计算图像的水平 / 垂直梯度，提取目标边缘（如零件轮廓、孔洞边缘），为后续几何测量或目标定位提供基础。

关键原理与参数

• 梯度计算：
  • 水平梯度（Gx）：用水平卷积核（检测垂直边缘，如零件的左右边）；
  • 垂直梯度（Gy）：用垂直卷积核（检测水平边缘，如零件的上下边）；
  • 边缘强度：通过公式 |G| = √(Gx² + Gy²) 或 |G| = |Gx| + |Gy| 计算，强度越高，边缘越明显；
• 关键参数：
  • 卷积核大小：3x3（速度快，适用于清晰边缘）、5x5（抗噪声强，适用于模糊边缘）；
  • 边缘阈值：设置最小边缘强度（如 20），过滤弱边缘（噪声）；
  • 边缘极性：选择 “亮到暗”“暗到亮” 或 “双向”，仅提取目标极性边缘（如零件的暗边）。

适用场景

• 轮廓提取：提取零件的外轮廓，用于尺寸测量（如直径、长度）；
• 缺陷边缘定位：提取缺陷（如划痕、凹陷）的边缘，用于缺陷尺寸计算；
• 图像分割：用边缘划分目标与背景，如从背景中分割出零件区域。

5. 像素映射工具（CogPixelMapTool）

核心功能

通过自定义映射规则（映射表或数学函数），将输入图像的像素灰度值转换为输出图像的像素值，实现灰度变换、对比度调整或伪彩色映射，满足特定检测需求。

关键原理与参数

• 映射方式：
  • 线性映射：如 输出灰度 = 1.5×输入灰度 + 20，提升整体对比度；
  • 伽马校正：如 输出灰度 = 255×(输入灰度/255)^γ（γ<1 提亮暗部，γ>1 压暗亮部），解决图像过暗 / 过亮；
  • 分段映射：如 “输入 0~50→输出 0，51~200→输出 2× 输入 - 100，201~255→输出 255”，突出中间灰度区域；
  • 自定义查找表（LUT）：手动设置 “输入灰度 - 输出灰度” 对应关系，适用于特殊灰度过滤（如仅保留 100~150 灰度值）；
• 通道支持：灰度图直接映射，彩色图可按 RGB/BGR 通道分别映射，实现伪彩色效果（如将灰度 0~255 映射为蓝→绿→红）。

适用场景

• 对比度增强：低对比度图像（如零件与背景灰度接近）通过线性映射拉大灰度差；
• 伪彩色显示：将灰度深度图（3D 图像）转为彩色图，用颜色区分高度（如蓝色低、红色高），便于人眼观察；
• 特定区域突出：用分段映射将目标区域（如条码）灰度值提至 255，背景压至 0，简化后续识别。

6. 图像复制与填充工具（CogCopyRegionTool）

核心功能

支持两种核心操作 ——区域复制与常量填充，用于图像局部编辑，优化检测区域或屏蔽干扰。

关键原理与参数

• 操作模式选择：
  1. 区域复制：
     • 定义 “源 ROI”（输入图像中的感兴趣区域，如矩形、圆形、多边形）；
     • 定义 “目标位置”（输出图像中的粘贴坐标）；
     • 要求：源图像与目标图像尺寸一致（若尺寸不同，需先缩放源 ROI）；
  2. 常量填充：
     • 定义 “填充 ROI”（需覆盖的区域）；
     • 设置 “填充常量”（0~255，如 0 为黑色、255 为白色）；
     • 作用：覆盖干扰区域（如镜头反光、背景文字）；
• 边缘处理：复制区域边缘可选择 “平滑过渡”（避免边缘锯齿）或 “硬边缘”（保留原始像素，适用于高精度检测）。

适用场景

• 图像拼接：将多张图像的局部清晰区域（如零件的不同角度细节）复制到同一张目标图像，生成完整检测图；
• 干扰屏蔽：用黑色常量填充背景中的无关物体（如流水线支架），避免干扰斑点检测或边缘提取；
• 样本生成：复制良品图像的无缺陷区域，填充到缺陷样本的缺陷位置，生成用于训练的标准样本。

7. 缺陷检测工具（PatInspect）

核心功能

基于良品模板比对法检测图像中的缺陷，通过建立 “良品特征标准”，与待检测图像对比，识别灰度差异、区域缺失 / 多余等缺陷，适用于表面缺陷、印刷缺陷、零件完整性检测。

