halcon 产品周围缺口检测

原创已于 2022-01-23 12:29:38 修改 · 2.4k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #人工智能 #halcon

于 2022-01-22 21:02:55 首次发布

halcon 专栏收录该内容

21 篇文章

订阅专栏

本文介绍了一种基于图像处理技术的产品缺陷检测方法。从读取图像到缺陷区域的识别及统计，详细阐述了图像预处理、特征提取及目标检测等关键步骤。通过对图像进行阈值分割、连通域分析、形状选择、填充、区域转换等操作，实现了对产品外轮廓的精确捕捉及缺陷区域的有效识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

    *读取一张图像
    read_image (Image, '原图.jpg')
    
    *获取图像大小
    get_image_size(Image, Width, Height)
    
    *关闭已经打开的窗口
    dev_close_window ()
    
    *打开新窗口
    dev_open_window(0, 0, Width, Height, 'black', WindowHandle)  //打开指定大小的窗口
    
    *对图像进行阈值操作
    threshold (Image, Region, 0, 50)
    
    *对区域进行连通处理
    connection (Region, ConnectedRegions)
    
    *过滤出产品的外轮廓区域
    select_shape (ConnectedRegions, SelectedRegions, 'ra', 'and', 10, 200)
    
    *对轮廓区域进行填充
    fill_up (SelectedRegions, RegionFillUp)
    
    *将区域转化为最小外接圆
    shape_trans (SelectedRegions, RegionTrans, 'outer_circle')
    
    *通过补集运算获取产品缺口区域
    difference (RegionTrans, RegionFillUp, RegionDifference)
    
    *对缺口区域进行腐蚀操作
    erosion_circle (RegionDifference, RegionErosion, 1)
    
    *把一个区域转变为一个二进制字节图像。
    region_to_bin (RegionErosion, BinImage, 255, 0, 656, 492)
    
    *对图像进行阈值操作
    threshold (BinImage, Region1, 255, 255)
    
    *对阈值区域连通处理
    connection (Region1, ConnectedRegions1)
    
    *设置输出对象显示颜色
    dev_set_color('blue')
    
    *过滤出想要的缺口区域
    select_shape (ConnectedRegions1, SelectedRegions1, ['ra','rb'], 'and', [5,1], [10,5])
    
    *统计出缺口的数目
    count_obj (SelectedRegions1, Number)
    
    *显示图像
    dev_display (Image)
    
    *显示缺陷区域
    dev_display (SelectedRegions1)