一个基于固定比例尺寸的缺陷检测的实例及逐步图片详解

这两天的模板匹配的学习，发现前面两篇关于匹配的文章有一些理解错误的地方，正在做一些修正。对于关于模板匹配的几种类别，有重新的理解，也在陆续做修正。

在陆续修正的过程中，先切入缺陷检测的学习，今天才搞定的，马上分享一下，《一个基于固定比例尺寸的缺陷检测的实例及逐步图片详解》。

ps：每贴只能显示5张图片，这篇要分4个贴写完。

* This example program shows how to use HALCON's variation model operators
* to perform a typical print quality inspection. The program detects incorrect
* prints on the clips of pens. In the first step, the variation model is constructed
* from images of correct prints. Since the position of the objects can vary, the
* images must be transformed to a reference position (the position of the print
* in the first image in this example). HALCON's shape-based matching is used
* to detect the position and angle of the print in the images. The found position
* and angle are used to transform the images to the reference position.
* In the second part of the program, the prints of the correct clips and of several
* incorect clips is checked and classified.
* 这个例程展示了如何运用Halcon的变化模型来执行一个典型的印刷质量检测。
* 这个段代码用于检测钢笔笔夹上的不正确印刷。
* 第一步，首先从正确的印刷图像建立一个变化模型。
* 由于对象的位置可以变化，图像必须被转化为一个参考位置（在这个例子中的第一图像的打印位置）。
* Halcon的基于形状的匹配是用来检测打印图像中的位置和角度。把找到的位置和角度转换成图像的参考位置。
* 第二部分代码，展示了检查和分类出正确与错误的笔夹上的印刷图案。
dev_update_pc ('off')
dev_update_window ('off')
dev_update_var ('off')
read_image (Image, 'pen/pen-01')



get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
get_system ('operating_system', OS)
if (OS{0:2} = 'Win')
set_font (WindowHandle, '-Courier New-18-*-*-*-*-')
else
set_font (WindowHandle, '-adobe-courier-bold-r-normal--25-*-*-*-*-*-*-*')
endif
* 这段获取系统信息是可以取消的。
dev_set_color ('red')
dev_display (Image)
* Note: the shape model will be constructed from a ROI that is computed
* automatically based on a simple image segmentation.
* 将从一个基于简单图像分割的自动计算的ROI中创建这个形状模型。
stop()
threshold (Image, Region, 100, 255)
* 灰白色区域被选中，这个区域中有灰黑色部分。



fill_up (Region, RegionFillUp)
* 将整个区域填充起来。



difference (RegionFillUp, Region,
RegionDifference)
* 将RegionFillUp和Region不同的部分获取出来，得到中间灰黑色部分。



dev_clear_window()
dev_display (RegionDifference)
* 清空窗口来显示一些过程图片。
shape_trans (RegionDifference, RegionTrans, 'convex')
* 变换一个区域的形状，把difference得到的灰黑色图案变换形状，用convex模式变换，将其变换成整个凸出的填充完整形状。



dilation_circle (RegionTrans, RegionDilation, 8.5)
* 将变换得到的RegionTrans区域扩大8.5边缘，并倒圆角



reduce_domain(Image,
RegionDilation, ImageReduced)
* 从图片抠出扩大边缘的RegionDilation，得到ImageReduced。



*
difference是对比不同部分，把不同的部分提取出来；
* 而reduce是从一个图片抠出一个基于另一个图像的大小和位置的图片。
dev_clear_window()
read_image (Image1, 'L:/Halcon test/mvrec.jpg')



gen_rectangle1(ROI_0, 210.111, 144.655, 343.111, 554.866)



reduce_domain (Image1, ROI_0, ImageReduced1)



dev_clear_window()
dev_display (ImageReduced1)
* 如果一个图片是单色可用gen_rectangle1等创建ROI的话，就不用上面那么繁杂的步骤
dev_clear_window()
dev_display (ImageReduced)
inspect_shape_model (ImageReduced, ModelImages, ModelRegions, 1, 20)
* 创建一个对比的模型，后面两个参数：第一个是层数（NumLevels，如5层）
* 第二个是对比度阈值，对比度太高，就只能选中灰黑色的图案；对比值适中，才能选中浅灰色图案；对比度太低，就会把淡灰色部分也选中。



gen_contours_skeleton_xld (ModelRegions, Model, 1, 'filter')
* 将框架转换为XLD轮廓(contour)。
area_center (RegionDilation, Area, RowRef, ColumnRef)
* 输出面积和中心点位置。



create_shape_model (ImageReduced, 5, rad(-10), rad(20), 'auto', 'none', 'use_polarity', 20, 10, ShapeModelID)

