当前帖子实现皮革纹理缺陷检测。
同样也是使用了空间域与步域相结合方法。
下面上程序代码与注释
4.4 halcon 上位机实现皮革纹理缺陷检测
4.4 halcon 上位机实现皮革纹理缺陷检测
- * 实现皮革纹理缺陷检测
- dev_close_window ()
- dev_update_off ()
- Path := 'lcd/mura_defects_texture_'
- read_image (Image, Path + '01')
- get_image_size (Image, Width, Height)
- dev_open_window (0, 0, 640, 480, 'black', WindowHandle)
- set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
- dev_set_draw ('margin')
- dev_set_line_width (3)
- dev_set_color ('red')
- for F := 1 to 2 by 1
- read_image (Image, Path + F
- .2i')
- *将三通道拆分为R,G,B
- decompose3 (Image, R, G, B)
- *定义黑色斑点为缺陷,所以从原图中分析与提取背景,缺陷会更明显
- *下面几行代码前面例程已多次组合使用,分别执行功能为对图像B进行频域转换,将频域图像进行高斯卷积。
- *将卷积后的图像转换回空间域图像。将图像B的处理前后结果图进行相减,突出缺陷。
- get_image_size (B, Width, Height)
- rft_generic (B, ImageFFT, 'to_freq', 'none', 'complex', Width)
- gen_gauss_filter (ImageGauss, 50, 50, 0, 'n', 'rft', Width, Height)
- convol_fft (ImageFFT, ImageGauss, ImageConvol)
- rft_generic (ImageConvol, ImageFFT1, 'from_freq', 'none', 'byte', Width)
- sub_image (B, ImageFFT1, ImageSub, 2, 100)
- *执行中值滤波,ImageSub, ImageMedian为输入与输出图像,
- *'circle'表示使用圆形模板, 9表示圆形结果元素半径, 'mirrored'表示镜向边界处理。
- *中值滤波可以弱化线条纹理,简化后续的分隔与最终缺陷检测
- median_image (ImageSub, ImageMedian, 'circle', 9, 'mirrored')
- *使用阈值从图像 中提取分水岭和盆地,ImageMedian为输入图, Basins为分隔后的输出图, 20为阈值。
- watersheds_threshold (ImageMedian, Basins, 20)
- * Dark patches corresponding to defects have a very low energy.
- *计算共生矩阵 ,推导出灰度特征值。因为缺陷的特点是黑色斑点能量很低。
- cooc_feature_image (Basins, ImageMedian, 6, 0, Energy, Correlation, Homogeneity, Contrast)
- Mask := Energy [<=] 0.05
- select_mask_obj (Basins, Defects, Mask)
- *
- dev_display (Image)
- dev_display (Defects)
- count_obj (Defects, NDefects)
- disp_message (WindowHandle, NDefects + ' \'mura\' defects detected', 'window', 12, 12, 'red', 'true')
- if (F < 2)
- disp_continue_message (WindowHandle, 'black', 'true')
- stop ()
- endif
- endfor
复制代码
|