halcon python缺陷检测_halcon边缘提取缺陷检测的思路

一、边缘提取

1

、设置

ROI

兴趣区域

2

、快速二值化，并连接相邻区域。这样做的目的是进一步减少目标区域，通过二值化将目

标区域大概轮廓提取出来

3

、提取最接近目标区域的轮廓

.

常用函数有

boundary

，

gen_contour_region_xld

4

、根据自己的需求提取需要的初步轮廓

5

、将初步提取的初步轮廓进行膨胀操作

6

、

将膨胀后的区域和原图进行减操作

(在这步之前有可能需要对原图进行高斯滤波)

。

这样

就能得到只有边缘的真实图像

7

、用

canny

或其他算子(根据需要)提取亚像素轮廓，一般使用

edges_sub_pix

函数

8

、处理和计算

得到真实的边缘

XLD

后你可能需要进一步处理得到你想要的线、弧等。

你可能用到的函数

segment_contours_xld

(分割)

union_collinear_contours_xld

(联合相邻

或相同角度直线)

select_contours_xld

(提取想要的轮廓)

union_cocircular_contours_xld

(联

合相同圆)等等

得到轮廓后如果你不知道怎么处理后得到你想要的东西(线、弧、圆、角、矩形)你都可以

将轮廓转化为点，然后用点集合来拟合任何你想要的东西。

二、

BLOB

分析检测(前面一篇有详细讲解，本骗只讲思路)

1

、应用

ROI

，可以使

Blob

分析加速。

2

、匹配

ROI

区域或图像，详将

GUIDEIIB

以形状为基础的匹配。

3

、

校正图像

<

经常用来去除镜头畸变或把图像转换到参考点视角，

如双目视觉时的图像校正

>

4

、图像前处理

5

、引用分割参数

6

、分割图像

7

、区域处理

8

、特征提取

9

、把提取的结果转换到世界坐标中

10

、结果可视化。

三、赃物检测

1

、得到两个不同高斯标准差的高斯积卷

2

、对原始图像进行傅里叶变换

'to_fre'

3

、用之前的积卷对图像做积卷滤波

4

、傅里叶反变换‘

from_fre

’