*
创建一个形状模型
create_variation_model (Width, Height, 'byte', 'standard', VariationModelID)
* 为图像对比创建一个变化模型。
stop()
for I := 1 to 15 by 1
read_image (Image, 'pen/pen-'+I$'02d')
find_shape_model (Image, ShapeModelID, rad(-30), rad(60), 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)
* 在图片中寻找ShapeModelID的模板匹配的团案。获取匹配图案的行，列，角，分数
if (|Score| = 1)
vector_angle_to_rigid (Row, Column, Angle, RowRef, ColumnRef, 0, HomMat2D)
* 从点和角度方面计算一个严格的仿射变换。
affine_trans_image (Image, ImageTrans, HomMat2D, 'constant', 'false')
* 把任意仿射2D变换应用在图像中。
* 也就是在I=15的15张图片中，有些笔夹印刷图案的位置不一定都能和模板的位置（第一张图片）一致，会有一定的偏移，
* 那么将其按照已获取的中心点位置移动到中点。
train_variation_model (ImageTrans, VariationModelID)
* 训练一个变化模型。
dev_display (ImageTrans)
dev_display (Model)



endif
endfor
stop()
dev_close_window ()
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
get_variation_model (MeanImage, VarImage, VariationModelID)
* 返回图像用于图像对比。
prepare_variation_model (VariationModelID, 20, 3)
* 为图像对比准备一个变化模型,后面两个参数是用于调整对比的精度方位，应结合起来用。
* AbsThreshold：图像和变化的模型之间差异的绝对最小阈值
* VarThreshold：基于变化模型的变化的不同的阈值
clear_train_data_variation_model (VariationModelID)
* We can now free the training data to save some memory.
* 释放变化模型（variation_model）的测试数据的存储空间。

* Note: the checking of the print will be restricted to the region of the clip.
* Sometimes the print is also in an incorrect position of the clip. This will lead
* to erroneous regions at the top or bottom border of the clip and hence can
* be detected easily.
* 印刷标签的检查将被限制到笔夹区域。但有时候，印刷标签仍然会在笔夹上不正确的位置出现。
* 这将导致在笔夹的顶部或底部的边界出现错误的区域。因此可以很容易检测到的这些错误的区域。
erosion_rectangle1 (RegionFillUp, RegionROI, 1, 15)
* 腐蚀一个矩形结构基础的一个区域。在ROI的长宽下，往内部腐蚀宽度1，高度15，得到RegionROI



dev_display (MeanImage)
set_tposition (WindowHandle, 20, 20)
* 设置文本光标的位置。
dev_set_color ('green')
write_string (WindowHandle, 'Reference image')
* 显示参考图片
stop ()



dev_display (VarImage)
set_tposition (WindowHandle, 20, 20)
dev_set_color ('green')
write_string (WindowHandle, 'Variation image')
* 显示变化比对模板
stop ()



dev_set_draw ('margin')

for
I := 1 to 30 by 1
read_image (Image, 'pen/pen-'+I$'02d')
find_shape_model (Image, ShapeModelID, rad(-10), rad(20), 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)
* 在图片中寻找ShapeModelID的模板匹配的团案。获取匹配图案的行，列，角，分数
if (|Score| = 1)
vector_angle_to_rigid (Row, Column, Angle, RowRef, ColumnRef, 0, HomMat2D)
* 从点和角度方面计算一个严格的仿射变换。
affine_trans_image (Image, ImageTrans, HomMat2D, 'constant', 'false')
* 把任意仿射2D变换应用在图像中。同训练模板的部分。
reduce_domain (ImageTrans, RegionROI, ImageReduced)
* 获得对比图像ImageReduced
compare_variation_model (ImageReduced, RegionDiff, VariationModelID)
* 将一个图像与一个变化模型（variation_model）相比较。获得区别的图像RegionDiff。
connection (RegionDiff, ConnectedRegions)
* 链接所有有区别的地方成为一个图片
select_shape (ConnectedRegions, RegionsError, 'area', 'and', 20, 1000000)
* 根据图形特征选择区域。
count_obj (RegionsError, NumError)
* 统计一个元组中的对象。
dev_clear_window ()
dev_display (ImageTrans)
dev_set_color ('red')
dev_display (RegionsError)
set_tposition (WindowHandle, 20, 20)
if (NumError = 0)
dev_set_color ('green')
write_string (WindowHandle, 'Clip OK')



 
      else
dev_set_color ('red')
write_string (WindowHandle,'Clip not OK，共有'+ NumError + '处缺陷')
* 显示错误的区域，我添加了一个缺陷数量的统计。



 
     endif
endif
stop ()
endfor
stop ()
clear_shape_model (ShapeModelID)
clear_variation_model (VariationModelID)