复杂背景下缺陷检测将Halcon实现转为OpenCV的实例
导读 本文主要介绍一个复杂背景下缺陷检测的实例，并将halcon实现转为opencv。
实例来源
实例来源于51halcon论坛的讨论贴： https://www.51halcon.com/forum.php？mod=viewthread&tid=1173&extra=page%3d1
halcon实现
参考回帖内容，将代码精简如下：
read_image （image， ‘。/1.bmp’）dev_set_line_width （3）threshold （image， region， 30， 255）reduce_domain （image， region， imagereduced）mean_image （imagereduced， imagemean， 200， 200）dyn_threshold （imagereduced， imagemean， smallraw， 35， ‘dark’）opening_circle （smallraw， regionopening， 8）closing_circle （regionopening， regionclosing， 10）connection （regionclosing， connectedregions）dev_set_color （‘red’）dev_display （image）dev_set_draw （‘margin’）dev_display （connectedregions）
opencv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 cv2import numpy as np
img = cv2.imread（‘。/1.bmp’）cv2.imshow（‘src’，img）gray = cv2.cvtcolor（img，cv2.color_bgr2gray）
mean = cv2.medianblur（gray，201）cv2.imshow（‘mean’，mean）
#diff = cv2.absdiff（gray， mean）diff = gray - meancv2.imshow（‘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_highcv2.imshow（‘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）opening = cv2.morphologyex（thres， cv2.morph_open， k1）cv2.imshow（‘opening’，opening）closing = cv2.morphologyex（opening， cv2.morph_close， k2）cv2.imshow（‘closing’，closing）
contours，hierarchy = cv2.findcontours（closing， cv2.retr_external， cv2.chain_approx_none）
for cnt in contours： （x， y， w， h） = cv2.boundingrect（cnt） if w 》 5 and h 》 5： #cv2.rectangle（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）
cv2.waitkey（0）cv2.destroyallwindows（）print（‘done！’）
逐步效果演示
滤波效果：mean
做差效果：diff
阈值效果：thres
开运算效果：opening
闭运算效果：closing
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
—版权声明—
来源：opencv与ai深度学习
dfrobotXBee S2C ZigBee无线网络模块简介
打不过苹果、三星、小米、华为_LG全球处境也不容乐观
6G项目开始启动6G是什么6G会不会替代光纤
AI工程师需要懂架构吗？带你详细了解
百度自动驾驶量产计划提前到来,明年7月正式亮相
复杂背景下缺陷检测将Halcon实现转为OpenCV的实例
红米Note 7 Pro正式发布搭载骁龙675芯片支持硬件直出4800万照片
作为自动驾驶领头羊的Waymo 强势跨界到激光雷达行业
赛灵思：以全可编程使能5G 从源头引领市场
Xilinx公司的开发软件Vivado上的在线调试工具——ILA
OPPO R17：手机圈里的“好色之徒”
智慧医疗BI助你释放医疗大数据的潜力
苹果正在研发环绕触摸屏全玻璃iPhone，任意面都可充当屏幕
一种因光纤漂移引起SERDES FIFO溢出的解决方案
5G助力下 网络安全迎来机遇的同时也遇到了很大的挑战
vivo新款智能手表通过工信部认证
华为麒麟9000跑分抢先看,全面升级性能炸裂
中国PCB企业汽车业务布局完善 汽车毫米波雷达是高端PCB的重要推手
FPC柔性电路板的优势和应用，FPC测试应用弹片微针模组更稳定
小米新机已通过3C认证该机将搭载1亿像素的后置主摄像头
实例来源
实例来源于51halcon论坛的讨论贴： https://www.51halcon.com/forum.php？mod=viewthread&tid=1173&extra=page%3d1
halcon实现
参考回帖内容，将代码精简如下：
read_image （image， ‘。/1.bmp’）dev_set_line_width （3）threshold （image， region， 30， 255）reduce_domain （image， region， imagereduced）mean_image （imagereduced， imagemean， 200， 200）dyn_threshold （imagereduced， imagemean， smallraw， 35， ‘dark’）opening_circle （smallraw， regionopening， 8）closing_circle （regionopening， regionclosing， 10）connection （regionclosing， connectedregions）dev_set_color （‘red’）dev_display （image）dev_set_draw （‘margin’）dev_display （connectedregions）
opencv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 cv2import numpy as np
img = cv2.imread（‘。/1.bmp’）cv2.imshow（‘src’，img）gray = cv2.cvtcolor（img，cv2.color_bgr2gray）
mean = cv2.medianblur（gray，201）cv2.imshow（‘mean’，mean）
#diff = cv2.absdiff（gray， mean）diff = gray - meancv2.imshow（‘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_highcv2.imshow（‘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）opening = cv2.morphologyex（thres， cv2.morph_open， k1）cv2.imshow（‘opening’，opening）closing = cv2.morphologyex（opening， cv2.morph_close， k2）cv2.imshow（‘closing’，closing）
contours，hierarchy = cv2.findcontours（closing， cv2.retr_external， cv2.chain_approx_none）
for cnt in contours： （x， y， w， h） = cv2.boundingrect（cnt） if w 》 5 and h 》 5： #cv2.rectangle（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）
cv2.waitkey（0）cv2.destroyallwindows（）print（‘done！’）
逐步效果演示
滤波效果：mean
做差效果：diff
阈值效果：thres
开运算效果：opening
闭运算效果：closing
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
—版权声明—
来源：opencv与ai深度学习
dfrobotXBee S2C ZigBee无线网络模块简介
打不过苹果、三星、小米、华为_LG全球处境也不容乐观
6G项目开始启动6G是什么6G会不会替代光纤
AI工程师需要懂架构吗？带你详细了解
百度自动驾驶量产计划提前到来,明年7月正式亮相
复杂背景下缺陷检测将Halcon实现转为OpenCV的实例
红米Note 7 Pro正式发布搭载骁龙675芯片支持硬件直出4800万照片
作为自动驾驶领头羊的Waymo 强势跨界到激光雷达行业
赛灵思：以全可编程使能5G 从源头引领市场
Xilinx公司的开发软件Vivado上的在线调试工具——ILA
OPPO R17：手机圈里的“好色之徒”
智慧医疗BI助你释放医疗大数据的潜力
苹果正在研发环绕触摸屏全玻璃iPhone，任意面都可充当屏幕
一种因光纤漂移引起SERDES FIFO溢出的解决方案
5G助力下 网络安全迎来机遇的同时也遇到了很大的挑战
vivo新款智能手表通过工信部认证
华为麒麟9000跑分抢先看,全面升级性能炸裂
中国PCB企业汽车业务布局完善 汽车毫米波雷达是高端PCB的重要推手
FPC柔性电路板的优势和应用，FPC测试应用弹片微针模组更稳定
小米新机已通过3C认证该机将搭载1亿像素的后置主摄像头