1一1剖面图方向_无纺布折痕检测（1） 基于构造方向滤波器的折痕检测

原图来自Ihalcon论坛

中间有一条对比度不明显的垂直折痕

(图片来源：http://www.ihalcon.com/read-4226.html)

发此帖子的楼主已经给出解决方案，如下：

1. 设计一个滤波器

2. 用convol_image算子来增强特定方向的纹理

3. 再用Gray_Range_Rect做图像变换

4. 最终用线高斯提取目标折痕

我们沿着楼主的解决思路走一遍。

首先介绍下相关理论点：卷积、如何构造方向滤波器。

1 卷积

        提到卷积，想起大学时被《信号与系统分析》支配的恐惧了。对于图像处理的卷积，首先需要构造一个滤波矩阵，即卷积核，并将卷积核翻转180°，然后对于图像的每一个像素点，计算它的邻域像素和翻转后卷积核的对应元素的乘积，再加起来，作为该像素位置的值，即完成了卷积。还有一种滤波方式为协相关，其核矩阵不需要绕中心点翻转180°，平时接触的卷积核大都是关于x轴和y轴对称的，所以卷积和协相关在这种情况下没什么区别。

对于整幅图像，采用滑动卷积核的策略，如下图。

经过滑动卷积后，图像大小会变小，为避免这种问题，需要进行边界填充，主要有以下几种方式。

2 方向滤波器

        若需检测水平边缘，需要在竖直方向上进行梯度运算，若需检测垂直边缘，需要在水平方向进行梯度运算。所以在检测垂直线条时，所构造的滤波器能在水平方向构成梯度差分运算，如一维水平滤波器[-1,0,1]，若要扩展成3*3矩阵形式，可构成Prewitt的水平梯度卷积核。

            如果所要检测线条比较宽，可以将3*3的卷积核扩展成5*5，7*7等。

            通常情况，线条边缘灰度值会成渐变规律的，将卷积模板更改如下

          使用此模板计算时，会将一些灰度值均匀分布的地方全部置0，如果我们不想要只得到的线条的效果，还需要原来的灰度值保持不变，这就需要将卷积模板所有值，相加等于1。

        如果需要考虑锚点(中心点)周围所有像素的影响，则需要将其8邻域像素要参与计算。

            此时，计算出的像素灰度值会偏大，所有值相加不等于1，需要在模板前乘以对应权值。

    至此，我们滤波器构造完毕，在进行试验之前，先了解下Halcon使用构造滤波器的格式，见帮助文档中的如下说明。

    大致意思是，我们可生成一个文本文件，文件内容可按照如下格式描述滤波器，文件扩展名为：.fil。

    另一种方法可以以元组Tuple的格式描述滤波器，格式为：[模板高，模板宽，模板权重倒数，模板元素行排列]，程序中使用的是此格式。

    当然，从水平滤波器，也可以联想到垂直滤波器，或者一些特定曲线滤波器。

3 使用Sobel水平滤波器检测折痕

        在使用构造滤波器之前，先使用sobel滤波器进行处理，如果前人总结一些经典的先验知识，秉承着”拿来主义“，使用一些已知的、经典的方法，来解决一些未知的、陌生的问题，这种处理思路是极力推崇的。

        Sobel算子的处理过程，是分别在水平和垂直方向对图像进行卷积，再讲二者结果结合求得没一点的梯度值。下图为Soble算子的水平、垂直滤波器。

  读入图像，将Sobel水平滤波器转换为Halcon的Tuple形式。

filter1 :=[3,3,1,-1,0,1,-2,0,2,-1,0,1]

Sobel水平滤波器与图像卷积后如下图，可以看见一条比较长的竖直线条。

Sobel算子已经做了灰度变换，Gray_Range_Rect可以不再使用，也可以使用做灰度增强，Sobel检测程序无用到。

关于lines_gauss的参数是比较难调，尤其是高低阈值，此处使用算子calculate_lines_gauss_parameters基本可以实现自适应参数条件，只需要设置所检测线条最大宽度与对比即可。

MaxLineWidth := 4Contrast := 30calculate_lines_gauss_parameters (MaxLineWidth, [Contrast,0], Sigma, Low, High)lines_gauss (ImageResult, Lines, Sigma, Low, High, 'light', 'true', 'parabolic', 'true')select_contours_xld (Lines, SelectedContours, 'contour_length', 180, 250, -0.5, 0.5)

检测结果如下图

干扰线还是比较多的，使用特征筛选可以排除。

4 使用构造方向滤波器检测折痕

将构造滤波器转为halcon的Tuple形式

filter :=[5,5,5,-1,-5,1,5,1,-1,-5,1,5,1,-1,-5,1,5,1,-1,-5,1,5,1,-1,-5,1,5,1]

与原图卷积后

垂直线条明显被加强

使用Gray_Range_Rect做灰度变换

排除垂直纹理以外的干扰

增强对比度

使用线高斯提取目标

干扰线减少些

特征筛选，检测折痕

基于构造滤波器的折痕检测程序

read_image (Image1030179715f15e264af3b, 'C:/Users/SWD-AR02/Desktop/10_3017_9715f15e264af3b.png')*构造滤波器filter :=[5,5,5,-1,-5,1,5,1,-1,-5,1,5,1,-1,-5,1,5,1,-1,-5,1,5,1,-1,-5,1,5,1]*图像卷积convol_image (Image1030179715f15e264af3b, ImageResult, filter, 'mirrored')*灰度变换gray_range_rect (ImageResult, ImageResult1, 6, 6)*线高斯提取目标MaxLineWidth := 8Contrast := 50calculate_lines_gauss_parameters (MaxLineWidth, [Contrast,0], Sigma, Low, High)lines_gauss (ImageResult1, Lines, Sigma, Low, High, 'light', 'true', 'parabolic', 'true')*选取折痕select_contours_xld (Lines, SelectedContours, 'contour_length', 180, 250, -0.5, 0.5)*结果显示gen_region_contour_xld (SelectedContours, Region, 'margin')dilation_rectangle1 (Region, RegionDilation, 11, 1)dev_set_draw ('margin')dev_display (Image1030179715f15e264af3b)dev_display (RegionDilation)

    目前，使用sobel的水平滤波器和构造滤波器都能检测出折痕，但是只是针对此幅图像，对于实际项目当中，构造滤波器可以根据不同情况进行设计，柔性更强、鲁棒性更好，相反地，复杂度也会增加。

    后续，我们在此帖楼主的解决方案的框架下，尝试另外两种方法，敬请期待。

后台回复“折痕”可获取原图以及源代码。

---

---

推荐精彩↓↓

纯干货|  一步一步教你选择相机镜头

实例分析变形模板匹配

【玩套路】边缘检测通用思路

【飞升篇】粘连颗粒的Blob检测

【模板匹配系列】基于形状的模板匹配(2)

【模板匹配系列】基于灰度相关性的模板匹配(1)

长按二维码，关注本公众号！精彩继续。。。。。。

原创声明：星星之火，可以燎原！感谢您的时间，您的喜欢和转发是对我们最大的鼓励。