halcon培訓-快速傅里葉變換（FFT）對塑料製品-@龍熙視覺

halcon培訓-快速傅里葉變換（FFT）對塑料製品-@龍熙視覺

• 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

• 說明：這個程序展示瞭如何利用快速傅里葉變換（FFT）對塑料製品的表面進行目標（缺陷）的檢測，大致分爲三步：

• 首先，我們用高斯濾波器構造一個合適的濾波器（將原圖通過高斯濾波器濾波）；

• 然後，將原圖和構造的濾波器進行快速傅里葉變換；

• 最後，利用形態學算子將缺陷表示在濾波後的圖片上（在缺陷上畫圈）。*

• Initializations

• 在程序執行過程中選擇將PC更新操作打開或關閉
  dev_update_off ()
  

*** 關閉激活的圖形顯示窗口**
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’)

• 顯示的對象只有邊緣線，
  dev_set_draw (‘margin’)

• 線寬用Line Width 指定
  dev_set_line_width (3)

• 指定顏色
  dev_set_color (‘red’)

• Optimize the fft speed for the specific image size

• 對指定大小的圖片的fft速度進行優化
  optimize_rft_speed (Width, Height, ‘standard’)

• Construct a suitable filter by combining two gaussian

• filters

• 構造兩個高斯濾波器

• 定義兩個常量
  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)

• 兩圖片相減（灰度） 構造一個合適的濾波器
  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’)

  • 把一個RGB圖像轉變成一個灰度圖像。
    rgb1_to_gray (Image, Image)

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

  • 在快速傅里葉變換中 計算一個圖像的實值。
    rft_generic (Image, ImageFFT, ‘to_freq’, ‘none’, ‘complex’, Width)

  • 用在頻域內的濾波器使一個圖像卷積。

  • 不做濾波的話 ，無法去除噪聲
    convol_fft (ImageFFT, Filter, ImageConvol)
    rft_generic (ImageFFT, ImageFiltered, ‘from_freq’, ‘n’, ‘real’, Width)

  • Process the filtered image

  • 用一個矩形掩碼計算像素點的灰度範圍
    *是一個8位單通道圖像(灰度圖/二值圖)
    *掩碼某個位置如果爲0，則在此位置上的操作不起作用
    *掩碼某個位置如果不爲0，則在此位置上的操作會起作用
    *可以用來提取不規則ROI

  gray_range_rect (ImageFiltered, ImageResult, 10, 10)

• intensity(ImageResult, ImageResult, MeanValue, Deviation)
  

  • 決定區域內最小最大灰度值
    min_max_gray (ImageResult, ImageResult, 0, Min, Max, Range)

if (Max > 6.8)
value := 6.8
else
value := Max * 0.8
endif
* 利用全局閾值對圖像進行分割
threshold (ImageResult, RegionDynThresh, max([5.55,Max * 0.8]), 255)

• 計算區域內的連通部分
  connection (RegionDynThresh, ConnectedRegions)

• 根據指定的形態特徵選擇區域
  select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 4, 99999)

• 返回包含所有區域的集合
  union1 (SelectedRegions, RegionUnion)

*閉運算
closing_circle (RegionUnion, RegionClosing, 10)

*連通域
connection (RegionClosing, ConnectedRegions1)

*特徵篩選
select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 10, 99999)

* 計算區域的面積以及中心位置
area_center (SelectedRegions1, Area, Row, Column)
* 
* Display the results
dev_display (Image)
 * 將區域面積個數賦給Number，用於後面顯示生成缺陷個數
 Number := |Area|
if (Number)
    *畫出1個或者多個缺陷位置，並且顯示  
    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