halcon视觉缺陷检测常用的6种方法

一、缺陷检测综述

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。常用的手法有六大金刚（在halcon中的ocv和印刷检测是针对印刷行业的检测，有对应算子封装）：

1.blob+特征

2.blob+差分+特征

3.光度立体

4.特征训练

5.测量拟合

6.频域+空间结合

二、频域+空间结合法

1、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。

2、频率特征是图像的灰度变化特征，低频特征是灰度变化不明显，例如图像整体轮廓，高频特征是图像灰度变化剧烈，如图像边缘和噪声。一个重要的经验结论：低频代表图像整体轮廓，高频代表了图像噪声，中频代表图像边缘、纹理等细节。

3、什么时候使用傅里叶变换进行频域分析？

1）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。 

2）需要提取对比度低或者信噪比低的特征。 

3）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。

4、举例

另外，halcon自带的例子detect_mura_defects_texture.hdev也值得学习

三、光度立体法

在工业领域，表面检测是一个非常广泛的应用领域。在halcon中，使用增强的光度立体视觉方法，三维表面检测被加强。利用阴影可方便快速的检测物体表面的缺口或凹痕。 使用光度立体视觉方法可在复杂图像中轻松找到表面缺陷 。

四面打光，合成图像，求取梯度图型，然后Halcon里的光度立体法也是这方面的应用，关键的算子就是photometric_stereo。

潜在问题：

1.看官方例子貌似都是条形组合光源打光，用光度立体法检测，一定要把缺陷打出来才行吗？

2.一定要取4张图片吗？

3.photometric_stereo (Images, HeightField, Gradient, Albedo, Slants, Tilts, ResultType, 'poisson', [], [])该算子的配置有什么讲究吗？

举例：检测-光度立体法检测药片包装背面的缺陷

官方例子：皮革检测，inspect_leather_photometric_stereo.hdev

参考文献

1、halcon机器视觉缺陷检测之划痕-超人视觉

http://www./read-8013.html

https://pan.baidu.com/share/link?shareid=3266393619&uk=2369503810

2、halcon缺陷检测的示例代码解析

https://blog.csdn.net/ymj7150697/category_8002603.html

————————————————

版权声明：本文为CSDN博主「libaineu2004」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。