金属表面划痕检测Halcon

halcon软件自带了关于金属表面划痕缺陷检测的例程find_scratches_bandpass_fft.hdev

先附上代码截图并作了初步注释，本篇博客将讲解一下该例程的过程各个算子的使用是为了啥

/*首先*/

有趣的是，前面写了invert_image (Image, ImageInverted)，后面做变换时都用转换后的图像，估计人们也是尝试发现Invert一下的图像更适合rft变换？

检测不均匀表面光照的表面缺陷思路就是：生成一个带通滤波器（卷积核），然后用它对在频域中的图像进行滤波[1]（卷积，将卷积后的傅里叶图像还原为空间域图像，可见图像的突变部分得到了增强）以加强高频部分[2]，然后变回时域做形态学处理。那么生成一个合适的滤波器和空间域⇿频域之间的变换成了关键步骤!

• 卷积(convolution)： 两个信号的卷积的傅里叶变换等于它们的傅里叶变换的乘积。

 

☛ 如果你对    傅里叶变换    想做深入了解，点击我研究！☚

☛ 如果你对图像卷积与滤波想做深入了解 ，点击我研究！☚

 

频域与空间结合的方法是视觉缺陷检测常用的六大手法之一：

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。图像处理应用傅里叶变换就是将空间域（图像本身）转换至频率域。傅里叶变换可以将一个信号函数，分解一个一个三角函数的线性组合。由于任何周期函数都可以由多个正弦函数构成，那么按照这个思想，图像由f(x,y)来表示，那么这时你就可以拆成多个正弦函数构成，这样每个正弦函数都有一个自己的频率。
 

        那什么时候需要使用傅里叶变换进行频域分析？

• 具有一定纹理特征的图像，纹理可以理解为条纹，如布匹、木板、纸张等材质容易出现。 
• 需要提取对比度低或者信噪比低的特征。 
• 图像尺寸较大或者需要与大尺寸滤波器进行计算，此时转换至频域计算，具有速度优势。因为空间域滤波为卷积过程（加权求和），频域计算直接相乘。

---

///***而图像在空间域和频域之间的转换主要有以下两个关键算子：

1. rft_generic
2. fft_generic

        这两个算子的异同点：

• 都是对图像进行快速