登录/ 注册
 找回密码
 立即注册
关闭

CSDN热搜

程序园 精品问答 技术交流 资源下载
返回列表 发新帖
首页 › 业界区 › 业界 ›halcon 入门教程（六） 缺陷检测

halcon 入门教程（六） 缺陷检测

骛扼铮 2025-6-3 14:53:09
原文作者：aircraft
原文链接：https://www.cnblogs.com/DOMLX/p/18785484
 
 
 有兴趣可以多看其他的halcon教程
 halcon 学习教程目录
 
 
 
 
　　　　　　　　　　本篇主要讲一些常见的缺陷检测方法，目前只会讲一些，后面有空的话会不断的补充完整。因为缺陷的种类实在太多太多了，各种各样的缺陷可能都要用各种不同的检测方法去检测，所以想要精通缺陷检测特别难，基本大家都是熟悉自己经常遇到的缺陷领域。
 
第一种：就是最常见的Blob分析加上特征提取（本篇也会多给一些这个示例。因为确实是最基础也是最常用的，用的好你可能百分之八九十的缺陷都可以检测，主要还是看对这块的理解）
 
第二种：图像匹配定位后再加Blob分析，可以结合本篇的Blob分析和我下一篇的：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
 
第三种：建立模板区域的差异模型，原理就是后面所有的产品都与一个标准品做差异模型，可以差异的程度对其判断NG,OK。可以看我这篇博客理解：halcon 入门教程 （七） halcon中是怎么实现半导体/Led中的GoldenDie的检测方法的 基于局部可变形模板匹配 variation_model模型或者用差异模型去提取缺陷的位置，然后再用深度学习分类去分类，再或者提取了缺陷的位置裁剪了给深度学习的目标检测去检测，都行，都是可行的思路
 
第四种：光度立体法（基本属于2.5d的视觉范围了，适用于一些物体表面有凹凸情况下的检测，通过多个角度方向的打光图片，来获取伪3d的信息进行缺陷检测）
 
第五种：图像匹配定位后再加测量（比如一些钢管，或者元器件表面的某个东西的长度，宽度，厚度，半径之类的达不达标），可以结合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 和 halcon 入门教程（三） 测量量测相关（点到线距离，线到线距离，轮廓线距离，一维测量，圆形测量，矩形测量等）这两篇来看，组合起来基本就是这种检测方法了。
 
第六种：机器学习和深度学习的缺陷检测（基本都是通过标记好的和坏的训练集，给神经网络程序训练学习，学习成功后，后面只要传入该产品图，或者某个区域图，便可以直接给出判断好坏，甚至处理一下可以把具体缺陷都标注显示出来）
有兴趣可以看看我这篇博客：halcon 深度学习教程（一）分类检测 （工业里如何使用halcon深度学习去检测分类产品）和
halcon 深度学习教程（三） 目标检测之水果分类 （halcon深度学习缺陷检测方法） （工业里如何使用halcon深度学习去进行缺陷检测或者分类产品） 

 
 
第七种：空域和频域分析（适用于一些像皮革，木材，纹理石板之类的对比度低的产品上去进行检测）
 
第八种：三维重建后再加特征提取（属于3d视觉的领域了，会多一些诸如高度或者说深度信息）
 
 
 
然后这边说一下目前主流的工业的缺陷检测基本主流就是三种：
　　第一种：就是绘制需要检测的区域，用Blob分析加上特征提取分别去卡控每个区域的瑕疵来判断NG-OK。
　　第二种：对需要检测的物体或者区域建立差异模型，进行差异分析判断NG-OK.
　　第三种：使用深度学习的分类或者目标检测，对晶圆进行分类，对瑕疵进行目标检测。然后结果进行NG-OK的判定。
实际使用中最好你的算法里三种都有，然后结合一种或者两种或者三种分别的结果一起去卡控判断，这样基本就可以符合不管是半导体，面板，LED等行业的缺陷检测了。
 
 
 
