Halcon-磨砂表面检测：频域+分水岭域

关键算子：

fft_generic -快速傅里叶变换

gen_gauss_filter：高通滤波器

convol_fft：频域乘积

watersheds_threshold：二值化-分水岭域法

例子：

下面磨砂表面的缺陷检测（三处缺陷：右上角两个，左下角一个）

1.首先对图像进行频域处理：高通滤波+乘积

注意：频域的乘积相当于空间域的卷积

原始图像频域：fft_generic

乘积后：gen_gauss_filter + convol_fft

注意：这里高通滤波的sigma值越高，后面卷积平滑的效果越好

频域转回空间域： fft_generic

注意：这里平滑的越好，后面做图像减法的时候效果越好

2.差分处理

将原始图像和频域处理后的图像做减法（差分）

到这里缺陷已经很清晰的显示出来了，后面大家可以自由发挥啦！

这里用的是分水岭域法+熵 进行筛选的：

3.分水岭域法+熵

首先对刚刚做减法的图像进行滤波，再进行分水岭域法

滤波：

分水领域法：

使用 ‘熵’对分水岭域进行筛选：

筛选后区域：

对应图像：

这里放一张原图：

欢迎各位小伙伴评论讨论，一起探讨Halcon知识！

Halcon代码如下：

list_files ('./磨砂表面检测', ['files','follow_links'], ImageFiles)
tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'], ImageFiles)
dev_update_off ()
dev_get_window (WindowHandle)
set_display_font (WindowHandle, 26, 'mono', 'true', 'false')
for Index := 0 to |ImageFiles| - 1 by 1
    read_image (Image, ImageFiles[Index])
    dev_display (Image)
    ***预处理
    decompose3 (Image, r, g, b)
    get_image_size (r, Width, Height)
    *频域处理****
    fft_generic (b, ImageFFT, 'to_freq', -1, 'none', 'dc_center', 'complex')
    gen_gauss_filter (ImageGauss, 50, 50, 0, 'n', 'dc_center',  Width, Height)
    convol_fft (ImageFFT, ImageGauss, ImageConvol)
    fft_generic (ImageConvol, ImageFFT1, 'from_freq', 1, 'none', 'dc_center', 'byte')
    
    *******差分
    sub_image (b, ImageFFT1, ImageSub, 2, 100)
    median_image (ImageSub, ImageMedian, 'circle', 9, 'mirrored')
***分割
    *二值化
    watersheds_threshold (ImageMedian, Basins, 20)//分水岭域法
***筛选判断
    select_gray (Basins, ImageMedian, SelectedRegions, 'entropy', 'and', 4.4214, 5.8444)

    count_obj (SelectedRegions, Number)
    if (Number>0)
        dev_set_color ('red')
        dev_display (SelectedRegions)
        disp_message (WindowHandle, 'NG', 'window', 12, 12, 'red', 'true')
    else
        disp_message (WindowHandle, 'OK', 'window', 12, 12, 'green', 'true')

    endif


endfor

代码结果