halcon培训-快速傅里叶变换（FFT）对塑料制品-@龙熙视觉

halcon培训-快速傅里叶变换（FFT）对塑料制品-@龙熙视觉

• This program demonstrates how to detect small texture
• defects on the surface of plastic items by using the fast
• fourier transform (FFT).
• First, we construct a suitable filter using Gaussian
• filters. Then, the images and the filter are convolved
• by using fast fourier transforms. Finally, the defects
• are detected in the filtered images by using
• morphology operators.

**例程：detect_indent_fft.hdev

• 说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：

• 首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；

• 然后，将原图和构造的滤波器进行快速傅里叶变换；

• 最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。*

• Initializations

• 在程序执行过程中选择将PC更新操作打开或关闭
  dev_update_off ()
  

*** 关闭激活的图形显示窗口**
dev_close_window ()
read_image (Image, ‘plastics/plastics_01’)
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, ‘black’, WindowHandle)
set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’)

• 显示的对象只有边缘线，
  dev_set_draw (‘margin’)

• 线宽用Line Width 指定
  dev_set_line_width (3)

• 指定颜色
  dev_set_color (‘red’)

• Optimize the fft speed for the specific image size

• 对指定大小的图片的fft速度进行优化
  optimize_rft_speed (Width, Height, ‘standard’)

• Construct a suitable filter by combining two gaussian

• filters

• 构造两个高斯滤波器

• 定义两个常量
  Sigma1 := 10.0
  Sigma2 := 3.0
  gen_gauss_filter (GaussFilter1, Sigma1, Sigma1, 0.0, ‘none’, ‘rft’, Width, Height)
  gen_gauss_filter (GaussFilter2, Sigma2, Sigma2, 0.0, ‘none’, ‘rft’, Width, Height)

• 两图片相减（灰度） 构造一个合适的滤波器
  sub_image (GaussFilter1, GaussFilter2, Filter, 1, 0)

• gauss_image(Filter, ImageGauss, 5)

• gauss_filter(Image, ImageGauss1, 10)

• Process the images iteratively
  NumImages := 11
  for Index :=1 to NumImages by 1
  Index :=2
  *

  • Read an image and convert it to gray values
    read_image (Image, ‘plastics/plastics_’ + Index$‘02’)

  • 把一个RGB图像转变成一个灰度图像。
    rgb1_to_gray (Image, Image)

  • Perform the convolution in the frequency domain
    *3-5-7-9-11
    gauss_filter(Image, ImageGauss1, 9)

  • 在快速傅里叶变换中 计算一个图像的实值。
    rft_generic (Image, ImageFFT, ‘to_freq’, ‘none’, ‘complex’, Width)

  • 用在频域内的滤波器使一个图像卷积。

  • 不做滤波的话 ，无法去除噪声
    convol_fft (ImageFFT, Filter, ImageConvol)
    rft_generic (ImageFFT, ImageFiltered, ‘from_freq’, ‘n’, ‘real’, Width)

  • Process the filtered image

  • 用一个矩形掩码计算像素点的灰度范围
    *是一个8位单通道图像(灰度图/二值图)
    *掩码某个位置如果为0，则在此位置上的操作不起作用
    *掩码某个位置如果不为0，则在此位置上的操作会起作用
    *可以用来提取不规则ROI

  gray_range_rect (ImageFiltered, ImageResult, 10, 10)

• intensity(ImageResult, ImageResult, MeanValue, Deviation)
  

  • 决定区域内最小最大灰度值
    min_max_gray (ImageResult, ImageResult, 0, Min, Max, Range)

if (Max > 6.8)
value := 6.8
else
value := Max * 0.8
endif
* 利用全局阈值对图像进行分割
threshold (ImageResult, RegionDynThresh, max([5.55,Max * 0.8]), 255)

• 计算区域内的连通部分
  connection (RegionDynThresh, ConnectedRegions)

• 根据指定的形态特征选择区域
  select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 4, 99999)

• 返回包含所有区域的集合
  union1 (SelectedRegions, RegionUnion)

*闭运算
closing_circle (RegionUnion, RegionClosing, 10)

*连通域
connection (RegionClosing, ConnectedRegions1)

*特征筛选
select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 10, 99999)

* 计算区域的面积以及中心位置
area_center (SelectedRegions1, Area, Row, Column)
* 
* Display the results
dev_display (Image)
 * 将区域面积个数赋给Number，用于后面显示生成缺陷个数
 Number := |Area|
if (Number)
    *画出1个或者多个缺陷位置，并且显示  
    gen_circle_contour_xld (ContCircle, Row, Column, gen_tuple_const(Number,30), gen_tuple_const(Number,0), gen_tuple_const(Number,rad(360)), 'positive', 1)
    ResultMessage := ['Not OK',Number + ' defect(s) found']
    Color := ['red','black']
    dev_display (ContCircle)
else
    ResultMessage := 'OK'
    Color := 'forest green'
endif
disp_message (WindowHandle, ResultMessage, 'window', 12, 12, Color, 'true')
if (Index != NumImages)
    disp_continue_message (WindowHandle, 'black', 'true')
    stop ()
endif

endfor