　　　下面一些算子的原型我就不介绍了，有看过前面教程的应该都认识这些常用的算子了。而且每个示例代码我都打了非常详细的注释，基本看着注释应该是可以理解的吧。
 
一.Blob分析加上特征提取
 
示例1：榛子威化饼的质量检测   
 
1.png

 
OK图：
2.bmp

 
NG图：
3.bmp

 
示例代码：
  1. * ​*************************************************************
  2. * 本程序演示针对榛子威化饼的质量检测
  3. * 检测方法：基于形态学处理提取目标区域，通过孔洞面积和矩形度进行缺陷判断
  4. * 工业应用：食品包装完整性检测（破损、变形检测）
  5. * 检测标准：孔洞面积>300 或 矩形度<0.92 判定为不合格
  6. * ​*************************************************************
  8. * 初始化图像和显示窗口
  9. read_image (Image, 'food/hazelnut_wafer_01')
  10. * 关闭可能存在的旧窗口
  11. dev_close_window ()
  12. * 创建自适应图像尺寸的显示窗口
  13. dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
  14. * 禁止窗口自动更新（提升执行效率）
  15. dev_update_window ('off')
  17. * 设置可视化参数
  18. * 线宽3像素用于突出显示轮廓
  19. dev_set_line_width (3)
  20. * 轮廓显示模式（节省显示资源）
  21. dev_set_draw ('margin')
  22. * 设置等宽字体便于字符对齐
  23. set_display_font (WindowHandle, 20, 'mono', 'true', 'false')
  25. * 处理24张连续拍摄的威化饼图像
  26. for Index := 1 to 2 by 1
  27.     * 读取序列图像（文件名格式：1~2.bmp）
  28.    
  29.     read_image (Image, Index+'.bmp')
  30.    
  31.     * 图像预处理
  32.     * 使用直方图平滑法进行二值化（适合低对比度场景）
  33.     binary_threshold (Image, Foreground, 'smooth_histo', 'light', UsedThreshold)
  34.     * 8.5像素半径开运算去除毛刺和小孔洞
  35.     opening_circle (Foreground, FinalRegion, 8.5)
  36.    
  37.     * 特征提取
  38.     * 计算区域内部孔洞总面积（关键缺陷指标）
  39.     area_holes (FinalRegion, AreaHoles)
  40.     * 计算区域矩形度（1为完美矩形，值越小变形越严重）
  41.     rectangularity (FinalRegion, Rectangularity)
  42.    
  43.     * 显示原始图像
  44.     dev_display (Image)
  45.    
  46.     * 质量判定逻辑
  47.     * 孔洞超标或形状变形时显示红色报警
  48.     if (AreaHoles > 300 or Rectangularity < 0.92)
  49.         dev_set_color ('red')
  50.         Text := 'Not OK'
  51.     * 合格产品显示绿色轮廓
  52.     else
  53.         dev_set_color ('forest green')
  54.         Text := 'OK'
  55.     endif
  56.    
  57.     * 显示检测结果
  58.     dev_display (FinalRegion)
  59.     * 在窗口左上角显示OK/NG状态
  60.     disp_message (WindowHandle, Text, 'window', 12, 12, '', 'false')
  61.    
  62.     * 非最后一张图像时暂停观察
  63.     if (Index < 2)
  64.         * 显示继续检测提示
  65.         disp_continue_message (WindowHandle, 'black', 'true')
  66.         stop ()  
  67.         * 模拟产线节拍控制
  68.     endif
  69. endfor
复制代码
 
示例2：鳍片检测程序（fin.hdev）  利用形态学分析与差异模型检测
 
4.png

 
两张边缘有凸出的图片：
5.bmp

 
6.bmp

 
 通过提取白色背景区域，然后进行闭运算将区域边缘小凸出闭合，然后与原始区域做个差异，得到缺陷位置，在进行开运算，消除多提出来的边的区域。
7.png

 
结果图：
 
8.png

 
实例代码：
  1. * ​*************************************************************
  2. * 鳍片检测程序（fin.hdev）
  3. * 功能：通过形态学处理检测金属鳍片缺陷
  4. * 检测逻辑：
  5. *   1. 二值化分离前景
  6. *   2. 闭运算填充结构间隙
  7. *   3. 差异检测潜在缺陷区域
  8. *   4. 开运算去除噪声
  9. * 工业应用：散热器制造质检
  10. * ​*************************************************************
  12. * 关闭窗口自动刷新（提升执行效率）
  13. dev_update_window ('off')
  15. * 读取鳍片图像序列（fin2, fin3）
  16. read_image (Fins, 'fin' + [2:3])
  18. * 初始化显示窗口
  19. get_image_size (Fins, Width, Height)
  20. dev_close_window ()
  21. * 创建与图像等大的黑色背景窗口
  22. dev_open_window (0, 0, Width[0], Height[0], 'black', WindowID)
  23. * 设置等宽字体便于信息对齐
  24. set_display_font (WindowID, 14, 'mono', 'true', 'false')
  26. * 遍历处理3个检测对象（实际图像为2张，索引从1开始）
  27. for I := 1 to 2 by 1
  28.     * 选择当前处理对象
  29.     select_obj (Fins, Fin, I)
  30.    
  31.     * 显示原始图像
  32.     dev_display (Fin)
  33.    
  34.     * 步骤1：二值化分割（最大化前景背景可分性）
  35.     binary_threshold (Fin, Background, 'max_separability', 'light', UsedThreshold)
  36.     * 蓝色显示初始分割结果
  37.     dev_set_color ('blue')
  38.     dev_set_draw ('margin')
  39.     dev_set_line_width (4)
  40.     dev_display (Background)
  41.     disp_continue_message (WindowID, 'black', 'true')
  42.     stop ()  
  43.     * 质检员确认阶段结果
  44.    
  45.     * 步骤2：大半径闭运算填充结构间隙
  46.     closing_circle (Background, ClosedBackground, 250)
  47.     * 绿色显示填充后区域
  48.     dev_set_color ('green')
  49.     dev_display (ClosedBackground)
  50.     disp_continue_message (WindowID, 'black', 'true')
  51.     stop ()  
  52.     * 确认形态学处理效果
  53.    
  54.     * 步骤3：差异检测（理想结构与实际结构对比）
  55.     difference (ClosedBackground, Background, RegionDifference)
  56.    
  57.     * 步骤4：开运算去除微小噪声
  58.     opening_rectangle1 (RegionDifference, FinRegion, 5, 5)
  59.    
  60.     * 显示最终检测结果
  61.     dev_display (Fin)        
  62.     * 原始图像背景
  63.     dev_set_color ('red')   
  64.     * 红色高亮缺陷
  65.     dev_display (FinRegion)  
  66.     * 叠加缺陷区域
  67.    
  68.     * 计算缺陷区域特征
  69.     area_center (FinRegion, FinArea, Row, Column)
  70.    
  71.     * 非最后一张图像时暂停
  72.     if (I < 2)
  73.         disp_continue_message (WindowID, 'black', 'true')
  74.         stop ()  
  75.         * 模拟产线节拍等待
  76.     endif
  77. endfor
复制代码
 
