样品缺陷检测—模板匹配与像素统计的调用

最新推荐文章于 2025-03-21 07:03:53 发布
原创 最新推荐文章于 2025-03-21 07:03:53 发布 · 915 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#p2p #网络协议 #网络

本文介绍了如何使用模板匹配和像素统计来检测金属样品的缺陷。通过同轴光源和高像素相机获取图像，选取合格样品作为模板，进行匹配和像素统计分析，以判断产品是否合格。文中提供了模板匹配和像素统计的具体操作步骤，以及良品和不良品的示例。

样品缺陷检测

                          ——模板匹配与像素统计的调用

样品缺陷检测

一、检测实现功能

本案例实现检测金属样品是否有缺陷，通过统计检测区域灰度值大小从而判断产品是否合格。

二、检测系统需求分析

①、为了获得最优的打光效果，这里选同轴光源垂直向下打光；

②、为了达到检测要求，这里选用500W黑白网口相机，工业高像素级25mm定焦镜头；

最低0.47元/天 解锁文章
HALCON联合C#检测表面缺陷——模板匹配create shape model（一）匹配助手
奔跑的郑的博客
04-23 4514
上一篇文章我们讨论了模板匹配的意义，为什么要用到模板匹配，我再拿一个例子说明一下，如下图 启动位置位置修正就是使用了模板匹配，未启用位置修正就是没有使用模板匹配， 牛头是定位基准，也就是我们使用create shape model创建的模板，运行时因为图片会随机旋转和偏移，因此运行时使用find shape model找到牛头，然后把我们的检测区域，也就是下图的上面的绿色方框，通过基准我们知道图片的旋转角度和位置偏移，那么我们就把检测区域也旋转图片旋转的角度，偏移图片移动的位置就行可以了， 如果不使用
基于halcon—缺陷检测常用方法与示例总结
热门推荐
NCUTer
05-26 2万+
摘要 缺陷检测是视觉需求中难度最大一类需求，主要是其稳定性和精度的保证。首先常见缺陷：凹凸、污点瑕疵、划痕、裂缝、探伤等。缺陷检测算法不同于尺寸、二维码、OCR等算法。后者应用场景比较单一，基本都是套用一些成熟的算子，所以门槛较低，比较容易做成标准化的工具。而缺陷检测极具行业特点，不同行业的缺陷算法迥然不同。随着缺陷检测要求的提高，机器学习和深度学习也成了缺陷领域一个不可或缺的技术难点。 传统算法检测缺陷：调试难度大，容易在检测不稳定情况下反复调参，且复杂缺陷误测多，兼容性差 机器学...
LabVIEW视觉系统实现轴承表面缺陷自动化检测
weixin_35761094的博客
10-01 2441
本文还有配套的精品资源，点击获取 简介：本项目利用LabVIEW图形化编程环境，开发一套视觉检测系统专门用于识别轴承表面的缺陷，尤其是缺口。通过摄像头捕获轴承表面图像，进行图像预处理，提取特征，执行缺口检测，评估缺陷，并生成检测报告。最终，系统通过自动化流程将有缺陷的轴承隔离或标记，以提高生产效率和轴承质量。 1. LabVIEW图形化编程在视觉检测中的应用 ...
结合模板匹配与测量的剃须刀缺陷检测
qq_39467811的博客
10-29 674
模板匹配与测量原图模板图检测图代码结果 原图 模板图 检测图 代码 * ------------------------------------------------------------------------------------------------ *此示例程序使用基于形状的匹配来对齐度量的roi *工具，然后检查单个刀片。 *该程序有两种运行模式：（1）全仿射变换 *（2）采用平移测度 *修改下一行以在模式之间切换。 *该参数控制是否使用translate_measure USIN
用模板匹配可以做缺陷检测吗？
xioayanran123的博客
11-21 1126
是的，模板匹配（Template Matching）是一种在图像处理中常用的技术，可以用来进行缺陷检测。其基本思想是将一个已知的、无缺陷的图像（称为模板）在待检测的图像上进行滑动比较，通过计算相似度或差异度来判断是否存在缺陷。• 系数匹配（Coefficient of Determination, COD）则通过计算模板与待检测图像之间的确定系数来评估匹配程度。• 对模板图像进行预处理，如灰度化、二值化、去噪等，以提高匹配的准确性。• 根据应用需求选择合适的匹配算法，如平方差匹配、相关匹配、系数匹配等。
