脏污MARK识别

MARK识别脏污

常规的MARK点识别没什么好说的，对于脏污的MARK识别，大概处理了下，具体效果待验证。

例如这种。

灰度图是这样

比较麻烦的是，前景和背景区分不明显，自动二值化的话，无法很好地区分，手动设定二值化阈值，又不能保证每张图阈值都一样，有点难弄。

binary_threshold (ImageReduced, Region1, 'max_separability', 'light', UsedThreshold)

效果如下：

区域是这样的话，无论如何做图像处理，都无法找到合适的圆形区域。同时，卡尺找边缘，canny找边缘等方式，由于灰度变化不明显，效果都不好。

核心在于如何做好二值化。自动二值化。

其实从灰度直方图来看，差距还是很明显，暗区域基本集中在一块，只需要把第一个峰值区域刨开，剩下的就是MARK点区域了。

不知道halcon的自动二值化用的什么直方图切割方式，试了下其他threshold方法，也都效果不好。自己想了一个，效果还行

gray_histo (ROI_0, ImageReduced, AbsoluteHisto, RelativeHisto)
histo_to_thresh (AbsoluteHisto, 2, MinThresh, MaxThresh)
threshold(ImageReduced, Region, MaxThresh[0], 255)  

二值化效果如下：

有这个效果，后面的就好处理了。

opening_circle(Region, RegionOpening, 3.5)

select_shape_std (RegionOpening, SelectedRegions, 'max_area', 70)

closing_circle (SelectedRegions, RegionClosing, 30)

boundary (RegionClosing, RegionBorder, 'inner')

skeleton (RegionBorder, Skeleton)

gen_contours_skeleton_xld (Skeleton, Contours, 1, 'filter')

intersection (RegionBorder, ROI_0, RegionIntersection)
fit_circle_contour_xld (Contours, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)
gen_circle (Circle, Row, Column, Radius)
gen_circle_contour_xld (ContCircle, Row, Column, Radius, 0, rad(360), 'positive', 1)
shape_trans (RegionIntersection, RegionTrans, 'inner_circle')
*找到边缘所在区域，根据图像大小区别，也需要修改
dilation_circle (Circle, RegionDilation, 5)
erosion_circle (Circle, RegionErosion, 1.5)

difference (RegionDilation, RegionErosion, RegionDifference)

reduce_domain(Image1,RegionDifference,Imagetest)
*这个用来找边缘，根据图像变化，也是需要修改的
edges_sub_pix (Imagetest, Edges, 'canny', 1, 10, 20)

segment_contours_xld (Edges, ContoursSplit, 'lines_circles', 2, 2, 2)

union_cocircular_contours_xld (ContoursSplit, UnionContours, 0.5, 0.1, 0.2, 30, 10, 10, 'true', 1)

*排除掉小轮廓 

* 如图像变大，这块的参数是要修改的。
select_contours_xld (UnionContours, SelectedContours, 'contour_length', 4, 2000, -0.5, 0.5)

*这个是将轮廓连起来。有可能轮廓无法连接，或连接的轮廓太少，或连接出错，导致拟合出错
union_adjacent_contours_xld (SelectedContours, UnionContours1, 100, 1, 'attr_keep')

select_obj(UnionContours1, ObjectSelected, 1)
fit_circle_contour_xld (ObjectSelected, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)

gen_circle_contour_xld (ContCircle, Row, Column, Radius, 0, rad(360), 'positive', 1)



dev_display(Image)
dev_display(ContCircle)
stop()

最终结果，目前来看效果还可以。原来常规方法处理不出来的都正确识别了。从轮廓表现上来看，精度也不错。不过这个适配性还是不高，详见注释。