示例3：塑料网缺陷检测程序   使用动态阈值检测塑料网中的异常纹理区域     原图与均值图比对 提取出比均值图还暗的多的缺陷区域出来
9.png

 
两张测试的原图：
10.bmp

 
11.bmp

 
实例代码：
  1. * ​*************************************************************
  2. * 塑料网缺陷检测程序
  3. * 功能：使用动态阈值检测塑料网中的异常纹理区域
  4. * 检测逻辑：
  5. *   1. 图像平滑处理消除纹理干扰
  6. *   2. 动态阈值分割异常区域
  7. *   3. 连通域分析与面积筛选
  8. * 工业应用：塑料编织品质量检测
  9. * ​*************************************************************
  11. * 关闭窗口自动更新（提升执行效率）
  12. dev_update_window ('off')
  14. * 读取塑料网基准图像（用于窗口初始化）
  15. read_image (Image, 'plastic_mesh_'+[1])
  17. * 初始化显示窗口
  18. dev_close_window ()
  19. get_image_size (Image, Width, Height)
  20. dev_open_window_fit_image (Image, 0, 0, Width, Height, WindowHandle)
  22. * 设置可视化参数
  23. * 等宽字体便于信息对齐
  24. set_display_font (WindowHandle, 18, 'mono', 'true', 'false')
  25. * 轮廓显示模式（节省显示资源）
  26. dev_set_draw ('margin')
  27. * 设置检测结果轮廓线宽
  28. dev_set_line_width (3)
  30. * 处理两张塑料网图像序列
  31. for J := 1 to 2 by 1
  32.     * 读取当前检测图像（文件名格式：plastic_mesh_1.bmp~plastic_mesh_2.bmp）
  33.     read_image (Image, 'plastic_mesh_' + J+'.bmp')
  34.    
  35.     * 图像预处理：49x49均值滤波（消除高频纹理干扰）
  36.     mean_image (Image, ImageMean, 49, 49)
  37.    
  38.     * 动态阈值分割（检测比背景暗5个灰度级的异常区域）
  39.     dyn_threshold (Image, ImageMean, RegionDynThresh, 5, 'dark')
  40.    
  41.     * 连通域分析（分离独立缺陷区域）
  42.     connection (RegionDynThresh, ConnectedRegions)
  43.    
  44.     * 面积筛选（过滤500像素以下的噪声）
  45.     select_shape (ConnectedRegions, ErrorRegions, 'area', 'and', 500, 99999)
  46.    
  47.     * 统计缺陷数量
  48.     count_obj (ErrorRegions, NumErrors)
  49.    
  50.     * 显示原始图像和检测结果
  51.     dev_display (Image)
  52.     dev_set_color ('red')  
  53.     * 红色高亮缺陷
  54.     dev_display (ErrorRegions)
  55.    
  56.     * 判定结果输出
  57.     if (NumErrors > 0)
  58.         * 显示NG标识（位置：第24行，第12列）
  59.         disp_message (WindowHandle, 'Mesh not OK', 'window', 24, 12, 'black', 'true')
  60.     else
  61.         * 显示OK标识
  62.         disp_message (WindowHandle, 'Mesh OK', 'window', 24, 12, 'black', 'true')
  63.     endif
  64.    
  65.     * 非最后一张图像时显示继续提示
  66.     if (J < 2)
  67.         disp_continue_message (WindowHandle, 'black', 'true')
  68.         stop ()  
  69.         * 模拟产线节拍控制
  70.     endif
  71. endfor
复制代码
 
