haclon中detect_indent_fft.hdev程序

使用实值傅里叶变换图像与组合高斯滤波器卷积，计算滤波图像的灰度值范围gray_range_rect，通过灰度阈值检测塑料表面小凹点。

原代码的步骤为
1.设置窗口基本属性
2.设置高斯滤波器（两个Sigma不同的高斯滤波器进行相减）
3.对图片实部进行快速傅里叶变换，用设置好的高斯滤波器进行对频域进行滤波，对滤波后的图片进行傅里叶反变换
4.用一个矩形掩膜计算像素点的灰度范围（gray_range_rect），利用全局阈值对图像进行分割，计算区域的面积以及中心位置
5.检查是否存在缺陷

对于程序主要步骤中地方看法：
2.设置高斯滤波器（两个Sigma不同的高斯滤波器进行相减）
3.对图片实部进行快速傅里叶变换，用设置好的高斯滤波器进行对频域进行滤波，对滤波后的图片进行傅里叶反变换
Sigma1=10，生成大半径二维高斯，频域上是一个中间亮，向外慢慢衰减的圆盘。
Sigma2=3，生成小半径二维高斯，更小的亮圆盘。
大圆盘 − 小圆盘 = 环形环状滤波器（sub_image）

待检测原图

我用Sigma=10的高斯滤波器进行对速傅里叶变换后的频域进行滤波，发现过头，细节丢失严重。

用Sigma=3的高斯滤波器进行对速傅里叶变换后的频域进行滤波，发现对程序中图片都可以正常检查出来。

用环形环状滤波器

发现用环形环状滤波器，有很好的对背景的黑色影响因素进行过滤。
不过用环形环状滤波器和用Sigma=3的高斯滤波器对缺陷的提取出的黑白点位置两个是相反的（目前不知是什么原因，懂得请评论一下，感谢大佬），但不影响最终结果

4.用一个矩形掩膜计算像素点的灰度范围（gray_range_rect），利用全局阈值对图像进行分割，计算区域的面积以及中心位置
主要算子为gray_range_rect
历图像每一个像素，以当前像素为中心开一个矩形窗口
计算窗口内：灰度最大值 − 灰度最小值 = 极差（Range）

• 窗口内灰度很均匀（干净背景）：max-min 很小 → 输出像素灰度很低（发黑）
• 窗口内有明暗变化（缺陷、划痕、斑点）：max-min 很大 → 输出像素灰度很高（发白）

在做圆圈时，用了一个gen_tuple_const(Number,30)
gen_circle_contour_xld (ContCircle, Row, Column, gen_tuple_const(Number,30), gen_tuple_const(Number,0), gen_tuple_const(Number,rad(360)), 'positive', 1)

其中gen_tuple_const初始化矩阵
gen_tuple_const(Number,30) //创建一个具有Number个元素的，每个元素都为30的数据

原代码：

• Initializations
  dev_update_off ()
  dev_close_window ()
  read_image (Image, 'plastics/plastics_01')
  get_image_size (Image, Width, Height)
  dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
  set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
  dev_set_draw ('margin')
  dev_set_line_width (3)
  dev_set_color ('red')
• Optimize the fft speed for the specific image size
  optimize_rft_speed (Width, Height, 'standard')
• Construct a suitable filter by combining two Gaussian
• filters
  Sigma1 := 10.0
  Sigma2 := 3.0
  gen_gauss_filter (GaussFilter1, Sigma1, Sigma1, 0.0, 'none', 'rft', Width, Height)
  gen_gauss_filter (GaussFilter2, Sigma2, Sigma2, 0.0, 'none', 'rft', Width, Height)
  sub_image (GaussFilter1, GaussFilter2, Filter, 1, 0)
• Process the images iteratively
  NumImages := 11
  for Index := 1 to NumImages by 1
  *
  • Read an image and convert it to gray values
    read_image (Image, 'plastics/plastics_' + Index$'02')
    rgb1_to_gray (Image, Image)
  • Perform the convolution in the frequency domain
    rft_generic (Image, ImageFFT, 'to_freq', 'none', 'complex', Width)
    convol_fft (ImageFFT, Filter, ImageConvol)
    rft_generic (ImageConvol, ImageFiltered, 'from_freq', 'n', 'real', Width)
  • Process the filtered image
    gray_range_rect (ImageFiltered, ImageResult, 10, 10)
    min_max_gray (ImageResult, ImageResult, 0, Min, Max, Range)
    threshold (ImageResult, RegionDynThresh, max([5.55,Max * 0.8]), 255)
    connection (RegionDynThresh, ConnectedRegions)
    select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 4, 99999)
    union1 (SelectedRegions, RegionUnion)
    closing_circle (RegionUnion, RegionClosing, 10)
    connection (RegionClosing, ConnectedRegions1)
    select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 10, 99999)
    area_center (SelectedRegions1, Area, Row, Column)
  • Display the results
    dev_display (Image)
    Number := |Area|
    if (Number)
    gen_circle_contour_xld (ContCircle, Row, Column, gen_tuple_const(Number,30), gen_tuple_const(Number,0), gen_tuple_const(Number,rad(360)), 'positive', 1)
    ResultMessage := ['Not OK',Number + ' defect(s) found']
    Color := ['red', 'black']
    dev_display (ContCircle)
    else
    ResultMessage := 'OK'
    Color := 'forest green'
    endif
    disp_message (WindowHandle, ResultMessage, 'window', 12, 12, Color, 'true')
    if (Index != NumImages)
    disp_continue_message (WindowHandle, 'black', 'true')
    stop ()
    endif
    endfor