halcon 转opencv,halcon opencv
导读
本文主要介绍一个复杂背景下缺陷检测的实例，并将阿尔孔实现转为OpenCV。
实例来源实例来源于51哈尔孔论坛的讨论贴：
https://www.51halcon.com/forum.php?mod=viewthreadtid=1173 extra=page=1
阿尔孔实现参考回帖内容，将代码精简如下：
read_image (Image， 1 ./1 .BMP )dev _ set _ line _ width(3)threshold(Image，Region，30，255)reduce_domain (Image，Region，Image reduced)mean _ Image(Image reduced，ImageMean，200，200)dyn_threshold (ImageReduced，ImageMean，SmallRaw，35， dark)opening_circle (SmallRaw，RegionOpening，8)closing_circle (RegionOpening，RegionClosing，10)connected(Region closing，connected regions)dev _ color( red )dev _ disp
如上图所示，可以较好的定位缺陷位置。
开放计算机视觉实现分析实现方法与思路：
[1] 原图转灰度图后使用核大小201做中值滤波；
[2] 灰度图与滤波图像做差，然后阈值处理
[3]圆形核做开运算，去除杂讯
[4]圆形核做闭运算，缺陷连接
[5] 轮廓查找绘制
实现代码(Python-OpenCV):
import cv2 import numpy as NP img=cv2。我在读(./1.bmp)cv2.imshow(src ，img)gray=cv2.cvtColor(img，cv2 .COLOR _ bgr 2 gray)mean=cv2。medianblur(gray，201)cv2.imshow(mean ，mean)#diff=cv2.absdiff(gray，mean)diff=gray-mean cv2。im show( diff ，diff)cv2.imwrite(diff.jpg ，diff)_，thres_low=cv2.threshold(diff，150，255，cv2 .THRESH_BINARY)#二值化_，thres_high=cv2.threshold(diff，220，255，cv2 .THRESH_BINARY)#二值化thres=thres _ low-thres _ high cv2。im show( thres ，thres)k1=np.zeros((18，18，1)，np.uint8)cv2.circle(k1，(8，8)，9，(1，1，1)，-1，cv2 .LINE_AA)k2=np.zeros((20，20，1)，np.uint8)cv2.circle(k2，(10，10)，10，(1，1，1)，-1，cv2 .LINE _ AA)开口=cv2。形态学(thres，cv2 .MORPH_OPEN，k1)cv2.imshow(opening ，opening)closing=cv2。形态学(开口，cv2 .MORPH_CLOSE，k2)cv2.imshow(closing ，closing)轮廓，hierarchy=cv2。查找轮廓(闭合，cv2 .RETR _外部，cv2 .CHAIN _ APPROX _ NONE)用于轮廓中的CNT:(x，y，w，h)=cv2。如果w5和h 5:# cv2，则边界矩形(CNT)。矩形(img，(x，y)，(x w，y h)，(0，255，0)，2) cv2.drawContours(img，Contours，-1，(0，0，255)，2)cv2.drawContours(img，CNT，2，(0，0，255)，2)cv2.imshow(result ，img)
逐步效果演示滤波效果：平均
做差效果：差异
阈值效果：thres
开运算效果：打开
闭运算效果：关闭
轮廓查找绘制最终结果：
结尾语[1] 算法只是针对这一张图片，实际应用为验证算法鲁棒性还需大量图片做测试方可；
[2]缺陷检测如果用传统方法不易实现，可以考虑使用深度学习分割网络如：mask-rcnn、U-net等
完整代码与素材将发布在知识星球中，有兴趣可加入获取。
相关文章连接：
阿尔孔缺陷检测实例转开放计算机视觉实现（一)
阿尔孔缺陷检测实例转开放计算机视觉实现（二)
阿尔孔缺陷检测实例转开放计算机视觉实现（三)
阿尔孔缺陷检测实例转开放计算机视觉实现（四)
阿尔孔缺陷检测实例转开放计算机视觉实现（五)混合颜色药片缺陷检测
阿尔孔缺陷检测实例转开放计算机视觉实现（六)瓶口缺陷检测
更多视觉图像处理相关内容，请扫码关注：OpenCV与人工智能深度学习。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。