结果图：
12.png

 
13.png

 
 
划痕检测的还可以看看这篇surface_scratche.hdev：
14.png

 
15.png

 
16.png

 
 
 
 
 
 
OK，这里先写这几个，还有更多的都在halcon的官方案例集里，右边那一堆都是。
 
17.png

 
 
 
二.空域和频域结合的缺陷检测
这里主要的案例都来自halcon程序集的快速傅里叶变换，有兴趣详细了解的，就可以去看看。就如我一直在说的，halcon里的实例就是自己最好的老师。
 
18.png

 
先大概了解一下这个东西：
 
一、图像的两个视角：空间域 vs 频域

​1. 空间域（你看到的图像）​


  • ​是什么：图像由像素组成，每个像素代表某个位置的亮度值。
  • ​直观理解：就像你看到的一张照片，每个点直接显示颜色或明暗。
  • ​工业应用：直接观察表面划痕、颜色异常等（但复杂纹理中的小缺陷难以直接看到）。
​2. 频域（图像的“成分分析”）​


  • ​是什么：将图像分解为不同频率的波（高频=细节/边缘，低频=整体形状）。
  • ​直观理解：像把音乐分解成不同频率的音符，高频是鼓点，低频是贝斯。
  • ​工业应用：检测周期性纹理中的异常（如织物瑕疵、注塑件表面缺陷）。
二、快速傅里叶变换（FFT）是什么？


  • ​核心作用：快速将图像从空间域转换到频域（反之亦可）。
  • ​为什么快：优化算法，计算复杂度从O(n²)降到O(n log n)，适合实时检测。
三、HALCON中的FFT操作步骤（以检测塑料表面缺陷为例）​

​1. 读取图像
  1. read_image (Image, 'plastics_01.jpg')  * 读取塑料件表面图像
复制代码
2. 转换到频域
  1. * 执行FFT（空间域→频域）
  2. fft_image (Image, ImageFFT)  * 输出是复数图像（实部+虚部）
复制代码
3. 频域滤波（增强缺陷）​

 
  1. * 生成高斯低通滤波器（抑制背景纹理）
  2. gen_gauss_filter (Filter, 20, 20, 0, 'none', 'rft', Width, Height)
  3. * 频域相乘（保留高频=缺陷，抑制低频=背景）
  4. convol_fft (ImageFFT, Filter, FilteredFFT)
复制代码
4. 转换回空间域
  1. * 逆FFT（频域→空间域）
  2. fft_image_inv (FilteredFFT, ImageFiltered)  * 得到增强后的图像
复制代码
5. 缺陷检测
  1. threshold (ImageFiltered, Defects, 120, 255)  * 阈值分割
  2. connection (Defects, ConnectedRegions)       * 连通区域分析
复制代码
四、频域分析在工业中的典型应用

​1. 周期性纹理检测（如织物、金属网）​


  • ​问题：直接观察难以发现断丝、孔洞。
  • ​解决：通过FFT找到异常频率成分。
​2. 表面微小缺陷增强


  • ​问题：划痕与背景纹理对比度低。
  • ​解决：抑制背景纹理（低频），增强缺陷（高频）。
​3. 振动分析


  • ​问题：机械振动导致图像模糊。
  • ​解决：在频域分离振动频率成分并修复。
五、关键注意事项

​1. 图像尺寸要求


  • FFT对图像尺寸敏感，最佳性能要求尺寸为2的幂次（如512x512）。
  • ​HALCON会自动填充：optimize_rft_speed函数优化处理速度。
​2. 滤波器设计


  • ​低通滤波：gen_gauss_filter（抑制高频噪声）。
  • ​高通滤波：gen_derivative_filter（增强边缘）。
  • ​带阻滤波：组合高低通滤波器（去除特定频率噪声）。
​3. 结果可视化


  • ​查看频谱图：
  1. power_real (ImageFFT, PowerSpectrum)  * 计算功率谱
  2. dev_display (PowerSpectrum)           * 显示频域能量分布
复制代码
亮点表示强频率成分（如周期性纹理）。
六、完整代码示例（塑料表面缺陷检测）​
  1. dev_update_off ()
  2. read_image (Image, 'plastics_01.jpg')
  3. get_image_size (Image, Width, Height)
  4. dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
  6. * FFT转换到频域
  7. fft_image (Image, ImageFFT)
  9. * 设计高斯滤波器（抑制低频背景）
  10. gen_gauss_filter (Filter, 15, 15, 0, 'none', 'rft', Width, Height)
  11. convol_fft (ImageFFT, Filter, FilteredFFT)
  13. * 逆FFT转回空间域
  14. fft_image_inv (FilteredFFT, ImageFiltered)
  16. * 缺陷分割与显示
  17. threshold (ImageFiltered, Defects, 100, 255)
  18. connection (Defects, ConnectedRegions)
  19. dev_display (Image)
  20. dev_set_color ('red')
  21. dev_display (ConnectedRegions)
复制代码
七、总结