关键流程与参数

1. 训练阶段（建立良品模板）：

   • 录入 1~20 张良品图像（OK 图），工具提取图像的灰度分布、纹理特征作为 “标准模板”；
   • 若待检测图像可能存在位置偏移 / 角度旋转，需关联 “定位工具”（如 CogPMAlignTool），确保比对时位置对齐；
   • 支持 “统计优化”：录入多张 OK 图，工具自动计算良品特征的波动范围（如灰度 ±5），提高对轻微光照 / 姿态变化的鲁棒性；

2. 检测阶段（差异比对）：

   • 待检测图像与良品模板对齐后，计算对应像素的 “灰度绝对差” 或 “相对差”，生成 “差异图像”（差异越大，像素越亮，对应潜在缺陷）；
   • 设置 “差异阈值”（如 8），过滤微小灰度波动（噪声），仅保留显著差异区域；

3. 缺陷判定（特征过滤）：

   • 将差异图像传入 “斑点检测工具（CogBlobTool）”，提取差异区域的特征（面积、周长、非环性）；
   • 设置 “缺陷判定规则”（如面积 > 50 像素、周长 > 30 像素），筛选出真实缺陷（排除小噪声斑点）；

适用场景

• 表面缺陷：金属件划痕、塑料件凹陷、玻璃污渍；
• 印刷缺陷：标签漏印、文字模糊、色差；
• 零件完整性：零件缺角、多料、装配漏件。

8. 棋盘格校准工具（CalibCheckerboard）

核心功能

基于棋盘格标定板实现 “相机内参校准” 与 “像素 - 物理坐标转换”，消除相机畸变对测量的影响，将图像中的像素距离转换为实际物理距离（如 mm），为高精度尺寸测量奠定基础。

关键原理与参数

• 标定板要求：棋盘格需为 “正方格”，已知单格物理尺寸（如 2mm×2mm），内角点数量明确（如 7×9 个内角点，非格子数）；
• 校准流程：
  1. 拍摄 8~20 张不同姿态的棋盘格图像（覆盖相机视场的不同位置、角度）；
  2. 工具自动识别每张图像中棋盘格的内角点，获取内角点的 “像素坐标”；
  3. 结合棋盘格的 “物理坐标”（如左上角内角点为 (0,0)，右侧相邻点为 (2,0)），通过 “张正友标定法” 计算相机内参（焦距、主点坐标）和畸变参数（径向畸变、切向畸变）；
• 校准结果：输出 “畸变校正后的图像” 和 “像素 - 物理坐标映射公式”（如 1 像素 = 0.1mm），后续测量工具可直接调用该公式，将像素距离转为物理距离。

适用场景

• 高精度尺寸测量：如零件直径、两孔间距的实际尺寸检测；
• 视觉引导：机械手抓取时，将相机识别的目标像素坐标转换为物理坐标，确保抓取精度；
• 多相机协同：多相机拍摄同一目标时，通过校准统一坐标系，避免测量偏差。

9. N 点标定工具（CogCalibNPointToNPointTool）

核心功能

计算 “图像坐标（像素）” 到 “世界坐标（如机械手坐标）” 的二维转换矩阵（平移 + 旋转），实现多设备坐标系的统一，将相机识别的目标坐标直接转换为机械手可使用的物理坐标，无需人工换算。

关键原理与参数

1. 坐标点采集：

   • 采集两组对应点：一组为 “相机像素坐标”（通过 CogPMAlignTool/CogBlobTool 获取目标点的 X/Y 像素值），另一组为 “世界物理坐标”（如机械手带动标定块移动到对应位置，记录的 X/Y mm 值）；
   • 点数要求：至少 3 点（计算平面转换），推荐 9 点（均匀分布在相机视场，提高精度）；

2. 转换计算：

   • 工具基于 “最小二乘法” 计算最佳二维转换矩阵，拟合像素坐标与物理坐标的映射关系；
   • 输出 “RMS 误差”（均方根误差）：反映转换的准确性，误差越小越好，通常需控制在 10 像素以内（具体阈值根据场景精度要求调整，如机械手抓取需 RMS<5 像素）；
   • 若 RMS 误差过大，需重新采集坐标点（确保点分布均匀、采集精度高）；

