本次分享的示例代碼很簡單，總共加起來不到20行，但是這個很簡單的案例，確有兩個很重要的halcon知識點，因此該示例算是小而精的典範。
先上代碼：
* PCB板線路檢測
* 讀圖像
read_image (Image, 'pcb')
dev_close_window ()
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_display (Image)
* detect defects ...
* 灰度圖像進行腐蝕和開運算 暗的像素變多
* 灰度圖像進行膨脹和閉運算 亮的像素變多
* 通過灰度圖像的開運算，讓線路板中斷開的地方連接起來了
gray_opening_shape (Image, ImageOpening, 7, 7, 'octagon')
* 通過灰度圖像的閉運算，讓線路板中斷開的地方斷得更開了
gray_closing_shape (Image, ImageClosing, 7, 7, 'octagon')
* 動態二值化，達到差分的效果
* 兩個輸入的灰度圖像，以offset爲基礎，按照指定的條件，選擇特定的灰度值組成輸出的結果灰度圖像
dyn_threshold (ImageOpening, ImageClosing, RegionDynThresh, 75, 'not_equal')
dev_display (Image)
dev_set_color ('red')
dev_set_draw ('margin')
dev_display (RegionDynThresh)
兩個重點：
1. 關於形態學，可以對兩種不同的對象進行處理，一種是區域，一種是灰度圖像。在本示例代碼中，是對灰度圖像進行的處理。
對灰度圖像處理：
腐蝕和開運算 -> 暗的像素變多
膨脹和閉運算 -> 亮的像素變多
對區域進行處理：
腐蝕和開運算 -> 區域變小
膨脹和閉運算 -> 區域變大
2. 在此示例中，通過灰度形態學處理+dyn_threashold這個算子結合處理，達到了difference算子進行區域差分達到的效果。也通過差分，從而得到了PCB線路中的斷開區域。
機器視覺在3C行業的使用，PCB板的檢測是一個很重要的方面，同時和機械臂結合起來，能真正實現機器代替人，將有缺陷的PCB板區分出來。當然，本案例只是一個簡單的示例，實際的使用會比這個要複雜，但是，在實際場景中，本示例所使用的方法，是可以借鑑的。
更多最新文章，請關注公衆號：
代碼的執行效果如下所示：
待處理的PCB板圖像，通過肉眼，可以看到是有斷線的。
灰度圖像開運算：
灰度圖像閉運算：
通過dyn_threshold處理後，得到的差分區域，紅色的都是：
在原圖中標記出斷線位置：
