表面缺陷检测在工业 视觉领域非常常见，包括物品表面划伤，缺损，污垢，变形等各种各样的缺陷，
这些对于 工业 产品来说都是不合格的。
采用传统人工方式检查非常耗费人力物力。也容易让人视觉疲劳以及误判。
采用机器 视觉的方式 可以提高 检测 效率，长时间连续工作。
对于 表面缺陷我们常用 的检测 思路 有blob分析方法，频域空间域配合检测法，纹理 blob分析 配合检测法，光度立体 法等。
在工业视觉检测中，光源的选择和打光角度也很重要，有些缺陷的对比度和和光源，镜头，相机都有关联。
如果对比度比较好，可以降低后续图像处理难度 ，
采用blob分析进行缺陷 检测，其实就是二值化，形态学，特征检测几种方法反复来回的调用处理图片，最终得到缺陷区域。
缺陷种类五花八门，有划痕，污点，凹陷等等，不同的缺陷并没有固定的图像 处理算法流程，
要根据不同的缺陷情况，在不同的光源照度下进行对应算法 的识别检测。
Halcon中，对于表面缺陷检测主要有三个思路。
第一思路 是基于blob分析方法进行缺陷检测，就是利用二值化，形状特征选择，形态学联合应用，
再加上图像区域加减运算，表叔 逼近缺陷区域 ，最终得到缺陷并显示出来。
Blob分析 是最常用最灵活的方法，可以采用不同顺序，加上其他算法的结合，达到比较好的缺陷效果。
第二个思路是光度 立体法，此方法归类于三维视觉，我们学习视觉从一维二维开始。
第三个思路是基于频域与空间域结合的方法进行缺陷 检测，频域与空间域结合的方式在halcon中有很多缺陷 检测实际的例子。
此方法主要就是在频域里进行滤波，选择不同的频域，然后再回到空间域处理，从而得到缺陷所在区域。
什么是频域？
从我们出生，我们看到的世界都以时间贯穿，股票的走势、你儿子的身高、你汽车的轨迹都会随着时间发生改变。
这种以时间作为参照来观察动态世界的方法我们称其为时域分析。
而我们也想当然的认为，世间万物都在随着时间不停的改变，并且永远不会静止下来。
但如果用另一种方法来观察世界的话，你会发现世界是永恒不变的，这个静止的世界就叫做频域。
先举一个公式上并非很恰当，但意义上再贴切不过的例子：
在你的理解中，一段音乐是什么？
这是我们对音乐最普遍的理解，一个随着时间变化的震动。
但相信对于擅长乐器的朋友来说，音乐更直观的理解是这样的
上图是音乐在时域的样子，而下图则是音乐在频域的样子。
所以频域这一概念对大家都从不陌生，只是从来没意识到而已。
在时域，我们观察到钢琴的琴弦一会上一会下的摆动，就如同一支股票的走势；
而在频域，只有那一个永恒的音符。
傅里叶告诉我们，任何周期函数，都可以看作是不同振幅，不同相位正弦波的叠加。
在上面例子里我们可以理解为，利用对不同琴键不同力度，不同时间点的敲击，可以组合出任何一首乐曲。
而贯穿时域与频域的方法之一，就是传中说的傅里叶分析。
频域空间域分析图片时，大部分是在空间域处理，也就是一个像素对应一个灰度值的方式。
而频域是描述图像中灰度变化程序的标准。
我们可以把图片理解 为灰度值关于坐标位置的函数，任意函数是可以看成三角函数 的无穷级数，
这些不同三角函数对应的频率 就是对应着图像中的不同信息。 一般灰度变化 大的地方 频率 高，一般是边缘等。
灰度变化缓慢的地方频率 低，一般是整体背景等。我们通过傅立叶变换可以得到对应的频率 ，
从而 进行滤波等处理，而一幅图像 一般低频部分占大多数。
傅立叶变换是将满足一定条件 的某个函数表示成三角函数，或是它们的积分的线性组合 。
在不同的研究领域，傅立叶变换 具有多种 不同的变体 形式，如连续傅立叶和离散傅立叶变换。
最初妈傅立叶分析 是作为热过程 解析 分析 的工具被提出 。傅立叶变换 是一种分析 信号 的方法，
它可以分析 信号 的成分，也可以用这些成分合成 信号 。许多波形可作为信号的成分，比如正弦波，方波，锯齿波等。
傅立叶变换 用正弦波作为信号 的成分。
傅立叶变换的实质是将一个信号 分享成无穷 个正弦/复指数 信号 的加成 ，
也就是说把信号 变成 正弦信号 相加的形式，既然是无穷个信号 相加，
那对于 非周期信号 来说，每个信号 的加权 应该都 是零，但有密度上的差别。
傅立叶变换后，横坐标为分离出的正弦信号频率，纵坐标对应的是加权 密度。
我们可以用将傅立叶变换 比作一个玻璃棱镜，棱镜可以将光分解为不同颜色 的物理食品，每个成分的颜色 由波长 (或频率)决定 。
傅立叶变换可以将函数基于频率分解为不同的成分。当我们考虑光时，会讨论它的光谱或频率 谱。
同样，傅立叶变换 全我们能通过 频率 成分来分析 一个函数。
我们分析图像也就变成了分析图像的频率，通过过滤频率得到我们想要的区域 ，
然后再从频域 反变换到空间域里。
在频域 内我们经常要做滤波处理，其实就是卷积运算，
在时域内做模板 运算，实际 上就是对图像进行卷积。
模板 运算是图像 处理一个很重要的处理过程 。很多图像处理过程 ，如增强，去噪，边缘检测有很普遍的应用。
所以在时域内对图像做模板 运算就等于在频域 内对图像做滤波处理。
时域，空间域卷积运算和相关运算区别 在于模板 旋转了180度。时域卷积等效于频域 相乘。
|