3. 坐标应用：

   • 工具将转换矩阵添加到输入图像的 “坐标空间树”，后续检测工具（如测量、定位）输出的坐标会自动转换为世界坐标；
   • 支持 “动态更新”：若相机 / 机械手位置发生变化，可重新采集坐标点，更新转换矩阵。

适用场景

• 视觉引导机械手：相机识别零件的像素坐标，通过标定直接转为机械手坐标，实现精准抓取、装配；
• 多工位协同：不同工位的相机与机械手，通过 N 点标定统一坐标系，避免工位间偏差；
• 自动化检测线：检测结果（如缺陷位置的物理坐标）直接输出给 PLC，控制流水线动作（如剔除缺陷件）。

3D 工具

核心定位

3D 工具主要处理3D 点云图像或深度图像，实现三维空间中的高度、体积、横截面等参数测量，弥补 2D 工具无法获取深度信息的不足，适用于 3D 零件检测（如高度差、体积、截面形状）。

关键流程与工具

1. 步骤 1：建立 3D 基准面（Cog3DRangeImagePlaneEstimatorTool）

   • 核心功能：从 3D 图像中拟合一个 “参考基准面”（如零件的底面、工作台面），作为后续高度测量的基准；
   • 操作方法：在 3D 图像中选取多个特征点（默认 4 个，建议沿图像边缘均匀布置 6~8 个点，提高拟合精度），工具通过 “平面拟合算法” 生成基准面；
   • 适用场景：需以某个平面为基准测量高度（如零件凸起高度、凹陷深度）。

2. 步骤 2：高度测量（Cog3DRangeImageHeightCalculatorTool）

   • 核心功能：计算 3D 图像中指定区域内各像素点相对于 “基准面” 的垂直高度值；
   • 关键参数：
     • 测量区域：定义感兴趣区域（ROI），仅计算该区域内的高度；
     • 颜色映射：将高度值转换为彩色图像（如蓝色代表低高度、绿色代表中高度、红色代表高高度），便于人眼观察高度分布；
     • 统计输出：支持输出区域内的最大高度、最小高度、平均高度、高度差（最大 - 最小）；
   • 适用场景：检测零件的凸起 / 凹陷（如螺丝高度是否达标、塑料件表面是否有鼓包）。

3. 步骤 3：横截面分析（Cog3DRangeImageCrossSectionTool）

   • 核心功能：在 3D 图像中指定 “横截面平面”，提取该平面的轮廓数据，分析截面的高度分布与形状特征；
   • 操作方法：
     • 定义横截面方向：如沿 X 轴（垂直于 X 轴的平面）、沿 Y 轴，或自定义角度；
     • 定义横截面位置：如 X=100mm 处的平面；
     • 工具提取该平面与 3D 目标的交线（横截面轮廓），输出轮廓上各点的 “相对高度”（相对于基准面）；
   • 统计输出：截面的最高点高度、最低点高度、平均高度、轮廓曲率（如是否为圆弧）；
   • 适用场景：分析零件的截面形状（如轴类零件的横截面是否为标准圆形、型材的截面尺寸是否符合设计）。

4. 步骤 4：体积测量（扩展功能）

   • 部分高级 3D 工具（如 Cog3DRangeImageVolumeCalculatorTool）可基于高度数据计算指定区域的体积：
     • 原理：将 3D 区域划分为多个微小立方体（体素），计算每个体素的体积（面积 × 高度），求和得到总体现；
     • 适用场景：零件体积检测（如注塑件是否缺料）、缺陷体积计算（如凹陷区域的体积）。

视觉工具总结与补充说明

一、视觉工具四大应用方向

1. 尺寸测量：获取零件的物理尺寸（长度、直径、角度、高度），判断是否符合设计要求；
2. 缺陷检测：识别零件表面、印刷、装配中的缺陷（划痕、漏印、缺件），筛选不合格品；
3. 定位引导：确定目标在图像中的位置与姿态，引导机械手抓取、装配或流水线定位；
4. 条码字符识别：读取图像中的条码（一维 / 二维）和字符（零件编号、生产日期），实现产品追溯。