Halcon缺陷检测之（Blob+差分法&&模板匹配＋差分法）
weixin_45617323的博客
12-23 1万+
一、缺陷检测概述   缺陷检测是机器视觉重要的应用方向之一，由于在制造产品的过程中，表面缺陷的产生往往是不可避免的，故机器视觉的缺陷检测有较大的市场需求。熟练掌握缺陷检测是视觉工程师的必要技能。   在工业视觉检测当中，常见的工业视觉检测表面缺陷有划伤、划痕、辊印、凹坑、粗糙、波纹等外观缺陷，此外还有像一些非金属产品表面的夹杂、破损、污点，以及纸张表面的色差、压痕等。   相比于人工检测，基于机器视觉的检测有如下优点： ①能24小时不间断工作 ②检测速度快，准确率高 ③检测精度高 ④不受外界因素的干扰，检测
图像相似度测量与模板匹配总结
weixin_30652271的博客
07-24 2323
摘要 本文主要总结了进行目标跟踪、检测中经常使用到的图像相似度测量和模板匹配方法，并给出了具体的基于OpenCV的代码实现。 引言 模板匹配是一种在源图像中寻找与图像patch最相似的技术，常常用来进行目标的识别、跟踪与检测。其中最相似肯定是基于某种相似度准则来讲的，也就是需要进行相似度的测量。...
样品多缺陷检测
mooklab的博客
03-17 622
样品多缺陷检测 ——模板匹配、斑点检测与相似度检测的调用 样品多缺陷检测 一、检测实现功能 本案例实现检测用户样品几个不同位置是否有缺陷，每个位置调用不同算法来检测样品是否合格。 二、检测系统需求分析 ①、为了获得最优的打光效果，这里选两个同轴光源垂直向下打光； ②、为了达到检测要求，这里选用500W黑白网口相机，工业高像素级25mm定焦镜头； 三、检测具体步骤 对样品需检测区域1使用模板匹配（可以检测顺便作位置配准），并设置模板待用。如...
扩视机器视觉—缺陷检测常用方法总结（频域空间域结合）
qq_21516871的博客
04-21 3637
是视觉需求中难度最大一类需求，主要是其稳定性和精度的保证。首先常见缺陷：凹凸、污点瑕疵、划痕、裂缝、探伤等。缺陷检测算法不同于尺寸、二维码、OCR等算法。后者应用场景比较单一，基本都是套用一些成熟的算子，所以门槛较低，比较容易做成标准化的工具。而缺陷检测极具行业特点，不同行业的缺陷算法迥然不同。随着缺陷检测要求的提高，机器学习和深度学习也成了缺陷领域一个不可或缺的技术难点。
halcon——缺陷检测常用方法总结（频域空间域结合）
2401_86940371的博客
09-21 2426
频域结合空间，其实频域就是用波动观点看世界，看问题角度变了，光经过镜头其实发生的是傅立叶变换，此思想在傅立叶光学上有所阐述，就像光经棱镜分光，而光进入计算机内部，进行了采样和量化，然后我们用函数f(x,y)来表示这些数据描述。通过带阻滤波后获得的频率成分对背景中的纹理要有明显的抑制，并且突出缺陷成分，在频域处理完成转会空间域之后，又用了一个能扩大亮点区域的函数：gray_range_rect 辅助后面的二值化，最终完成了缺陷的检测，这个函数可以说是点睛之笔。反之，值越高，线条越短，但越突出。
基于差影和模板匹配的微小轴承表面缺陷检测 (2006年)
05-21
针对轴承表面缺陷的位置、面积、深度等随机变化导致图像采集具有不确定性的特点，设计了一套采用光电耦合器图像识别技术进行缺陷自动检测的系统。该系统光源恒定、处理速度快、图像精度高，能长时间稳定工作，显著提高了图像采集质量。经过深入研究图像分割、图像差影、模板匹配等模式识别理论与技术及微小轴承图像特征发现，要检测轴承的表面缺陷，需将轴承表面分割成两部分进行识别，轴承表面的均匀分布区域直接采用差影法，文字刻印区域采用模板匹配法，结果表明该方法识别正确率达98%。
基于像素的模板匹配
qq_41536160的博客
12-17 889
基于像素的模板匹配 输入源图像Source image（I）; 模板图像Template image（T） 结果矩阵result Matrix（R） 1.平方差匹配法 最好的匹配值为0；匹配越差，匹配值越大 R(x,y)=∑x′,y′[T(x′,y′)−I(x+x′,y+y′)]2\displaystyle R(x,y)=\sum_{x',y'}[T(x',y')-I(x+x',y+y')]^2R(x,y)=x′,y′∑​[T(x′,y′)−I(x+x′,y+y′)]2 2.归一化平方差匹配法 R(x,y)
高速特征金字塔多角度旋转模板匹配(工业零部件缺陷检测C++ Opencv版)
