halcon机器视觉
文章平均质量分 55
Bailiwuyi
落花伤春意 荷生悲夏风 叶落秋心愁 无雪怅一冬
展开
-
halcon机器视觉实例3--木板划痕检测
前言先前的两个实例都是官方例程,不能老拿官方实例说事。因此,本次例程是从网上下找的图片素材。正文待检测图片。网上找的素材,水印都还在。其实,整个检测过程都可以视为是一种套路。通过傅里叶变换,用一个带通滤波器在频域滤除了高频噪声,再凸显下特征部分。接着就是通过灰度值、面积、朝向(phi)去提取特征,过程并不复杂。代码实现在文末。需要说明的是本例中图片上有大量垂直方向的噪声,所以通过phi去过滤噪声很重要。另外,有一条划痕没有检测出来。因为,经过尝试那条划痕特征不明显,如果要检测出来会引入太原创 2021-12-21 14:37:55 · 1636 阅读 · 0 评论 -
halcon机器视觉实例2--表面划痕检测fft
前言此文针对《halcon机器视觉实例2》中遗留问题的进阶。照例不喜欢贴代码,而是阐述见解。本文还是以官方例程为例--find_scratches_bandpass_fft。其实就是通过快速傅里叶变换来检测划痕。正文先前是通过均值滤波+动态阈值分割提取的特征。其实就是通过灰度值平均后,与原图的比较来凸显特征。这种方式其实对噪声的去除效果有限。对比如下:第一张图是非fft的,第二张是fft。可以清楚的看到–fft对噪声的去除效果提升显著。对于快速傅里叶变换–fft,本文不做展开。本文仅原创 2021-12-20 14:48:47 · 2031 阅读 · 0 评论 -
halcon机器视觉实例1--表面划痕检测
前言这个是开始halcon机器视觉的第一篇。为什么要用halcon呢,因为有很多现成的算子,方便快速应用。后续的计划是一边熟悉halcon,一边刷刚萨雷斯的《数字图像处理》。正文以官方例程xxx为例1,根本不可能仅以灰度值作为判断划痕的依据。因为,划痕像素点的灰度值与非划痕处像素点的灰度值,不可能正好是一个二值分割的关系。简单点说,就是–不可能划痕区域的每个点都比所有的非划痕区域亮或者暗。且灰度值易受各种因素影响而变化。因此,鉴别划痕的思路应该是检测相对变化。2,官方例程的思路。先均原创 2021-12-18 15:23:39 · 4377 阅读 · 0 评论