  • ​FFT在工业中的价值：将肉眼难见的纹理异常转化为可检测的信号。
  • ​学习建议：从简单滤波开始，逐步尝试带通/带阻滤波，观察频域图的变化。
  • ​调试技巧：通过power_real可视化频域，调整滤波器参数观察缺陷检测效果。
  • 适用于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。
  • 适用于需要提取对比度低或者信噪比低的特征。
 
 
 
 
OK，接下来学习一下主要运用到的算子
 
 
 
 
1.空域转频域算子fft_image(Image : ImageFFT : : )详解：

  • 输入参数：

    • Image：输入图像（必须为单通道灰度图像）。

  • ​输出参数：

    • ImageFFT：频域图像（复数形式，包含实部和虚部）。

工作原理


  • ​复数图像结构：

    • ImageFFT包含两个通道：可通过get_image_size查看通道数：Channels := 2

      • 第一个通道：实部（Real Part）
      • 第二个通道：虚部（Imaginary Part）



  • ​频域特性：

    • 低频分量集中在图像中心（整体形状、背景纹理）。
    • 高频分量分布在四周（细节、边缘、噪声）。

工业应用示例（塑料表面缺陷检测）​

​场景描述


  • ​问题：注塑件表面有微小划痕，但背景有周期性纹理干扰。
  • ​目标：通过FFT抑制背景纹理，增强缺陷。
​代码流程
  1. * 1. 读取图像并预处理
  2. read_image (Image, 'plastics_01.jpg')
  3. rgb1_to_gray (Image, GrayImage)  * 确保输入是灰度图
  5. * 2. 优化FFT计算速度（关键步骤！）
  6. optimize_rft_speed (Width, Height, 'standard')  * 自动填充至最优尺寸
  8. * 3. 执行FFT转换到频域
  9. fft_image (GrayImage, ImageFFT)
  11. * 4. 频域滤波（示例：高斯带阻滤波）
  12. gen_gauss_filter (GaussFilter, 15, 15, 0, 'none', 'rft', Width, Height)
  13. convol_fft (ImageFFT, GaussFilter, FilteredFFT)
  15. * 5. 逆FFT转回空间域
  16. fft_image_inv (FilteredFFT, ImageFiltered)
  18. * 6. 缺陷检测
  19. threshold (ImageFiltered, Defects, 100, 255)
  20. connection (Defects, ConnectedRegions)
复制代码
关键注意事项

​1. 图像尺寸优化


  • ​问题：FFT对图像尺寸敏感，非2的幂次时速度慢。
  • ​解决：使用optimize_rft_speed自动填充至最优尺寸。
  1. get_image_size (Image, Width, Height)
  2. optimize_rft_speed (Width, Height, 'standard')  * 第三个参数可选：
  3.                                                 * 'standard'（平衡速度/内存）
  4.                                                 * 'explore'（深度优化）
复制代码
2. 输入数据类型


  • ​必须：输入图像为byte、uint2或real类型。
  • ​建议：转换到real类型避免精度损失：
  1. convert_image_type (GrayImage, ImageReal, 'real')
  2. fft_image (ImageReal, ImageFFT)
复制代码
3. 滤波器设计


  • ​低频抑制​（去背景）：
  1. * 大σ值高斯滤波器（σ=20）
  2. gen_gauss_filter (LowPassFilter, 20, 20, 0, 'none', 'rft', Width, Height)
复制代码
高频增强​（提取缺陷）：
  1. * 高斯带阻滤波（抑制特定频率）
  2. gen_gauss_filter (BandStopFilter, 10, 10, 0, 'none', 'rft', Width, Height)
复制代码
4. 结果可视化
  1. power_real (ImageFFT, PowerSpectrum)  * 计算功率谱（实部² + 虚部²）
  2. dev_display (PowerSpectrum)           * 显示亮度表示能量强度
复制代码
常见问题解答

​Q1：直接显示ImageFFT为什么是乱码？


  • ​原因：频域图像是复数，无法直接显示。
  • ​正确方法：需计算幅度谱或功率谱：
  1. fft_image (Image, ImageFFT)
  2. power_real (ImageFFT, PowerSpectrum)
  3. dev_display (PowerSpectrum)
复制代码
Q2：如何检测周期性缺陷？


