Halcon机器视觉15种缺陷检测案例_01背景风格产品刮伤缺陷检测

Halcon机器视觉15种缺陷检测案例_01背景风格产品刮伤缺陷检测

效果：

代码

*背景风格产品刮伤缺陷检测
*关闭窗口
dev_close_window ()
*关闭程序计数器，图形变量更新，窗口图形更新
dev_update_off ()
*设置图像路径
Path := ''
*读取一张图像
read_image (Image, Path + '01')
*获取图像大小
get_image_size (Image, Width, Height)
*创建一个新窗体
dev_open_window_fit_size (0, 0, Width, Width, 640, 480, WindowHandle)
*设置字体信息：字体大小为14，字体为mono,粗体，斜体
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
*设置区域的填充方式
dev_set_draw ('margin')
*设置线宽度
dev_set_line_width (3)
*设置输出对象的显示色
dev_set_color ('red')
ScaleFactor := 0.4
*获取lines_gauss算子Sigma, Low, High 三个参数值
calculate_lines_gauss_parameters (17, [25, 3], Sigma, Low, High)
for f := 1 to 3 by 1
    *读取一张图像
    read_image (Image, Path + f$'.2i')
    *获取彩色图像的R,G,B三分量
    decompose3 (Image, R, G, B)
    *将图像转化为频域图像
    rft_generic (B, ImageFFT, 'to_freq', 'none', 'complex', Width)
    *生成一个高斯滤波核
    gen_gauss_filter (ImageGauss, 100, 100, 0, 'n', 'rft', Width, Height)
    *将频域图像核高斯滤波核进行卷积运算
    convol_fft (ImageFFT, ImageGauss, ImageConvol)
    *将卷积后的图像转换为空间域图像
    rft_generic (ImageConvol, ImageFFT1, 'from_freq', 'none', 'byte', Width)
    *用缺陷图像减去背景图像（时域图像）
    sub_image (B, ImageFFT1, ImageSub, 2, 100)
    *对上述图像进行抽点，变焦
    zoom_image_factor (ImageSub, ImageZoomed, ScaleFactor, ScaleFactor, 'constant')
    *获取变焦后的图像的ROI
    get_domain (ImageZoomed, Domain)
    *图像ROI进行腐蚀操作
    erosion_rectangle1 (Domain, RegionErosion, 7, 7)
    *获取变焦图像中ROI区域内的图像
    reduce_domain (ImageZoomed, RegionErosion, ImageReduced)
    *探测线和获取线宽度
    lines_gauss (ImageReduced, Lines, Sigma, Low, High, 'dark', 'true', 'gaussian', 'true')
    *生成一个2D的齐次变换矩阵
    hom_mat2d_identity (HomMat2DIdentity)
    *添加一个缩放因子到齐次变换矩阵
    hom_mat2d_scale_local (HomMat2DIdentity, 1 / ScaleFactor, 1 / ScaleFactor, HomMat2DScale)
    *仿射变换
    affine_trans_contour_xld (Lines, Defects, HomMat2DScale)
    *显示图像
    dev_display (Image)
    *显示线缺陷
    dev_display (Defects)
    
    stop()
endfor