halcon——缺陷检测常用方法总结（频域空间域结合）
Posted 唯有自己强大
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了halcon——缺陷检测常用方法总结（频域空间域结合）相关的知识，希望对你有一定的参考价值。
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。
总的来说，机器视觉中缺陷检测分为一下几种：
- blob+特征（官方示例surface_scratch.hdev）
- blob+差分+特征（官方示例pcb_inspection.hdev）
- 光度立体
- 特征训练
- 测量拟合
- 频域+空间域结合
- 深度学习
频域+空间域结合法
频域结合空间，其实频域就是用波动观点看世界，看问题角度变了，光经过镜头其实发生的是傅立叶变换，此思想在傅立叶光学上有所阐述，就像光经棱镜分光，而光进入计算机内部，进行了采样和量化，然后我们用函数f(x,y)来表示这些数据描述。图像处理应用傅里叶变换就是将空间域（图像本身）转换至频率域。傅里叶变换可以将一个信号函数，分解一个一个三角函数的线性组合。由于任何周期函数都可以由多个正弦函数构成，那么按照这个思想，图像由f(x,y)来表示，那么这时你就可以拆成多个正弦函数构成，这样每个正弦函数都有一个自己的频率。
关于傅里叶的讲解，可以详看：傅里叶分析之掐死教程（完整版）更新于2014.06.06 - 知乎 (zhihu.com)
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。
以上是关于halcon——缺陷检测常用方法总结（频域空间域结合）的主要内容，如果未能解决你的问题，请参考以下文章