  • ​步骤：

    • 在功率谱中查找对称亮斑。
    • 设计带阻滤波器消除对应频率。
    • 逆FFT后检测剩余异常区域。

​Q3：处理速度慢怎么办？


  • ​优化措施：

    • 使用optimize_rft_speed优化尺寸。
    • 选择fft_generic的快速模式：

  1. fft_generic (Image, ImageFFT, 'to_freq', 'explore', 'complex', Width)
复制代码
总结


  • ​核心价值：fft_image将图像转换到频域，使周期性纹理和微小缺陷更易分离。
  • ​典型应用：

    • 消除背景纹理干扰（如金属网、织物）
    • 增强低对比度缺陷（如塑料划痕）
    • 振动模糊校正（如高速生产线图像修复）

通过合理设计滤波器，您可以在频域中“过滤”掉不需要的信息，显著提升缺陷检测的准确性。
 
 
2.生成高斯滤波器算子gen_gauss_filter( : ImageGauss : Sigma1, Sigma2, Phi, Norm, Mode, Width, Height : )详解：
功能描述


  • ​作用：生成高斯滤波器（或高斯导数滤波器），用于频域或空域滤波。
  • ​典型应用：

    • 抑制周期性背景纹理（如金属网、织物）
    • 增强微小缺陷（如塑料划痕、电子元件焊点缺陷）
    • 图像平滑去噪（保留边缘）

参数
类型说明工业检测调参建议ImageGauss输出对象生成的高斯滤波器图像-Sigma1实数X方向的标准差（控制滤波器的横向扩展）根据目标特征尺寸设置（例：缺陷宽度=20像素 → Sigma1=10）Sigma2实数Y方向的标准差（控制滤波器的纵向扩展）通常与Sigma1相同（各向同性滤波）Phi实数滤波器的旋转角度（弧度）0（无旋转）或根据纹理方向设置（如45°=0.785 rad）Norm字符串标准化模式：
'none'：不标准化
'n'：归一化到单位能量频域滤波用'none'，空域滤波用'n'Mode字符串滤波器模式：
'rft'：频域滤波器（复数）
'dc_center'：空域滤波器频域处理必选'rft'Width整数滤波器宽度（需与待处理图像等宽）通过get_image_size获取原图尺寸Height整数滤波器高度（需与待处理图像等高）同上




    • （例：划痕宽度6像素 → Sigma=2）

​2. Mode='rft'



    • ​频域滤波器特性：​必须与图像等尺寸：

      • 生成复数滤波器（实部+虚部），直接用于FFT频域乘法
      • 滤波器中心在图像左上角（FFT标准布局）



  1. get_image_size (Image, Width, Height)
  2. gen_gauss_filter(..., Width, Height)
复制代码
3. Norm='none'


  • ​频域滤波不推荐归一化：

    • 保持滤波器的绝对强度
    • 避免频域相乘后能量损失

工业应用案例：塑料表面划痕检测

​场景描述


  • ​问题：塑料件表面有细微划痕，但存在网状纹理背景干扰。
  • ​目标：抑制网状纹理，增强划痕特征。
​解决方案


  • ​生成带阻高斯滤波器​（抑制特定频率的网状纹理）
  • ​频域滤波后检测缺陷
​代码示例
  1. * 1. 读取图像并转换为灰度
  2. read_image (Image, 'plastic_mesh_01.jpg')
  3. rgb1_to_gray (Image, GrayImage)
  5. * 2. 获取图像尺寸
  6. get_image_size (GrayImage, Width, Height)
  8. * 3. 生成高斯带阻滤波器（抑制网状纹理）
  9. Sigma1 := 25.0  * 抑制低频（对应网状纹理周期50像素）
  10. Sigma2 := 3.0    * 保留高频（划痕特征）
  11. gen_gauss_filter (GaussFilter, Sigma1, Sigma2, 0, 'none', 'rft', Width, Height)
  13. * 4. 频域滤波处理
  14. fft_image (GrayImage, ImageFFT)
  15. convol_fft (ImageFFT, GaussFilter, FilteredFFT)
  16. fft_image_inv (FilteredFFT, ImageFiltered)
  18. * 5. 检测划痕
  19. threshold (ImageFiltered, Scratches, 50, 255)
  20. dev_display (Scratches)
复制代码
滤波器效果可视化
  1. * 查看频域滤波器形状
  2. power_real (GaussFilter, PowerSpectrum)
  3. dev_display (PowerSpectrum)  * 显示为中央暗区（抑制低频）+周边亮环（保留高频）
复制代码
参数调优技巧