二、核心工具详细说明

1. 模板匹配工具（如 CogPMAlignTool）

• 核心功能：检测图像中的目标特征，判断目标是否存在，输出目标的 “像素坐标（X/Y）”“姿态（角度、缩放比例）”，为定位引导服务；
• 关键特性：
  • 支持 “单模板匹配”（适用于单一固定目标，如同一型号零件）；
  • 支持 “多模板匹配”（适用于目标外观有轻微差异或多种目标，如同一零件的不同角度）；
  • 支持 “彩色模板匹配”（利用颜色信息提高匹配鲁棒性，如识别彩色标签）；
• 适用场景：机械手抓取定位、零件有无检测、流水线目标对齐。

2. 卡尺工具（如 CogCaliperTool）

• 核心功能：专注于一维尺寸测量，通过在图像中设定 “卡尺线”（沿指定方向的直线或弧线），检测卡尺线上的 “边缘点”（亮暗交界），计算边缘间的距离；
• 关键参数：
  • 卡尺线设置：长度、方向（水平 / 垂直 / 自定义角度）、边缘极性（亮到暗 / 暗到亮）；
  • 边缘阈值：设置最小边缘强度（如 15），过滤弱边缘（噪声）；
  • 测量模式：单边缘（测量到图像边缘的距离）、双边缘（测量两个边缘间的距离）；
• 适用场景：零件的长度、宽度、间隙、半径（弧线卡尺）测量（如螺栓直径、两孔间距的单边长度）。

3. 几何工具组

• 核心功能：测量平面图像中的二维几何参数，基于提取的点、线、圆等特征，计算几何关系；
• 子工具分类：
  • 找线工具（CogFindLineTool）：提取直线特征，输出直线的 “起点 / 终点坐标”“方向角度”“长度”，适用于零件边缘提取（如矩形零件的四条边）；
  • 找圆工具（CogFindCircleTool）：提取圆形特征，输出 “圆心坐标”“半径”“圆度”（与标准圆的差异），适用于圆孔、圆形零件检测；
  • 几何测量工具：计算点到线、点到圆、线到圆、线到线的距离，以及线与线的夹角、线与圆的交点，适用于垂直度、平行度、同轴度检测；
• 适用场景：零件的二维几何精度检测（如矩形零件的对边平行度、圆孔的圆心间距）。

4. 定位工具（如 CogFixtureTool）

• 核心功能：建立图像中的 “基准坐标系”，为其他工具（几何工具、卡尺工具）提供位置基准，解决 “图像偏移导致的测量误差”；
• 工作原理：
  • 先通过 “模板匹配” 或 “特征提取”（如找圆、找线）确定 “基准目标” 的位置与姿态；
  • 工具生成 “坐标系偏移参数”（平移量、旋转角度）；
  • 其他检测工具的 “检测区域” 会自动跟随基准目标的姿态变化，确保检测位置始终对准目标；
• 适用场景：流水线零件位置不固定（如偏移、旋转）时的尺寸测量、缺陷检测（如瓶装饮料标签的缺陷检测，标签旋转后仍能准确检测）。

5. 颜色工具组

• 核心功能：处理彩色图像的颜色分析与识别，提取特定颜色区域或判断颜色一致性；
• 子工具分类：
  1. 颜色抽取工具（CogColorExtractTool）：
     • 功能：从彩色图像中提取 “指定颜色区间”（如 RGB 红色：R>200、G<80、B<80）的像素，生成对应的灰度图（目标颜色区域为亮，其他区域为暗）；
     • 适用场景：识别彩色零件上的特定颜色标记（如红色合格标记、蓝色缺陷标记）；
  2. 颜色匹配工具（CogColorMatchTool）：
     • 功能：预先定义 “标准颜色模板”（如 “标准红色”“标准绿色”），对指定区域的颜色进行比对，输出 “匹配类别” 和 “相似度”（如 95% 匹配标准红色）；
     • 适用场景：产品涂装颜色检测（如汽车零件的喷漆颜色是否合格）、包装颜色一致性检测；
• 关键参数：颜色空间（RGB、HSV，HSV 更抗光照干扰）、颜色容差（允许的颜色波动范围）。

