Halcon基础-缺陷检测常用方法（未完待补充-12.24）

ch_lhp

已于 2024-12-24 17:02:46 修改

阅读量1.4k

点赞数 12

分类专栏： Halcon学习文章标签：计算机视觉人工智能深度学习

于 2024-12-19 16:07:53 首次发布

本文链接：https://blog.youkuaiyun.com/u013272540/article/details/144579779

版权

1、blob分析+特征

1.1、整体思路

1.2、案例分析

1.2.1、检测饼干的完整性（check_hazelnut_wafers.hdev）

1.2.2、检查产品毛刺缺陷（fin.dhev）

2、模板匹配（定位）+差分

2.1、基于组件的模板匹配

2.2、基于灰度的模板匹配

2.2.1、方案一：匹配灰度图片中的区域案例（exhaustive_match.hdev）

2.2.2、方案二：匹配灰度图片中的区域案例

1、blob分析+特征

1.1、整体思路

采集图像，将图像灰度化
使用二值化进行图像分割

1.2、案例分析

1.2.1、检测饼干的完整性（check_hazelnut_wafers.hdev）

该例程用到了Blob分析+特征，将一个或多个图像进行初步处理，去找到明显的不同。进而鉴定出有缺陷的物体。

该例程检测缺陷的整体思路：

read_image—— 读取待检测图片
binary_threshold —— 获取自动化阈值分割后的区域
opening_circle—— 进行开运算处理(腐蚀+膨胀；断开细小的地方，所以叫开)，使孔洞相对平滑
area_holes—— 计算孔洞面积
rectangularity—— 计算区域的矩形度
根据面积或矩形度判断是否存在缺陷

read_image (Image, 'food/hazelnut_wafer_01')
dev_close_window ()
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
dev_update_window ('off')
dev_set_line_width (3)
dev_set_draw ('margin')
set_display_font (WindowHandle, 20, 'mono', 'true', 'false')
* 
for Index := 1 to 24 by 1
    read_image (Image, 'food/hazelnut_wafer_' + Index$'.02')
    /*自动全局阈值分割*/
    binary_threshold (Image, Foreground, 'smooth_histo', 'light', UsedThreshold)
    *开运算是先腐蚀再膨胀。腐蚀之后，相对尖锐的被消除了，但是大致保持以前的形状；再经过膨胀运算后，就变得平滑了。
    opening_circle (Foreground, FinalRegion, 8.5)
    *计算区域中孔洞的面积
    area_holes (FinalRegion, AreaHoles)
    *再次计算区域的矩形相似度
    rectangularity (FinalRegion, Rectangularity)
    dev_display (Image)
    *这里判断存在空洞面积大于300或者矩形度小于0.92的为不合格
    if (AreaHoles > 300 or Rectangularity < 0.92)
        dev_set_color ('red')
        Text := 'Not OK'
    else
        dev_set_color ('forest green')
        Text := 'OK'
    endif
    dev_display (FinalRegion)
    disp_message (WindowHandle, Text, 'window', 12, 12, '', 'false')
    if (Index < 24)
        disp_continue_message (WindowHandle, 'black', 'true')
        stop ()
    endif
endfor

相关算子分析

read_image—— 读取待检测图片

read_image( : Image : FileName : )
说明： 读取不同文件格式的图像。
参数：
Image：输出图像名称；
FileName：输入图像文件名称(适用多种图像文件格式)；

binary_threshold —— 获取二进制阈值分割后的区域

binary_threshold(Image : Region : Method, LightDark : UsedThreshold)
说明：获取二进制阈值分割后的区域
参数：
Image:需要进行阈值的图像
Region:处理后的区域
Method:分割方法('max_separability'：最大限度的可分性, 'smooth_histo'：直方图平滑)
LightDark:提取的是黑色部分还是白色部分
UsedThreshold:自动阈值使用的阈值值

opening_circle（进行开运算处理，使孔洞相对平滑）

注：腐蚀+膨胀，断开细小的地方，所以叫开；膨胀+腐蚀；链接细小的地方，所以叫闭

opening_circle(Region : RegionOpening : Radius : )
说明：用于消除小区域（小于圆形结构元素）并平滑区域
参数表
Region(输入参数):要打开的区域
RegionOpening（输出参数）：打开的区域
Radius（输入参数）:圆形结构元素的半径
    默认值：3.5
    建议的值： 1.5， 2.5， 3.5， 4.5， 5.5， 7.5， 9.5， 12.5， 15.5， 19.5， 25.5， 33.5， 45.5， 60.5， 110.5
    取值范围： （lin）0.5 ≤ Radius ≤ 511.5
    最小增量：1.0
    建议的增量：1.0

area_holes（计算孔洞面积）

area_holes(Regions : : : Area)
说明：如果一个区域有多个孔，则为所有孔的面积之和返回
参数
Regions （输入参数）：要检查的区域
Area（输出参数）：区域的孔的面积

rectangularity（计算区域的矩形度）

rectangularity(Regions: : : Rectangularity)
说明：
参数：
Regions（输入参数）：要检查的区域。
Rectangularity（输出参数）：输入区域的矩形度，值越接近于1，越接近完美矩形，否则偏离。
    断言：0 <= Rectangularity && Rectangularity <= 1.0

1.2.2、检查产品毛刺缺陷（fin.dhev）

该例程用到了Blob分析+特征+差分思想，将一个或多个图像进行初步处理，将处理后的区域与原始区域相减。进而鉴定出有缺陷的物体。

该例程检测缺陷的整体思路：

read_image—— 读取待检测图片
binary_threshold —— 获取二进制阈值分割后的区域
closing_circle—— 闭运算处理(膨胀+腐蚀；链接细小的地方，所以叫闭)
difference—— 区域相减，获取差异的图像区域（差分思想）
opening_rectangle1 —— 开运算（腐蚀+膨胀）这里使用开运算主要是清除上面闭运算增加的部分毛点

* Blob+特征+差分
dev_update_window ('off')
read_image (Fins, 'fin' + [1:3])
get_image_size (Fins, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width[0], Height[0], 'black', WindowID)
set_display_font (WindowID, 14, 'mono', 'true', 'false')
for I := 1 to 3 by 1
    select_obj (Fins, Fin, I)
    dev_display (Fin)
    *二进制阈值分割
    binary_threshold (Fin, Background, 'max_separability', 'light', UsedThreshold)
    dev_set_color ('blue')
    dev_set_draw ('margin')
    dev_set_line_width (4)
    dev_display (Background)
    disp_continue_message (WindowID, 'black', 'true')
    stop ()
    *闭运算，膨胀+腐蚀，
    closing_circle (Background, ClosedBackground, 250)
    dev_set_color ('green')
    dev_display (ClosedBackground)
    disp_continue_message (WindowID, 'black', 'true')
    stop ()
    *区域相减，获取差异的图像区域（差分思想）
    difference (ClosedBackground, Background, RegionDifference)
    *开运算，腐蚀+膨胀,这里使用开运算主要是清除上面闭运算增加的部分毛点
    opening_rectangle1 (RegionDifference, FinRegion, 5, 5)
    dev_display (Fin)
    dev_set_