​1. 确定Sigma值


  • ​步骤：

    • 对正常样本做FFT，观察功率谱中的亮斑（背景纹理频率）
    • 测量亮斑到中心的距离D（像素）
    • 设置Sigma = D/2

​2. 方向性滤波（Phi调整）​


  • ​应用场景：当缺陷具有方向性时（如平行划痕）
  • ​设置方法：
  1. * 检测到划痕方向为60度
  2. Phi := rad(60)  * 转换为弧度
  3. gen_gauss_filter(..., Phi, ...)  * 生成旋转滤波器
复制代码
3. 多尺度滤波
  1. * 组合不同Sigma值检测多尺寸缺陷
  2. for Sigma := [5, 10, 20] do
  3.     gen_gauss_filter(..., Sigma, Sigma, ...)
  4.     convol_fft(...)
  5.     * 各尺度结果融合
  6. endfor
复制代码
常见问题解决

​Q1：滤波器处理后图像变暗


  • ​原因：低频成分被过度抑制。
  • ​解决：使用带通滤波（高斯相减）：
  1. * 生成两个高斯滤波器相减
  2. gen_gauss_filter (Gauss1, 30, 30, ...)
  3. gen_gauss_filter (Gauss2, 10, 10, ...)
  4. sub_image (Gauss1, Gauss2, BandPassFilter, 1, 0)
复制代码
Q2：处理后出现振铃效应


  • ​原因：滤波器边缘陡峭导致吉布斯现象。
  • ​解决：增大Sigma值使滤波器过渡平滑。
​Q3：滤波后缺陷丢失


  • ​原因：Sigma设置过小导致缺陷频率被滤除。
  • ​调试：逐步增大Sigma值，观察频域功率谱变化。
总结

参数调整策略​Sigma1根据背景纹理周期设置，越大抑制的低频越多​Sigma2根据缺陷尺寸设置，越小保留的高频细节越多​Phi沿缺陷方向设置（需先进行方向分析）​Norm频域滤波始终用'none'，空域滤波用'n'​尺寸必须与输入图像等大（通过get_image_size获取）通过合理设置高斯滤波器参数，可以有效分离背景纹理与目标缺陷，提升工业视觉检测的准确性和鲁棒性。建议配合power_real可视化频域滤波器特性，进行参数调优验证。
 
 
3.频域卷积算子convol_fft(ImageFFT, ImageFilter : ImageConvol : : )详解：
功能描述


  • ​核心作用：在频域中执行两个图像的卷积运算（等效于空域的滤波操作）。
  • ​数学原理：频域卷积 = 频域图像 × 频域滤波器（复数乘法）。
  • ​优势：比空域卷积快100倍以上（尤其适合大尺寸滤波器或图像）。
 
参数说明

参数类型说明工业检测注意事项ImageFFT输入经过FFT变换的输入图像（复数形式，实部+虚部）必须通过fft_image生成ImageFilter输入频域滤波器（需与ImageFFT同尺寸，复数形式）常用高斯滤波器gen_gauss_filter生成ImageConvol输出卷积结果（复数频域图像）需逆FFT转换回空间域使用 
工业应用场景（金属表面划痕检测）​

​场景需求


  • ​问题：金属板表面有细微划痕，但存在周期性加工纹理（低频背景）。
  • ​目标：抑制背景纹理，增强划痕特征。
​处理流程
  1. * 1. 读取图像并转换到频域
  2. read_image (Image, 'metal_surface_01.jpg')
  3. rgb1_to_gray (Image, GrayImage)
  4. fft_image (GrayImage, ImageFFT)  * 转换到频域
  6. * 2. 生成高通高斯滤波器（增强高频缺陷）
  7. gen_gauss_filter (Filter, 5, 5, 0, 'none', 'rft', Width, Height)
  9. * 3. 频域卷积（等效于空域滤波）
  10. convol_fft (ImageFFT, Filter, ImageConvol)
  12. * 4. 逆FFT转回空间域
  13. fft_image_inv (ImageConvol, ImageFiltered)
  15. * 5. 检测划痕
  16. threshold (ImageFiltered, Scratches, 80, 255)
  17. dev_display (Scratches)
复制代码
频域卷积效果


  • ​输入频谱：ImageFFT包含金属纹理（低频中心亮区）+ 划痕（高频边缘）。
  • ​滤波器：高通滤波器（中央暗区，周边亮环）。
  • ​输出频谱：抑制低频纹理，保留高频划痕信号。
关键参数详解

​1. 滤波器设计策略

滤波器类型生成方法适用场景​低通gen_gauss_filter大Sigma（如30）抑制高频噪声（如电子元件毛刺）​高通1 - 低通滤波器增强边缘/划痕​带阻高斯1 - 高斯2（不同Sigma）消除特定频率干扰（如网格纹理）​带通高斯低通 - 高斯高通提取特定尺寸特征​2. 性能优化


  • ​尺寸匹配：确保ImageFFT和ImageFilter尺寸相同（通过get_image_size验证）。
  • ​预处理加速：
  1. optimize_rft_speed (Width, Height, 'standard')  * 自动填充至最优尺寸
复制代码
典型问题解决方案

