Halcon学习之缺陷检测-凸点检测

思路：读取图片--》图片转化为灰度---》快速傅里叶变换把图像转到频域---》频域滤波器进行卷积---》快速傅里叶反变换---》用一个矩形掩膜计算像素点的灰度范围---》求图片灰度值的最大和最小值和变换范围---》利用全局阈值对图像进行分割---》连通区域---》根据面积筛选区域---》合并区域---》使用圆形元素对区域进行闭运算---》连通区域---》根据面积筛选区域---》计算区域的面积以及中心位置---》显示结果

例程：detect_indent_fft.hdev

说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：

首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；

然后，将原图和构造的滤波器进行快速傅里叶变换；

最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。

注：代码中绿色部分为个人理解和注释,其余为例程中原有代码

*Initialization（初始化）
dev_updata_off()      //这一句包含如下三个算子：
//dev_updata_pc(‘off’)        关闭更新程序计数器
//dev_updata_var(‘off’)       关闭更新变量窗口
//dev_updata_window(‘off’)    关闭更新图像窗口（即通过命令来显示想要在图像窗口显示的图片）
dev_close_window()    //关闭活动的图像窗口
read_image(Image,’plastics
/
plastics_01’) //载入图片
//参数说明：为读入图片命名（Image）
//         文件名（’plastics/plastics_01’）
get_image_size(Image,Width,height)        //获取图片的长宽；
//参数说明：之前读入或生成的图片（Image）
//           图片的宽（Width）
//           图片的高（Height）
dev_open_window(0,0,Width,Height,’Black’,WindowHandle)  //打开一个新的图像窗口
//参数说明：起始坐标（0,0）
//            大小（Width,Height）
//            背景颜色（’Black’）
//            窗口句柄（WindowHandle）
set_display_font （WindowHandle,14,’mono’,’ture’,’false’）//设置不依赖操作系统的字体
//参数说明：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
//参数说明：填充模式（’Margin’或者’Fill’）

dev_set_line_width（3）    //设置输出区域轮廓线的线宽
                              //可以修改参数来看最后缺陷区域标示的区别
dev_set_color（’red’）   //设置一种或者多种输出颜色

*
*Optimize the fft speed for the specific image size(根据指定图像大小进行fft速度最优化)
optimize_rft_speed（Width,Height,’standard’）    //对指定大小的图片的fft速度进行优化
//参数说明：图片大小（Width,Height）
//            优化模式（’standard’）

*
*Construct a suitable filter by combining two Gaussian filters（结合两个高斯滤波器构造一*个合适的滤波器）
Sigma1 := 10.0
Sigma2 := 3.0        //定义两个常量
gen_gauss_filter(GaussFilter1,Sigma1,Sigma1,0.0,’none’,’rft’,Width,Height)
gen_gauss_filter(GaussFilter2,Sigma2,Sigma2,0.0,’none’,’rft’,Width,Height)                            //在频域生成两个高斯滤波器
//参数说明：生成的高斯滤波器（GaussFilter）
//            空域中高斯在主方向上的标准差（Sigma）
//            空域中高斯在正交于主方向的方向上的标准差（Sigma）
//            滤波器主方向的角度（0.0）
//            滤波器的规范（’none’）
//            直流项在频域的位置（’rft’）
//            图片的大小（Width,Height）
sub_image(GaussFilter1,GaussFilter2,Filter,1,0)    //两图片相减（灰度）
//sub_image(ImageMinuend, ImageSubtrahend : ImageSub : Mult, Add : )
//g' := (g1 - g2) * Mult + Add
//以上为函数原型以及运算公式

*
*Process the images iteratively(对图像进行迭代运算)
NumImages := 11
For Index := 1 to NumImages by 1        //for循环从1到NumImages，步长为1

   *
   *Read an image and convert it to gray values
   read_image(Image,’plastics/plastics_’+Index$’02’)
   rgb1_to_gray(Image,Image)            //将原图转化为灰度图，第一个参数为原图
   *Perform the convolution in the frequency domain
   rft_generic(Image,ImageFFT,’to_freq’,’none’,’complex’,Width)//对计算一幅图片实部进行快速傅里叶变换
   //参数说明：输入的图片（Image）
   //            傅里叶变换后输出的图片（ImageFFT）
   //            变换方向（’to_freq’或’from_freq’）
   //            变换因子的规范（’none’）
   //            输出图片的数据类型（’complex’）
   //            图片的宽（Width）
   convol_fft(ImageFFT,Filter,ImageConvol)    //对图片用一个滤波器在频域进行卷积运算
   //参数说明：输入的图片（ImageFFT）
   //            频域滤波器（Filter）
   //            运算后输出的结果
   rft_generic(ImageConvol,ImageFiltered,’from_freq’,’n’,’real’,Width)    //对滤波后的图片进行傅里叶反变换

