Halcon--差异模型完整性检测

---

前言

基于Halcon的差异模型完整性检测

---

一、思路

①获取图像
使用的图像分为两类，一类是用于训练差异模型的图像；另一类是用于测试的图像，即实际检测图像。其中，图像如果是彩色的，需要将其转换成灰度图。如果存在一定的噪声，需要通过平滑去噪等预处理。当然，如果图片质量不佳或者ROI细节不够突出，也可以考虑重新采集，使图像的检测细节更为清晰。
②创建差异模型
图像预处理完之后，使用create_veriation_model算子创建一个用于对比的差异模型。
③图像对齐
由于用于训练差异模型的图像对每个点的灰度偏差都要进行计算，因此，参考图像或者是待检测的ROI需要先经过严格的对齐，避免可能的旋转和位移影响准确性，同样地，测试图像也需要对齐，只有对齐后的图像才可以进行点对点的灰度值比较。
具体过程为，确定一个ROI，再根据ROI建立形状模型，并在待对齐图像上通过形状模板匹配获得该ROI及其仿射参数。而后使用affine_trans_image算子将图像进行仿射变换，可使图像与ROI进行重合，便于后续的对比点的灰度值。
④训练差异模型
为了使理想的差异模型适应正常的容错范围，可以使用train_variation_model算子对多张良品样本对差异模型进行训练。
⑤准备差异模型参数
如果是多张图像的话，就使用prepare_variation_model算子设置模型参数，若是单张图像的话，则可使用prepare_direct_model算子将理想图像与差异模型图像关联起来。
⑥差异模型的比对
先对检测图像进行形状匹配，找到ROI，而后应用仿射变换使之与参考图像的ROI对齐，使用compare_variation_model将ROI跟差异模型进行对比，得到存在差异的局部区域。
⑦清除模型
待检查完毕，使用clear_variation_model算子清除模型，释放系统资源。

二、实现

三、源码

*清空显示窗口。
dev_close_window ()
*读取参考图像。这里读取图像是为了创建模板。
read_image (Image, 'D:/USER/Desktop/design/dataset/pen01.jpg')
*因为参考图像因为拍摄的原因会有一些噪声，因此使用均值滤波对图像进行平滑。
mean_image (Image, ImageMean, 3, 3)
*获取图像的宽和高用于窗口显示
get_image_size (Image, Width, Height)
*设置窗口显示参数，包括设置绘制线条的颜色和线宽等
dev_close_window ()
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_set_color ('red')
dev_display (Image)
dev_set_draw ('margin')
dev_set_line_width(3)