6. ID 与字符识别工具组

• 核心功能：读取图像中的条码信息和字符信息，实现产品追溯与信息录入；
• 子工具分类：
  1. ID 工具（CogIDTool）：
     • 功能：识别一维条码（Code 128、EAN-13）和二维条码（QR Code、Data Matrix），自动定位条码位置，解码并输出条码中的文本字符串（如产品编号、批次）；
     • 关键参数：条码类型过滤（仅识别指定类型）、解码精度（高 / 中 / 低，高精度适用于模糊条码）；
  2. OCR 工具（CogOCRTool，光学字符识别）：
     • 功能：识别图像中的印刷 / 打印字符（如零件编号、生产日期），默认支持单行识别（高级版本支持多行）；
     • 关键特性：可自定义训练字符库，将特定字体的字符样本保存为.ocr 文件，提高对特殊字体（如手写体、艺术字体）的识别准确率；
• 适用场景：产品追溯（读取条码中的生产信息）、零件编号录入（OCR 识别零件上的编号）。

7. 斑点检测工具（CogBlobTool）

• 核心功能：通过分析图像中 “灰度值连通区域（斑点）” 的特征，检测目标或缺陷，适用于无明显边缘但有灰度差异的目标（如污渍、气泡）；
• 关键流程：
  1. 极性与阈值设置：
     • 极性：确定目标斑点的灰度属性（“白底黑点”→目标为暗斑，“黑底白点”→目标为亮斑）；
     • 阈值模式：“硬阈值固定”（如灰度 < 100 为目标）、“硬阈值相对”（如低于平均灰度 20% 为目标）；
  2. 特征提取与过滤：
     • 提取斑点的特征：面积、周长、非环性（形状与圆形的差异，非环性 = 1-（4π× 面积 / 周长 ²），越接近 1 越圆）、连通性（单连通 / 多连通）、宽度 / 高度；
     • 设置过滤条件（如面积 > 100 像素、非环性 < 0.5），筛选出目标斑点；
  3. 结果输出：斑点区域以 “CogPolygon（多边形）” 形式存储，可通过 GetBoundary () 方法获取轮廓坐标，用于后续位置计算；
• 适用场景：表面污渍检测、气泡检测、零件上的小孔检测。

8. 容器工具（ToolBlock 与 ToolGroup）

• 核心功能：对多个功能工具进行 “分组管理与逻辑联动”，简化复杂视觉任务的流程，提高工具复用性；
• 工具特性：
  • 分类管理：将功能相关的工具分组（如 “定位模块” 含 CogPMAlignTool+CogFixtureTool，“测量模块” 含 CogCaliperTool + 几何工具），便于批量启用 / 禁用、参数调整；
  • 脚本支持：在容器内添加 C#/VB 脚本，实现自定义逻辑（如根据测量结果判断产品合格与否，输出 OK/NG 信号）；
  • 自动导包：容器内部工具的依赖包会自动导入，无需手动配置；
• 使用建议：按 “四步操作法” 编写脚本：1. 定义输入 / 输出参数；2. 调用容器内工具并传递参数；3. 处理工具返回结果；4. 输出最终判断（如合格 / 不合格）。

9. 图像预处理工具组

• 核心功能：改善图像质量，消除干扰因素（光照、噪声、模糊），为后续检测 / 识别提供高质量图像；
• 常见工具：
  • 亮度调整：CogIPOneImageTool（加减常量）、直方图均衡化（拉伸灰度范围，提升对比度）；
  • 噪声去除：高斯模糊（过滤高斯噪声）、中值滤波（过滤椒盐噪声）、双边滤波（去噪同时保留边缘）；
  • 图像增强：锐化（如拉普拉斯锐化，增强边缘清晰度）、对比度拉伸（拉大目标与背景的灰度差）；
  • 几何校正：畸变校正（基于相机内参）、旋转 / 缩放 / 平移（调整图像姿态）；
• 适用场景：低光照、高噪声、模糊图像的预处理（如车间环境下的零件图像，需先去噪、提亮再检测）。

10. 校准与标定工具组

• 核心功能：解决 “像素与物理世界关联” 及 “多坐标系统一” 问题，确保测量精度与多设备协同；
• 工具分类：
  • 相机校准（CalibCheckerboard）：计算相机内参与畸变参数，将像素距离转换为物理距离，用于高精度尺寸测量；
  • 坐标标定（CogCalibNPointToNPointTool）：统一相机与机械手 / 其他设备的坐标系，将相机坐标直接转为设备可使用的物理坐标，用于视觉引导；
• 关键区别：校准聚焦 “像素 - 物理距离转换”，标定聚焦 “多坐标系统一”，二者常配合使用（先校准相机，再标定坐标系）。