​问题1：处理后出现振铃伪影


  • ​原因：滤波器边缘陡峭导致吉布斯现象。
  • ​解决：
  1. * 使用渐变高斯滤波器（边缘平滑）
  2. gen_gauss_filter (Filter, 15, 15, 0, 'none', 'rft', Width, Height)
复制代码
问题2：缺陷信号被过度抑制


  • ​现象：阈值分割后缺陷区域消失。
  • ​调试步骤：

    • 检查滤波器类型（误用低通会抑制缺陷）。
    • 可视化功率谱：

  1. power_real (ImageConvol, PowerSpectrum)
  2. dev_display (PowerSpectrum)  * 确认缺陷频率是否保留
复制代码
与空域卷积的对比

特性频域卷积 (convol_fft)空域卷积 (convol_image)​速度O(n log n) → 快（大核优势）O(n²m²) → 慢（m为滤波器尺寸）​适用场景大尺寸滤波器（>15x15）小尺寸滤波器（5的像素（增强后的划痕区域）threshold (Lines, Region, 5, 255)* 【4.2 连通域分析】 * 分离不连续的候选区域connection (Region, ConnectedRegions)* 【4.3 区域筛选】 * 保留面积5-5000像素的候选区域（过滤噪声和大面积背景）select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 5, 5000)* 【4.4 圆形膨胀】 * 合并相邻区域，半径5.5平衡连接性和细节保留dilation_circle (SelectedRegions, RegionDilation, 5.5)* 【4.5 区域合并】 * 将所有候选区域合并为一个整体union1 (RegionDilation, RegionUnion)* 【4.6 ROI提取】 * 在原始图像上裁剪出候选区域reduce_domain (Image, RegionUnion, ImageReduced)* 【4.7 高斯线检测】 * 参数0.8: 高斯平滑系数，检测暗色条状特征lines_gauss (ImageReduced, LinesXLD, 0.8, 3, 5, 'dark', 'false', 'bar-shaped', 'false')* 【4.8 合并共线轮廓】 * 40: 最大角度差(度)，3: 最大距离差，合并断裂线段union_collinear_contours_xld (LinesXLD, UnionContours, 40, 3, 3, 0.2, 'attr_keep')* 【4.9 轮廓筛选】 * 选择长度15-1000像素的轮廓（滤除短噪声）select_shape_xld (UnionContours, SelectedXLD, 'contlength', 'and', 15, 1000)* 【4.10 生成最终区域】 * 将XLD轮廓转为填充区域gen_region_contour_xld (SelectedXLD, RegionXLD, 'filled')* 【4.11 最终区域合并与膨胀】 * 合并所有区域并用10.5半径膨胀强化显示union1 (RegionXLD, RegionUnion)dilation_circle (RegionUnion, RegionScratches, 10.5)* 【5. 结果显示】* -----------------------------------------------------dev_set_draw ('margin')     * 轮廓显示模式dev_set_line_width (3)      * 设置线宽dev_set_colored (12)        * 使用12种颜色区分区域dev_display (Image)         * 显示原始图像dev_display (RegionScratches) * 叠加显示划痕检测结果[/code] 
 结果图：
19.png

 
 
 
 示例3：皮革表面缺陷检测
 
原图：
20.bmp

 
 
21.bmp

 
实例代码：
  1. dev_update_off ()
  2. read_image (Image, 'fabric_01.jpg')
  3. get_image_size (Image, Width, Height)
  4. optimize_rft_speed (Width, Height, 'standard')  * 尺寸优化
  6. * 频域转换
  7. fft_image (Image, ImageFFT)
  9. * 设计带阻滤波器（抑制织物纹理）
  10. gen_gauss_filter (LowPass, 40, 40, 0, 'none', 'rft', Width, Height)
  11. gen_gauss_filter (HighPass, 5, 5, 0, 'none', 'rft', Width, Height)
  12. sub_image (LowPass, HighPass, BandStopFilter, 1, 0)
  14. * 频域卷积
  15. convol_fft (ImageFFT, BandStopFilter, ImageConvol)
  17. * 逆变换与检测
  18. fft_image_inv (ImageConvol, ImageFiltered)
  19. threshold (ImageFiltered, Defects, 70, 255)
  20. connection (Defects, ConnectedRegions)
  21. select_shape (ConnectedRegions, FinalDefects, 'area', '>', 50)
复制代码
 
显示反照率图：
22.png

 
显示结果图：
23.png

24.png

 
 
 
 
 
 
 
未完待续。。。。。。。。。。。。
 
[table]∂x∂Vy​​交叉导数（剪切应变）
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

使用道具 举报
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册
发帖
骛扼铮
2025-6-3 14:53:09

0

粉丝关注

15

主题发布

板块介绍填写区域，请于后台编辑
微信扫一扫