Chailiren的博客

两张带有暗痕轻缺陷手机摄像头图片的处理效果，暗痕位置在圆圈的位置，及其轻微，几乎肉眼不可见，本文演示采用halcon提取暗痕缺陷的全过程。采用灰度拉伸的方法对图像进行预处理，效果如下图所示，缺陷位置基本肉眼可见灰度拉伸2.对图像进行灰度反转，使缺陷由暗变为白色，便于后续处理，灰度翻转后的效果如下图所示灰度翻转3.采用缺陷检测常用的方法，傅里叶变换，先将图像由时域转化至频域，进行卷积处理后，在转化至时域，得到处理后的图片如下图所示图像傅里叶变换4.由于图像需要进行滤波处理，因此选图像

缺陷检测是机器视觉检测中难度最高的项目，但是如果跟客户充分沟通好缺陷检测的种类以及使用场合，缺陷检测的项目未必都是无法企及的。本文将总结一下缺席检测的基本步骤：1.背景分割将被检测区域分割出来即ROI区域2.图像预处理采用灰度拉伸、高斯滤波等进行图像预处理3.缺陷分割缺陷分割常用的方法有动态阈值分割和傅里叶变换4.缺陷筛选通过分割区域的几何特征筛选出缺陷后文是几个缺陷检测项目的源码，请自行下载。1.皮革划痕缺陷检测算法内容：采用动态阈值分割以及傅里叶变换的方法检测皮革划痕缺陷。原

案例介绍 网友随手拍摄了金属表面的图片如下图所示，金属表面有白色的划痕和黑色的裂缝，要求同时识别出划痕和裂缝的具体位置。 案例分析 由于拍摄图片没有明显的定位点，因此手动设置了ROI区域。然后采用动态阈值法对图像中的划痕和裂缝进行分割。 主要操作步骤如下： 1手动分割ROI区域 2.对图像均值滤波 3.动态阈值分割出与周围发生灰度突变的区域 4.对分割出的区域进行闭操作

更多文章请关注微信公众号：机器视觉专业论坛 案例介绍 本文研究了采用Halcon分割与周围灰度值差别较小的ROI区域，该文中分析了四种增强ROI边界对比度的方法，对屏幕划痕分割等应用具有明显的借鉴意义。 分割图片如下图所示，分割出图像中的图案作为ROI区域。 案例分析 方案一 1.均值滤波 2.动态阈值分割 3.按面积选择区域 方案二 1.将图像进行傅里叶变换

案例介绍如图所示为常见手机充电电源外壳，工厂中为了检测电源的合格率要求检测电源外壳的缝隙。案例分析为了检测电源外壳缝隙需要将缝隙分割出来作为ROI区域，ROI区域分割后会使得缝隙检测变得十分简单。因此主要分析步骤如下：1.转化为灰度图后进行阈值分割出电源区域。2.对电源区域进行两次腐蚀后求差集得到如下图所示的roi区域。3.对ROI区域的图片

dxf文件时欧特克公司开发的一种CAD文件格式，在轻工业生产中许多二维图的绘制是通过dxf文件进行操作。为了便于机器对皮料、布匹等进行一次性智能操作，需要在dxf文件的不同图层上绘制相应的切割路径。 同理，视觉检测则需要将缺陷轮廓、皮料等级轮廓等输入至dxf不同的图层以提高后续设备的自动化等级。 视觉检测软件Halcon确实可以将检测轮廓输出至dxf文件中，但是Hal

在其它编程环境下防止图形窗口刷新闪烁的办法是设置双缓冲区域，在Halcon下同样可以采用双缓冲方法。设置双缓冲防止刷新图像窗口闪烁方法：1）采用Open_Window打开一个缓冲窗口；2）将显示内容显示到新窗口；3）将新窗口的可视化结果复制到要显示的窗口中；另外Halcon提供了线程的函数可供使用set_system具有参数值' flush_graphic '设置为’False’则窗口暂停刷新，将...