认真努力，做一只会飞的毛毛虫。
07-13 5388
博主在性能较好的笔记本上测试算法全部执行效果大约为45ms，在一般配置的笔记本上博主在性能较好的笔记本上测试算法全部执行效果大约为130ms。下图即为实际检测效果。本文最后附有完整代码：Qt版和MFC版本(可直接运行)。...
缺陷检测算法matlab,MATLAB 基于模板匹配的玻璃瓶口缺陷检测
weixin_28678151的博客
03-16 1623
算法步骤：1、分别在模板图像与待检测图像中定位瓶口，并且去除干扰点。2、调整去除干扰后的瓶口图像的大小，使模板图像与待检测图像大小保持一致。3、用模板图像减去待检测图像，并进行联通域分析，获得面积最大的联通域。4、求面积最大联通域的重心，并将该重心向上反推​至原始图像中，该点即为缺陷点。5、在原始图像中​标记缺陷点。定位瓶口采用的方法：扫描图像 获取瓶口圆环上的点，用最小二乘法拟合圆。得到瓶口的精...
HALCON联合C#检测表面缺陷——模板匹配的解释和原理
奔跑的郑的博客
04-13 2757
从这一篇文章开始，我们就进入一个新的话题讨论，在前面的章节中我们做表面缺陷检测发现有一个问题：在实际的检测过程中，每一次产品不可能在同一个位置，那么我们的检测区域如何跟随产品的位置和角度的变化而变化呢？这个就值得我们思考。 这里我提醒一下大家，最好理解了前面的文章再来看后面的以及这一篇文章，因为文章之间存在一定的连续性 所以检测中就提出了一个概念，模板匹配。 这一篇文章只是作为后面文章的引子，讨论一下模板匹配的原理和作用，它是干什么的，怎么使用，什么情况下使用。我们探讨这几个问题。 在这里我也要
halcon——缺陷检测常用方法总结（模板匹配（定位）+差分）
明月清风@的博客
06-11 8317
引言 机器视觉中缺陷检测分为一下几种： blob分析+特征 模板匹配(定位)+差分 光度立体：halcon——缺陷检测常用方法总结(光度立体) - 唯有自己强大 - 博客园 (cnblogs.com) 特征训练 测量拟合 频域+空间域结合：halcon——缺陷检测常用方法总结(频域空间域结合) - 唯有自己强大 - 博客园 (cnblogs.com) 深度学习 本篇主要总结一下缺陷检测中的定...
HALCON联合C#检测表面缺陷——基于形状的模板匹配设置流程
奔跑的郑的博客
04-26 1677
接上一篇文章，上两篇文章我们把匹配助手中生成的代码导出到C#文件，导出的过程如果有不清楚的可以给我留言。 上一节我们也说过，代码是分为两个部分的，前一部分是设置模板，后一部分是检测流程。 这里多说两句，几乎所有的检测，我们都可以分成两个部分，一部分是设置参数和设置检测区域；第二部分就是读取参数，读取检测区域以及调用检测算法。 如果是多个相机，建议大家把检测算法封装成一个方法，这样所有相机都可以共享调用一个方法，还有一个更大的优点就是如果多相机是使用同一个方法的，我们只需要修改一处就可以了，不用修改
halcon 入门教程（六） 图像匹配（基于形状的模板匹配）与缺陷检测区域定位
最新发布
weixin_55010563的博客
03-21 742
关于矩阵知识的是大学的线性代数课程，有兴趣可以学一下我这篇博客：关于opengl中的三维矩阵平移代码，矩阵旋转代码，推导过程理解 OpenGL计算机图形学的一些必要矩阵运算知识 glTranslatef（x,y,z）glRotatef(angle,x,y,z)函数详解。我们接下来对一个零件建立模板，并且我们建立一个小孔区域的缺陷检测ROI区域，当我们匹配到这个零件的时候，检测缺陷的区域也会到当前零件的小孔位置去，这样我们就可以对其进行区域缺陷检测了（工业中非常常用！
OpenCV C++案例实战三十三《缺陷检测》
Zero___Chen的博客
09-02 8455
本案例将使用OpenCV C++ 进行PCB印刷缺陷检测。目前缺陷检测算法可分为两大类：一：基于模板匹配的缺陷检测二：基于深度学习的缺陷检测，主要利用目标检测去识别缺陷部分。本文算法主要是基于模板匹配算法进行缺陷检测，参考《基于差异模型的印刷标签缺陷检测算法》一文，进行算法复现，感兴趣的朋友可以去阅读一下原文。本文使用OpenCV C++ 进行PCB印刷缺陷检测，主要操作有以下几点。1、将图像进行仿射变换，与模板图像进行配准2、计算差异图像，得到基于模板的亮、暗阈值图像。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值