原图来自于Ihalcon论坛,条条大路通罗马,目前有动态阈值、频域分析等算法思路,都可以尝试,在此提出另一种思路--人为构造光滑的二次区域与原图对比,进行脏污的检测。
所检测图片如下
脏污在红色箭头所指处
特别浅显
灰度拉伸等预处理后,脏污基本清晰可见
原图打光不均匀,中间亮,四角暗,应使用尺寸更大的环形光
打开轮廓线工具
经过脏污处的灰度值分布如图右所示
我们目的使得灰度值分布线更加平滑
按行依次拟合平滑后的二维灰度图片
效果如下视频
拟合后的轮廓线
几乎无毛刺,十分光滑
拟合前后的3D视图对比,左原图,右拟合图
拟合后明显比原图光滑很多
以拟合图为阈值图像进行动态阈值分割
形态学处理,特征筛选后,检测脏污缺陷如下
整体算法思路
*(1)按行依次拟合平滑后的二维灰度图片
*(2)动态阈值分割,形态学处理,特征筛选出脏污缺陷
拟合代码如下
for i:=0 to Height-1 by 1
tuple_gen_const(Width,i,Newtuple)
get_grayval(ImageScaleMax, Newtuple, [0:Width-1], Grayval)
gen_region_points(Region, [0:Width-1],1000-Grayval)
union2(RegionLines,Region, RegionUnion)
closing_rectangle1(RegionUnion,RegionClosing,1000,1)
opening_circle(RegionClosing, RegionOpening, 3)
shape_trans(RegionOpening, RegionTrans, 'convex')
get_region_runs(RegionTrans, Row, ColumnBegin, ColumnEnd)
set_grayval(ImageCleared, Newtuple, [0:Width-1],1000-ColumnBegin)
endfor
原图及详细注释的完整源代码见百度网盘:
链接:
https://pan.baidu.com/s/1nSujw4Ak5UoMzcZTMuSQ9A
提取码:smld