理论基础一、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。什么时候使用傅里叶变换进行频域分析？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。 需要提取对比度低或者信噪比低的特征。 图
Region参数
缺陷类型
1.边缘凹凸检测2.内部凸凹点、瑕疵、污点、内部烫伤、孔洞3.划痕（用低角度环形光进行打光，将划痕打亮，背景打暗；也可用同轴光，让表面反光不明显）
缺陷图像处理
1.blob分析+特征提取2.blob分析+特征提取+差分3.频域+空间域4.光度立体化5.特征训练6.测量+拟合
halcon算子
1 *二值化 输入图像 输出区域
转载
2021-02-24 14:39:00
1701阅读
2评论
第五章 halcon与EmguCV之间的转换其实一般情况下都是halcon转emguCV了，反过来做的应该很少吧？所以本章我也是只说怎么把halcon算子转换成emguCV代码。其实halcon跟emguCV都有那么多代码，很多我也在学习中呢，所以本章只有一节，把我整理的一些学习笔记写进来与大家一起分享。先聊几个稍微简单的吧！(1) Halcon里面的read_image(),其实就相当于emgu
转载
2024-04-11 13:11:01
277阅读
1.缺陷分类： 边缘凹凸、毛刺 内部污点、内部凹凸、特定空洞、破损 划痕（一般用低角度环形光和同轴光源） 凸点一般用带角度的光源斜着打，背景打亮，凸点打暗。 凹点一般用平行光从上往下打，背景打亮，凹点打暗。2.缺陷处理的方式： Blob+区域特征：cheak_blister.hdev(检测胶囊缺失和错误) Blob+区域特征+差分：fin.hdev(边缘凸起的检测) 频域+
转载
2023-12-03 11:55:41
865阅读
引言机器视觉中缺陷检测分为一下几种：blob分析+特征模板匹配（定位）+差分光度立体：halcon——缺陷检测常用方法总结（光度立体） - 唯有自己强大 -特征训练测量拟合频域+空间域结合：halcon——缺陷检测常用方法总结（频域空间域结合） - 唯有自己强大 -深度学习本篇主要总结一下缺陷检测中的定位+差分的方法。即用形状匹配，局部变形匹配去定位然后用差异模型去检测缺陷。模板匹配（定位）+差分
转载
2024-05-06 07:48:33
911阅读
第六章-缺陷检测关于缺陷检测回顾工业视觉的任务常见的缺陷与对应算法常见的缺陷有:对象轮廓凸凹不平
非曲面轮廓的: 凸点斜光打亮,凹点垂直光打暗曲面轮廓的:对象内部污点、内部凸凹点、瑕疵点、空洞和破损等对象表面划痕
打光,采用低角度环形光 & 同轴光总结:检测缺陷的几个方法如下打光,光的角度光源选型,如波长图像处理算法:
blob分析+特征检测blob分析+特征检测+差分频
转载
2024-04-13 12:21:55
1599阅读
* 这个例子检查瓶口缺陷，
* 首先找到瓶口，找瓶口的方法就通过自动阈值，然后进行圆拟合
*边缘检测，找到边缘之后缩小圆，找到瓶口这一个圆带状图像
*把圆带拉抻变换成长方形，这样其实是为了使用平均值滤波，把窗口的设置为【500，3】大小，这样就可以把垂直方向的差异提取出来
*然后再通过dyn_threshold找出差异位置，计算连通域，然后再找出连通域高度大于9的，如果有，就认为包含缺陷，如果没有
转载
2024-06-13 16:41:59
855阅读
Halcon缺陷检测系列Halcon缺陷检测系列Halcon缺陷检测系列
原创
2022-03-03 16:49:41
2037阅读
引言机器视觉中缺陷检测分为一下几种：blob分析+特征模板匹配(定位)+差分光度立体特征训练测量拟合
深度学习前一篇总结了频域与空间域的结合使用，本篇就光度立体的缺陷检测做一个总结。 光度立体在工业领域，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
转载
2024-04-29 13:57:24
169阅读
引言机器视觉中缺陷检测分为一下几种：blob分析+特征模板匹配（定位）+差分光度立体特征训练测量拟合频域+空间域结合：halcon——缺陷检测常用方法总结（频域空间域结合） - 唯有自己强大深度学习前一篇总结了频域与空间域的结合使用，本篇就光度立体的缺陷检测做一个总结。光度立体在工业领域，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
转载
2024-05-07 15:50:07
334阅读
目录前言一、准备1、准备缺陷检测所需图片1.1、images文件夹：3种类型图片1.2、divisionImages文件夹：3种类型图片（用于分割背景）二、编写代码1、设置输入输出路径2、设置参数3、处理图片、拆分4、预处理数据集5、测试三、下载地址 前言最近学习深度学习时的一些总结和看法，参照深度学习的自带案例（segment_pill_deep_learning_1_preprocess.h
转载
2024-07-22 11:14:14
116阅读
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）。注：代码中绿色部分为个人理解和注释,其余为例程中原有代码*In
转载
2024-05-01 08:15:40
172阅读
1.首先简单介绍一下Halcon开发： HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。Halco
转载
2024-06-28 15:39:36
173阅读
本程序演示了使用光度立体技术对皮革样品的检查。 *输入4张皮革样本的图片，光线来自不同的方向。初始化 dev_update_off () dev_close_window () dev_open_window (0, 0, 640, 480, ‘black’, WindowHandle) *打开窗口 set_display_font (WindowHandle, 14, ‘mono’, ‘true
1维测量主要是测量沿着直线和圆弧的距离和角度。2维测量主要是测量物体的大小和方向。3维测量主要是测量物体在3维世界里的世界坐标。Chapter 1开关销的测量，因为它可以用一条直线测量，因此采用一维测量。gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height, Interpolation, Mea
一、图像预处理和条码增强 对比度太低：scale_image（或使用外部程序scale_image_range），增强图像的对比度。 图像模糊：emphasize锐化图像，使条码看起来更清晰。 深色背景上读取浅色条码：invert_image反转图像。 二、解码涉及的主要算子 read_image ：读图create_bar_code_
OpenCV实现瓶口缺陷检测---极坐标
原创
2022-10-18 20:09:02
487阅读
后面连续几周将开启缺陷检测专题模式，敬请关注！本期来用OpenCV实现Halcon中一个简单的网格缺陷检测实例。 Halcon中对应的例子为novelty_detection_dyn_threshold.hdev，如下：属于Blob分析中的一个缺陷检测实例，用于检测网格缺陷，如下图所示：正常网格图例：缺陷网格图例：实现步骤：动态二值化，区域面积筛选。Halcon实例代码这里不具体介绍，大家有兴趣按照上面例子名称搜索查看即可，我们根据思路，用OpenCV实...
原创
2021-06-10 17:16:14
2308阅读
摘要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。 缺陷检测算法不同于尺寸、二维码、OCR等算法。后者应用场景比较单一，基本都是套用一些成熟的算子，所以门槛较低，比较容易做成标准化的工具。而缺陷检测极具行业特点，不同行业的缺陷算法迥然不同。随着缺陷检测要求的提高，机器学习和深度学习也成了缺陷领域一个不可或缺的技术难点。
转载
2024-08-04 10:31:47
954阅读
Halcon缺陷检测实例转OpenCV实现(一)---网格缺陷检测 Halcon缺陷检测实例转OpenCV实现(二)
原创
2022-02-25 09:20:42
1064阅读
