例程：detect_indent_fft.hdev

說明：這個程式展示瞭如何利用快速傅立葉變換（FFT）對塑料製品的表面進行目標（缺陷）的檢測，大致分為三步：

首先，我們用高斯濾波器構造一個合適的濾波器（將原圖通過高斯濾波器濾波）；

然後，將原圖和構造的濾波器進行快速傅立葉變換；

最後，利用形態學運算元將缺陷表示在濾波後的圖片上（在缺陷上畫圈）。

注：程式碼中綠色部分為個人理解和註釋,其餘為例程中原有程式碼

*Initialization（初始化）
dev_updata_off()      //這一句包含如下三個運算元：
//dev_updata_pc(‘off’)        關閉更新程式計數器
//dev_updata_var(‘off’)       關閉更新變數視窗
//dev_updata_window(‘off’)    關閉更新影象視窗（即通過命令來顯示想要在影象視窗顯示的圖片）
dev_close_window()    //關閉活動的影象視窗
read_image(Image,’plastics
/
plastics_01’) //載入圖片
//引數說明：為讀入圖片命名（Image）
//         檔名（’plastics/plastics_01’）
get_image_size(Image,Width,height)        //獲取圖片的長寬；
//引數說明：之前讀入或生成的圖片（Image）
//           圖片的寬（Width）
//           圖片的高（Height）
dev_open_window(0,0,Width,Height,’Black’,WindowHandle)  //開啟一個新的影象視窗
//引數說明：起始座標（0,0）
//            大小（Width,Height）
//            背景顏色（’Black’）
//            視窗控制代碼（WindowHandle）
set_display_font （WindowHandle,14,’mono’,’ture’,’false’）//設定不依賴作業系統的字型
//引數說明：視窗控制代碼（WindowHandle）
//            字型大小（14）
//            字型型別（’mono’）
//            是否黑體（’ture’）
//            是否傾斜（’false’）
dev_set_draw(‘Margin’)        //定義區域填充模式
//引數說明：填充模式（’Margin’或者’Fill’）

