halcon 缺陷检测 IC检查

请添加图片描述

图片资源

链接:https://pan.baidu.com/s/1o8TzFc9e5OrMETeCElE7zA
提取码:zldb

处理流程

1、彩色图片 转换为hsv分量
2、饱和度图片 获取红色矩形区域
3、饱和度图片 获取蓝色标签区域
4、亮度图片 获取芯片主体区域
5、亮度图片 获取芯片 PIN位置

完整代码

* IC检查

**** 1、读取图片并显示 ****************************
dev_close_window ()
read_image (Image, './ic.png')
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowID)
dev_set_draw ('fill')
dev_set_part (0, 0, Height - 1, Width - 1)
dev_display (Image)
dev_set_colored (12)

**** 2、彩色图片 转换为hsv分量 ****************************
* 彩色图片抽取 RGB
decompose3 (Image, Red, Green, Blue)
* RGB 转换为 HSV图片 Hue 色度 Saturation饱和度 Intensity 亮度
trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity, 'hsv')

**** 3、饱和度图片 获取红色矩形区域 ****************************
* 使用饱和度图片 红色区域
threshold (Saturation, Colored, 100, 255)
* 色度图片中 聚焦红色区域
reduce_domain (Hue, Colored, HueColored)
* 二值化 黑色区域(红色)
threshold (HueColored, Red, 10, 19)
* 连通域分析
connection (Red, RedConnect)
* 挑选电阻红色标识区域
select_shape (RedConnect, RedLarge, 'area', 'and', 150.000000, 99999.000000)
* 电阻外接矩形
shape_trans (RedLarge, Resistors, 'rectangle2')
dev_clear_window ()
dev_set_draw ('margin')
dev_display (Image)
dev_display(Resistors)

**** 4、饱和度图片 获取蓝色标签区域 ****************************
* 二值化
threshold (HueColored, BlueLabel, 114, 137)
* 连通域分析
connection (BlueLabel, BlueConnect)
* 连通域挑选(面积筛选)
select_shape (BlueConnect, BlueLarge, 'area', 'and', 150.000000, 99999.000000)
* 最小外接矩形
shape_trans (BlueLarge, Capacitors, 'rectangle2')

**** 5、亮度图片 获取芯片主体区域 ****************************
* Intensity亮度图片 暗区芯片主体
threshold (Intensity, Dark, 0, 50)
* 芯片主体 矩形膨胀
dilation_rectangle1 (Dark, DarkDilation, 14, 14)
* 连通域分析
connection (DarkDilation, ICLarge)
* 亮度图中 每个连通域获取灰度图
add_channels (ICLarge, Intensity, ICLargeGray)

* 二值化(芯片主体)
threshold (ICLargeGray, ICDark, 0, 50)
* 获取外接矩形
shape_trans (ICDark, IC, 'rectangle2')

**** 6、芯片PIN接口区域 ****************************
* 芯片区域左右膨胀
dilation_rectangle1 (IC, ICDilation, 5, 1)
* 芯片左右搜索区域中心线
difference (ICDilation, IC, SearchSpace)
* 搜索区域膨胀(中心线)
dilation_rectangle1 (SearchSpace, SearchSpaceDilation, 14, 1)
* 合并搜索膨胀区
union1 (SearchSpaceDilation, SearchSpaceUnion)
* 获取搜索灰度图
reduce_domain (Intensity, SearchSpaceUnion, SearchGray)
* 动态二值化
mean_image (SearchGray, SearchMean, 15, 15)
dyn_threshold (SearchGray, SearchMean, PinsRaw, 5.000000, 'light')
* 连通域分析
connection (PinsRaw, PinsConnect)
* 填充连通域
fill_up (PinsConnect, PinsFilled)
* 面积筛选 PIN
select_shape (PinsFilled, Pins, 'area', 'and', 10, 100)
**** 7、显示结果 ****************************
* 显示IC区域
dev_display (Image)
dev_set_draw ('margin')
dev_set_line_width (3)
dev_set_color ('red')
dev_display (IC)
* 显示红色矩形区域
dev_set_color ('green')
dev_display (Resistors)
* 显示标签
dev_set_color ('blue')
dev_display (Capacitors)
* 显示pin
dev_set_color ('yellow')
dev_display (Pins)

结果图片

在这里插入图片描述

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Halcon是一种常用的图像处理软件,可以用于各种缺陷检测任务。在Halcon中,可以使用不同的算法和技术来进行缺陷检测。根据引用\[1\]中提供的实例,Halcon可以用于背景网格产品刮伤缺陷检测、不均匀表面刮伤检测、产品表面三角缺陷检测、产品毛刺检测、产品上凹坑检测、产品周围缺口检测、电路板短路、断路检测、找出所有网格顶点的位置、化妆品标签褶皱检测、皮革纹理表面缺陷检测、手机摄像头图像表面的轻微缺陷检测、网状产品表面破损检测、铣刀刀口破损缺陷检测检测印刷数字是否完整等任务。 根据引用\[2\]中的描述,缺陷检测是一项具有挑战性的任务,需要保证稳定性和精度。传统的算法检测缺陷通常需要进行复杂的调试和参数调整,而且容易出现检测不稳定和误测的情况。机器学习和深度学习成为缺陷检测领域的重要技术难点。机器学习方法通常使用类似MLP的神经网络对缺陷特征进行训练和分类。深度学习方法则需要大量的缺陷样本进行训练,并且需要手动标注缺陷位置,训练周期较长。迁移学习法是一种新兴的方法,可以利用已经训练好的网络模型进行缺陷检测。 在日常工程应用中,Halcon通常使用形状匹配进行定位,但当待匹配物体有较大变形时,形状匹配的结果可能不准确,特别是在塑料产品成形时变形或纺织产品因褶皱而变形的情况下。这时需要采用其他方法来获得精确的定位结果。 综上所述,Halcon可以应用于各种缺陷检测任务,并且可以根据具体情况选择合适的算法和技术来实现精确的检测结果。 #### 引用[.reference_title] - *1* [【愚公系列】2023年04月 Halcon机器视觉-15种常用缺陷检测实例](https://blog.csdn.net/aa2528877987/article/details/129943049)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [基于halcon缺陷检测常用方法与示例总结](https://blog.csdn.net/weixin_50016546/article/details/124981131)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

廷益--飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值