   *
   *Process the filtered image
   gray_range_rect(ImageFiltered,ImageResult,10,10)//用一个矩形掩膜计算像素点的灰度范围
   //参数说明：输入的图片（ImageFiltered）
   //            输出的灰度范围图（ImageResult）
   //            矩形掩膜大小（10,10）
   min_max_rect(ImageResult,ImageResult,0,Min,Max,Range)//判断区域内灰度值的最大和最小值
   //参数说明：待分析图片区域（ImageResult）
   //            图片（ImageResult）
   //            被去除的直方图两边像素点所
   //            占总像素数的百分比（0）
   //            得到的最小值最大值及灰度值范围（Min,Max,Range）
   threshold(ImageResult,RegionDynThresh,max([5.55,Max*0.8]),255)//利用全局阈值对图像进行分割
   //参数说明：输入的图片（ImageResult）
   //            分割后得到的区域（RegionDynThresh）
   //            阈值（max([5.55,Max*0.8]),255）
   //            公式：MinGray <= g <= MaxGray
   connection(RegionDynThresh,ConnectedRegions)    //计算区域内的连通部分
   //参数说明：输入的图片（RegionDynThresh）
   //            得到的连通区域（ConnectedRegions）
   select_shape (ConnectedRegions,SelectedRegions,’area’,’and’,4,99999)//根据指定的形态特征选择区域
   //参数说明：输入的图片（ConnectedRegions）
   //            满足条件的区域（SelectedRegions）
   //            将要计算的形态特征（’area’）
   //            独立特征间的连接关系（’and’）
   //            特征的最小限制（4）
   //            特征的最大限制（99999）
   union1(SelectedRegions,RegionUnion)    //返回包含所有区域的集合
   //参数说明：包含所有区域的待计算区域的图片（tedRegions）
   //            所有输入区域合（RegionUnion）
   closeing_circle(RegionUnion,RegionClosing,10)//用一个圆圈来封闭一个区域
   //参数说明：将要被封闭的区域（RegionUnion）
   //            被封闭的区域（RegionClosing）
   //            圆圈的半径（10）
   connection(RegionClosing,ConnectedRegions1)
   select_shape(ConnectedRegions1,SelectedRegions1,’area’,’and’,10,99999)
   area_center(SelectedRegions1,Area,Row,Column)    //计算区域的面积以及中心位置
   //参数说明：待计算的区域（SelectedRegions1）
   //            区域的面积（Area）
   //            区域中心的行（Row）
   //            区域中心的列（Column）

   *
   *Display the results
   dev_display(Image)        //显示原图
   Number := |Area|          //将区域面积赋给Number用于后面检查是否存在缺陷
   if(Number)
      gen_circle_contour_xld(ContCircle,Row,Column,gen_tuple_const(Number,30),gen_tuple_const(Number,0), gen_tuple_const(Number,rad(360)),’positive’,1)//构造一个与设定的圆弧或圆相一致的边界
       //参数说明：生成的边界（ContCircle）
       //            圆弧或圆的中心坐标（Row,Cloumn）
       //            圆弧或圆的半径（gen_tuple_const(Number,30)）
       //            圆弧或圆的起始角度（gen_tuple_const(Number,0)）
       //            圆弧或圆的结束角度（gen_tuple_const(Number,rad(360))）
       //            不明白是什么意思
       //            相邻两点间的距离（1）
       ResultMessage := [‘Not OK’,Number + ‘defect(s) found’]
      Color := [‘red’,’black’]
      dev_display(ContCircle)
   else
      ResultMessage := ‘OK’
       Color := ‘forest green’
   endif
      disp_message(WindowHandle,ResultMessage,’window’,12,12,Color,’ture’)
      if(Index#NumImages)
            disp_continue_message(WindowHandle,’black’,’ture’)
            stop()
      endif
endfor