dev_set_line_width（3）    //設定輸出區域輪廓線的線寬
                              //可以修改引數來看最後缺陷區域標示的區別
dev_set_color（’red’）   //設定一種或者多種輸出顏色
*
*Optimize the fft speed for the specific image size(根據指定影象大小進行fft速度最優化)
optimize_rft_speed（Width,Height,’standard’）    //對指定大小的圖片的fft速度進行優化
//引數說明：圖片大小（Width,Height）
//            優化模式（’standard’）
*
*Construct a suitable filter by combining two Gaussian filters（結合兩個高斯濾波器構造一*個合適的濾波器）
Sigma1 := 10.0
Sigma2 := 3.0        //定義兩個常量
gen_gauss_filter(GaussFilter1,Sigma1,Sigma1,0.0,’none’,’rft’,Width,Height)
gen_gauss_filter(GaussFilter2,Sigma2,Sigma2,0.0,’none’,’rft’,Width,Height)                            //在頻域生成兩個高斯濾波器
//引數說明：生成的高斯濾波器（GaussFilter）
//            空域中高斯在主方向上的標準差（Sigma）
//            空域中高斯在正交於主方向的方向上的標準差（Sigma）
//            濾波器主方向的角度（0.0）
//            濾波器的規範（’none’）
//            直流項在頻域的位置（’rft’）
//            圖片的大小（Width,Height）
sub_image(GaussFilter1,GaussFilter2,Filter,1,0)    //兩圖片相減（灰度）
//sub_image(ImageMinuend, ImageSubtrahend : ImageSub : Mult, Add : )
//g' := (g1 - g2) * Mult + Add
//以上為函式原型以及運算公式
*
*Process the images iteratively(對影象進行迭代運算)
NumImages := 11
For Index := 1 to NumImages by 1        //for迴圈從1到NumImages，步長為1
   *
   *Read an image and convert it to gray values
   read_image(Image,’plastics/plastics_’+Index$’02’)
   rgb1_to_gray(Image,Image)            //將原圖轉化為灰度圖，第一個引數為原圖
   *Perform the convolution in the frequency domain
   rft_generic(Image,ImageFFT,’to_freq’,’none’,’complex’,Width)//對計算一幅圖片實部進行快速傅立葉變換
   //引數說明：輸入的圖片（Image）
   //            傅立葉變換後輸出的圖片（ImageFFT）
   //            變換方向（’to_freq’或’from_freq’）
   //            變換因子的規範（’none’）
   //            輸出圖片的資料型別（’complex’）
   //            圖片的寬（Width）
   convol_fft(ImageFFT,Filter,ImageConvol)    //對圖片用一個濾波器在頻域進行卷積運算
   //引數說明：輸入的圖片（ImageFFT）
   //            頻域濾波器（Filter）
   //            運算後輸出的結果
   rft_generic(ImageConcol,ImageFiltered,’from_freq’,’n’,’real’,Width)    //對濾波後的圖片進行傅立葉反變換
   *
   *Process the filtered image
   gray_range_rect(ImageFiltered,ImageResult,10,10)//用一個矩形掩膜計算畫素點的灰度範圍
   //引數說明：輸入的圖片（ImageFiltered）
   //            輸出的灰度範圍圖（ImageResult）
   //            矩形掩膜大小（10,10）
   min_max_rect(ImageResult,ImageResult,0,Min,Max,Range)//判斷區域內灰度值的最大和最小值
   //引數說明：待分析圖片區域（ImageResult）
   //            圖片（ImageResult）
   //            被去除的直方圖兩邊畫素點所
   //            佔總畫素數的百分比（0）
   //            得到的最小值最大值及灰度值範圍（Min,Max,Range）
   threshold(ImageResult,RegionDynThresh,max([5.55,Max*0.8]),255)//利用全域性閾值對影象進行分割
   //引數說明：輸入的圖片（ImageResult）
   //            分割後得到的區域（RegionDynThresh）
   //            閾值（max([5.55,Max*0.8]),255）
   //            公式：MinGray <= g <= MaxGray
   connection(RegionDynThresh,ConnectedRegions)    //計算區域內的連通部分
   //引數說明：輸入的圖片（RegionDynThresh）
   //            得到的連通區域（ConnectedRegions）
   select_shape (ConnectedRegions,SelectedRegions,’area’,’and’,4,99999)//根據指定的形態特徵選擇區域
   //引數說明：輸入的圖片（ConnectedRegions）
   //            滿足條件的區域（SelectedRegions）
   //            將要計算的形態特徵（’area’）
   //            獨立特徵間的連線關係（’and’）
   //            特徵的最小限制（4）
   //            特徵的最大限制（99999）
   union1(SelectedRegions,RegionUnion)    //返回包含所有區域的集合
   //引數說明：包含所有區域的待計算區域的圖片（tedRegions）
   //            所有輸入區域合（RegionUnion）
   closeing_circle(RegionUnion,RegionClosing,10)//用一個圓圈來封閉一個區域
   //引數說明：將要被封閉的區域（RegionUnion）
   //            被封閉的區域（RegionClosing）
   //            圓圈的半徑（10）
   connection(RegionClosing,ConnectedRegions1)
   select_shape(ConnectedRegions1,SelectedRegions1,’area’,’and’,10,99999)
   area_center(SelectedRegions1,Area,Row,Column)    //計算區域的面積以及中心位置
   //引數說明：待計算的區域（SelectedRegions1）
   //            區域的面積（Area）
   //            區域中心的行（Row）
   //            區域中心的列（Column）
   *
   *Display the results
   dev_display(Image)        //顯示原圖
   Number := |Area|          //將區域面積賦給Number用於後面檢查是否存在缺陷
   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)//構造一個與設定的圓弧或圓相一致的邊界
       //引數說明：生成的邊界（ContCircle）
       //            圓弧或圓的中心座標（Row,Cloumn）
       //            圓弧或圓的半徑（gen_tuple_const(Number,30)）
       //            圓弧或圓的起始角度（gen_tuple_const(Number,0)）
       //            圓弧或圓的結束角度（gen_tuple_const(Number,rad(360))）
       //            不明白是什麼意思
       //            相鄰兩點間的距離（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,’ture’)
      if(Index#NumImages)
            disp_continue_message(WindowHandle,’black’,’ture’)
            stop()
      endif
endfor
 

演算法講解：在實際的表面缺陷檢測系統中，針對的檢測表面很多是具有一定紋理的比如：布匹、皮革、塑料等，針對這一類表面的檢測就不能單純依靠幀差或者背景差來完成，因為背景的紋理不可能和當前影象的紋理完全相同。因此，本例程的演算法通過將影象變換到頻域進行處理，提取缺陷分量後反變換到時域，獲得缺陷的具體位置。

高斯濾波器：在本演算法中，在一開始就構造了兩個高斯濾波器，高斯濾波器是一種線性平滑濾波器，適用於消除高斯噪聲。濾波器的實質是對訊號進行濾波，濾除不需要的部分，得到想要的部分。一個低通的濾波器可以濾除高頻訊號，對於影象來說，噪聲和邊緣往往集中在高頻分量，因此低通能夠降噪，但是也能造成影象的模糊。

本文關鍵