差影-Variation Model

最新推荐文章于 2024-06-25 09:17:20 发布

Jacksdcnsdjk

最新推荐文章于 2024-06-25 09:17:20 发布

阅读量379

点赞数 1

文章标签： c#

本文链接：https://blog.csdn.net/Sunny_love_you/article/details/110824776

版权

Variation Model是一种图像检测方法，通过对比标准图像与待检测图像的差异来找出不良。它涉及create_variation_model、train_variation_model等算子，支持standard和robust两种训练模式。标准模式适合迭代训练，而鲁棒模式对不良图片更具抵抗力。通过调整阈值，可以检测亮暗缺陷，广泛应用于印刷品和产品表面检测。

摘要由CSDN通过智能技术生成

简介：

Variation Model的主要原理是将待检测的图像与一张标准图像作比较，找出待检测图像与标准图像（idealimage）的明显差异（也就是不良）。标准图像可以采用几张OK品的图像训练（training）得到，也可以通过对一张OK品图像进行处理得到。训练后得到标准图像和一张variation图像（variationimage），variation图像中包含了图像中每个像素点灰度值允许变化的范围。标准图像和variation图像用来创建一个variation model，如此，其他图像就可以与variation model作比较了。（引用http://blog.sina.com.cn/s/blog_802a94a20102v10y.html）

1、create_variation_model( : : Width, Height, Type, Mode : ModelID)
输入参数：width、Height是模板和待检测图像的尺寸。

输入参数：Type，是图像的类型。

输入参数：Model，决定如何计算idealimage和variationimage，其有三种模式

1)、standard，该模式下，可以使用算子train_variation_model对多张图片进行迭代训练，此时ideal image是通过计算多张图片的平均值获得，variation image是通过计算多张图片的标准方差获得。该模式的优点是可以迭代计算多张good image，缺点是在训练图片时，一旦有不良的图片混入会导致算法检测时出现误判。

注意：在训练多张图片时，每张图片的位置、角度都必须