2D算法 Halcon 检测磨砂表面的缺陷（高斯滤波差分，分水岭，灰度共生矩阵）

由于磨砂表面粗糙（噪点很多，影响二值化） 因此该例程使用了频域高斯滤波差分后，在空间域的blob分析用了分水岭域分割滤波后的图像，计算每个区域灰度共生矩阵，通过能量筛选缺陷。

dev_close_window ()
dev_update_off ()
read_image (Image, ‘D:/1.png’)
get_image_size (Image, Width, Height)
dev_open_window (0, 0, 640, 480, ‘black’, WindowHandle)
set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’)
dev_set_draw (‘margin’)
dev_set_line_width (3)
dev_set_color (‘red’)
decompose3 (Image, R, G, B)
fft_generic (B, ImageFFT, ‘to_freq’, -1, ‘sqrt’, ‘dc_center’, ‘complex’)
gen_gauss_filter (ImageGauss, 50, 50, 0, ‘none’, ‘dc_center’, Width, Height)
convol_fft (ImageFFT, ImageGauss, ImageConvol)
fft_generic (ImageConvol, ImageBackground, ‘from_freq’, 1, ‘sqrt’, ‘dc_center’, ‘byte’)

• 图像减去背景，增加特征与背景对比度
  sub_image (B, ImageBackground, ImageSub, 2, 100)
• 中值滤波，为分水岭域做准备
  median_image (ImageSub, ImageMedian, ‘circle’, 9, ‘mirrored’)
  watersheds_threshold (ImageMedian, Basins, 20)
• 缺陷部分是黑色的，灰度值小能量就小，所以根据能量可以将缺陷的区域筛选出来
  cooc_feature_image (Basins, ImageMedian, 6, 0, Energy, Correlation, Homogeneity, Contrast)
  Mask := Energy [<=] 0.05
  select_mask_obj (Basins, Defects, Mask)
  dev_display (Image)
  dev_display (Defects)
  count_obj (Defects, NDefects)
  disp_message (WindowHandle, NDefects + ’ ‘mura’ defects detected’, ‘window’, 12, 12, ‘red’, ‘true’)
  

🙄 相关API参数：

cooc_feature_image（计算图像的灰度共生矩阵）
cooc_feature_image(Regions, Image ,LdGray, Direction ,Energy, Correlation, Homogeneity, Contrast)

参数列表：
Regions（in） //要检查的区域。
Image （in） //灰度图像。
LdGray(in） //要区分的灰度值的数量。（默认6）
Direction （in） //矩阵的计算方向(‘0’,‘45’,‘90’,‘130’,'mean‘）
Energy（out） //能量
Correlation（out）//相关性
Homogeneity（out) //局部均匀性（熵）
Contrast（out） //对比度（反差）
输出参数详解：

能量（Energy）：是对图像纹理的灰度变化稳定程度的度量,反应了图像灰度分布均匀程度和纹理粗细度。能量越大，表示灰度变化比较稳定，反映了纹理变化的均匀程度。。对于灰度图来说，能量低说明灰度值低，对于彩色图来说，能量低说明光强低。

相关性（Correlation）：表示纹理在行或者列方向的相似程度。相关性越大，相似性越高。

（熵）局部均匀性（Homogeneity）：反映图像局部纹理的变化量（即复杂程度），熵值越大图像越复杂。

(反差）对比度（Contrast）：表示矩阵的值的差异程度，也间接表现了图像的局部灰度变化幅度。反差值越大，图像中的纹理深浅越明显，表示图像越清晰；反之，则表示图像越模糊。

watersheds_threshold(阈值分水岭图像分割)
watersheds_threshold(Image ,Basins ,Threshold )

参数列表：
Image（in）//输入图像(最好先用中值滤波处理）
Basins（out）//输出二值图像（盆地）
Threshold（in）//阈值
算子描述：

第一步：计算出分水岭（不使用该参数Threshold ），分割的盆地和调用算子watersheds得到的盆地是相同的
第二步：如果被一个分水岭分割的相邻盆地与对应分水岭的高度差小于Threshold ，盆地依次合并。假设B1和B2分别是两个相邻盆地的最小灰度值，W是盆地对应分水岭的最小灰度值。当满足以下条件时，两个盆地合并：max{W-B1，W-B2}<Threshold 。由此得到的盆地存储在Basins 变量中。