亮斑斑点的成像检测

 

• 一、待检测图像
• 二、斑点检测原理
• 二、实际检测方法
• 总结

---

摘要

纸盒表面可能存在脏污烟渣等，如果超过一定面积，需检测为不良品。

---

一、待检测图像

    检测如红框所示的异常点，异常原因传送带脏污，有烟渣覆盖在烟盒表面。

 

二、斑点检测原理

    如下所示的成像, 上部是二次求导, 下部是图像的灰度值。

1.LOG算子

    log算子即高斯拉普拉斯, 先进行Laplace再与图像进行平滑处理。

2.DOG算子

  dog算子即高斯查分。

3. 曲线响应

 

       Log曲线其实是两条边界上产生的LoG函数的叠加，当两条边界足够小时，在该尺度脉冲下就被作为了blob，这时候LoG曲线的极值就对应着blob的中心。着尺度的不断增大，LoG曲线由双波谷逐渐融合成单波谷，但是响应的幅值越来越弱，因为随着尺度的增加, log算子的最大幅度逐渐的减少，稳定的信号，相应的幅度与方差成正比，可以消除尺度的影响。

    使用Log算子进行Blob检测时，首先在不同尺寸上对图像进行Log，然后检测在尺度空间和图像空间都是极值的点，就是blob区域的中心点。

4. Dog进行Blob检测流程

A: 首先使用不同尺度的高斯算子对图像进行平滑

B: 其次计算相邻尺度下平滑图像的差分图像(DoG空间)

C: 最后在DoG空间寻找极值点

// 参考 https://www.cnblogs.com/YiXiaoZhou/p/5891645.html

Mat create_LOG(int size, double sigma)
{
    Mat H(size, size, CV_64F);
    int cx = (size-1)/2;
    int cy = (size-1)/2;
    double sum = 0;
    for(int i = 0; i < H.rows; i++)
    {
        for(int j = 0; j < H.cols; j++)
        {
            int nx = i - cx;
            int ny = j - cy;
            double s = -1/(3.1415926 * sigma*sigma*sigma*sigma);
            s = s* (1 - (nx*nx + ny*ny)/(2*sigma*sigma));
            s = s*exp(-(nx*nx+ny*ny)/(2*sigma*sigma));
            sum += s;
            H.at<double>(i,j) = s;
        }
    }

    double mean = sum/(size*size);

    for(int i = 0; i < H.rows; i++)
    {
        for(int j = 0; j < H.cols; j++)
        {
            H.at<double>(i,j) -= mean;
        }
    }

return H;
}

 5. Dog结果图

如下所示, 进行不同参数的调试, 无法有效的检测。

 

三、实际检测方法

1. 图像的锐化

构建不同方向的滤波, 强化灰度发生变化的位置。

    //1. 单通道的grayImg
    cv::Mat grayImg;
    getGrayImg(srcImg, grayImg);

    //2. 在顺45方向的filter2d
    cv::Mat filterTlImg;
    cv::filter2D(grayImg, filterTlImg, grayImg.depth(), KernelTl);
    cv::convertScaleAbs(filterTlImg, filterTlImg);

    //3. 在逆45方向的filter2d
    cv::Mat filterTrImg;
    cv::filter2D(grayImg, filterTrImg, grayImg.depth(), KernelTr);
    cv::convertScaleAbs(filterTrImg, filterTrImg);

    //4. 在顺45方向的filter2d
    cv::Mat filterBlImg;
    cv::filter2D(grayImg, filterBlImg, grayImg.depth(), KernelBl);
    cv::convertScaleAbs(filterBlImg, filterBlImg);

    //5. 在逆45方向的filter2d
    cv::Mat filterBrImg;
    cv::filter2D(grayImg, filterBrImg, grayImg.depth(), KernelBr);
    cv::convertScaleAbs(filterBrImg, filterBrImg);

    //6. 各个方向锐化的相加
    cv::Mat filterImgTop, filterImgBottom;
    cv::addWeighted(filterTlImg, 1.0, filterTrImg, 1.0, 0, filterImgTop);
    cv::addWeighted(filterBlImg, 1.0, filterBrImg, 1.0, 0, filterImgBottom);
    cv::addWeighted(filterImgTop, 1.0, filterImgBottom, 1.0, 0, resFilterImg);

 

2. 锐化成像结果图

 

3. 轮廓特征检测

/*roi的 highLight 的参数*/
message HightLightNPArea {
    optional bool save_high_flag = 1;
    required string check_name = 2;
    required RoiBinMorph roi_bin_morph = 3;
    required int32 black_length = 4;
    required int32 black_area = 5;
}

---

总结

构建不同方向的滤波, 锐化灰度变化区域。如果有底纹, 需要进行底纹背景的弱化