halcon缺陷检测学习3暗斑检测detect_mura_defects_texture

• 这个例子展示了如何检测高纹理图像中的色差不均匀缺陷
• 实现高纹理图像中缺陷的检测（黑色）。
• 缺陷的特征是暗斑。因此，通过从原始图像中减去估计的背景光照，缺陷变得更加明显
  dev_close_window ()
• 初始化
  dev_update_off ()

Path := ‘lcd/mura_defects_texture_’
*图片文件路径
read_image (Image, Path + ‘01’)
get_image_size (Image, Width, Height)
dev_open_window (0, 0, 640, 480, ‘black’, WindowHandle)
*图形窗口左上角的位置（0, 0）限制窗口宽度与高度（640, 480）新窗口的背景颜色（‘black’）新图形窗口句柄（WindowHandle）
set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’)
*设置字体。窗口句柄（WindowHandle）字体大小（14）字体类型（’mono’）是否黑体（’ture’）是否倾斜（’false’）
dev_set_draw (‘margin’)
*定义区域填充模式为（’边缘’或者’Fill’）
dev_set_line_width (3)
*设置输出区域轮廓线的线宽
dev_set_color (‘red’)
*设置轮廓线颜色红色
for f := 1 to 2 by 1
*共两个图像
read_image (Image, Path + f$’.2i’)
decompose3 (Image, R, G, B)
*对彩色图像进行R G B分解，选取B作为后续图像。decompose3(MultiChannelImage : Image1, Image2, Image3 : : )

*1 缺陷的特征是暗斑。因此，通过从原始图像中减去估计的背景光照，缺陷变得更加明显
estimate_background_illumination (B, ImageFFT1)
*生成背景模板（输入图片，背景模板）
sub_image (B, ImageFFT1, ImageSub, 2, 100)
*图像差分,增强两幅图像的差异。ImageFFT1-B=ImageSub。g':= (g1 - g2) * 倍数（2）+ 增加差值（100）

*2 中值滤波平滑了纹理，简化了接下来的分割和最终的缺陷检测
*中值滤波来抑制小斑点或细线
median_image (ImageSub, ImageMedian, 'circle', 9, 'mirrored')
*带有遮罩的中值滤波器。输入图片（ImageSub）中值图像（ImageMedian）筛选遮罩类型（包围）
*遮罩的半径（9）建议值:1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 15, 19, 25, 31, 39, 47, 59
*边界处理（镜像）建议值:“镜像”、“循环”、“继续”，0、30、60、90、120、150、180、210、240、255
watersheds_threshold (ImageMedian, Basins, 20)
*3使用阈值从图像中分割并提取多个分水岭盆地轮廓。待分割图像（ImageMedian）暗色盆地（Basins）分水岭阈值（20）: 0, 5, 10, 20, 30, 50

* 4根据能量提取缺陷。暗斑对应的区域能量非常低
cooc_feature_image (Basins, ImageMedian, 6, 0, Energy, Correlation, Homogeneity, Contrast)
*灰度共生矩阵推导各区域其灰度值特征。待检查区域（Basins）对应的灰度值（ImageMedian）待区分灰度值个数（6）矩阵计算的方向（0）
*灰度值的能量 灰度值的相关性 灰度值的局部同质性 灰度值的对比度
tuple_find (sgn(Energy - 0.05), -1, Indices)
 * 判断能量是否大于0.05，通过sgn函数将大于0.05的置1，小于的置-1
*返回一个元组在另一个元组中所有出现的元组的索引。要检查的输入元组 检测值为-1的元素 符合的位置的索引号（从0开始）
select_obj (Basins, Defects, Indices + 1)
*将带有索引(从1开始)的图标对象从图标输入对象元组对象复制到输出对象。
*输入的元组（Basins）选定的对象（Defects）要选择的对象的索引（Indices + 1）

dev_display (Image)
 *在当前图形窗口中显示图像对象(Image)。
dev_display (Defects)
*在当前图形窗口中显示缺陷(Defects)。
count_obj (Defects, NDefects)
*元组中的对象数目。要检查对象（Defects）对象数目（NDefects）
disp_message (WindowHandle, NDefects + '  \'mura\'  defects detected', 'window', -1, -1, 'red', 'true')
*设置文本框。句柄 显示内容(\'代表') 参考坐标 左上角坐标（-1, -1）如果设置为-1，则使用默认值12 红色字体白色对话框

if (f < 2)
    disp_continue_message (WindowHandle, 'black', 'true')
    *没有检测完所有图像，在当前窗口显示黑色字体白色对话框（默认第二个对话框为右下角）
    stop ()
endif

endfor