缺陷检测解析和实战

*Major*

已于 2022-11-08 23:16:24 修改

阅读量592

点赞数

文章标签： halcon

于 2022-01-24 22:09:58 首次发布

本文链接：https://blog.csdn.net/qq_41375318/article/details/122676122

版权

$缺陷检测解析和实战$

一缺陷类型

1 产品外部缺陷：凸凹：毛刺等

2 产品内部缺陷：污点、内部凸凹点、瑕疵、孔洞、破损

3 划痕

二打光

划痕–低角度环形光，划痕打白，背景打暗
划痕–同轴光

凸点，角度光

凹点，垂直光

blob分析的核心在于阈值分割（图像分割）

blob分析之阈值分割算子

阈值分割

threshold (Image, Region, 128, 255)
对应参数分别为输入图像、输出区域、阈值下限、阈值上限

动态阈值分割

mean_image (Image, ImageMean1, 9, 9)
dyn_threshold (Image, ImageMean1, RegionDynThresh, 5, 'light')
对应参数分别为原始图像、阈值图像、输出区域、偏移量、输出类型

当LightDark = 'light' 时 g0 >= gt+Offset;
当LightDark = 'dark' 时 g0 <= gt-Offset;
当LightDark = 'equal' 时 gt-Offset <= g0 <= gt+Offset;
当LightDark = 'not_equal' 时 gt+Offset < g0 或者 g0 < gt-Offset;

二值化分割

非常适用于在均匀照明的背景下分割

binary_threshold (Image, Region, 'max_separability', 'dark', UsedThreshold)
对应参数分别为输入图像、输出区域、使用方法、选择前景还是背景、输出使用的阈值

使用二值阈值分割图像，binary_threshold使用自动确定的全局阈值分割单通道图像，并在region中返回分割后的区域，分割所使用的阈值由method中给出的方法确定，非常适用于在均匀照明的背景下分割字符；
目前，method总共提供两种方法：'max_separability' 和 'smooth_histo'，这两种方法都只能用于具有双峰直方图的图像：
 'smooth_histo' 方法和bin_threshold的功能一致，可以参考bin_threshold的分割过程；
'max_separability' 方法是靠UsedThreshold来决定最小阈值的，速度比'smooth_histo'要快，对于干扰也不是很敏感；

直方图阈值分割

*直方图阈值分割
auto_threshold (Image, Regions, 2)
对应参数分别为输入图像、输出区域、高斯参数
利用直方图确定的阈值分割图像，通过多阈值分割单通道图像，会返回多个区域；首先输入图像的绝对直方图的灰度值是确定的，然后高斯平滑（Sigma）后从直方图中提取相关的最小值

Sigma越大，提取的区域就越小；

快速分割

fast_threshold (Image, Region, 128, 255, 20)
对应参数分别为输入图像、输出区域、阈值下限、阈值上限、处理参数（MinSize）
在理解MinSize的时候，可以直接理解为就是一个加速参数，把图像分成两块来分别处理，MinSize决定了两块的比例；
MinSize越大，速度越快

var_threshold

在不均匀的，嘈杂的，或不均匀照明的背景上分割区域是比较合适的；

var_threshold (Image, Region, 15, 15, 0.2, 2, 'dark')
var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )

输入图像、输出区域、掩膜宽度、掩膜高度、灰度值的标准差因子、与平均值的最小灰度差值、阈值类型
LightDark：提取像素的局部灰度值是亮的还是暗的
MaskWidth和MaskHeight的最小值应该要大于等于3，值3可以被认为是最小的敏感值
StdDevScale ：较高的值意味着只选择与周围环境非常不同的像素，建议值是在-1.0到1.0之间，0.2是建议值
如果StdDevScale是正值，那么像素灰度值需要具有较高的标准偏差（不均匀的图像）；如果StdDevScale是负值，那么像素灰度值需要具有较低的标准偏差（均匀的图像）；StdDevScale 局部标准差被用来衡量图像中的噪声，标准差可以通过StdDevScale进行缩放
StdDevScale的值过于小，导致很多像素没有被选中，值过大，导致不需要的像素值被选中

AbsThreshold 在均匀的图像中，标准差较低;因此，单个灰度值的影响较大，为了减小算子的灵敏度，需要调整AbsThreshold的值，这样单个灰度值的变化就可以被忽略；

如果StdDevScale是负值，AbsThreshold也应该选择为负值，因为标准差比较低，

标准差可以通过StdDevScale进行缩放