斑点分析函数使用详解



斑点,在数学上也称为连通域。所谓斑点分析,⼀般是先通过连通域分析的相关⽅法把图像上不相连的区域分割开来(如下图所示,每种颜⾊代表⼀个连通域),然后再通过连通域的相关属性进⾏分类和刷选,并从中挑选出需要的连通域的过程。
• CONN_4:4连通:Visiongo中默认为4领域法。理解:一个像素点方块,以上下左右4小方块进行连通域搜索,提取特征目标图像。运算量小,相对8连通域来说速度更快!
 • CONN_8:8连通:halcon中默认为8领域法。理解:一个像素点方块,以外围8小方块(上下左右,斜上斜下)进行连通域搜索,提取特征目标图像。
应用场景:视觉定位、检测有无等。

1.输入参数说明

序号名称参数说明
1

坐标系统

根据前面建立好的坐标系统来确定用哪个定位

2

图像通道

选择图像颜色通道。黑白图像无需设置

该参数,默认参数为default,即为选

用R通道图像;当图像为彩色时,因

R\G\B三个通道的图像各有差异,应

选择图像质量最好的颜色通道。

3

复合检测框

调整检测框的位置、⼤⼩和⽅向。可通过⿏标在软件界⾯操作,也

可以直接输⼊参数。(检测框的颜⾊为红⾊)

可修改检测框的类型,如圆形、矩形、环形。

4

滤波方式

图像滤波,即在尽量保留图像细节特征 的条件下对目标图像的噪声进行抑制,可选择的方式有均值滤波、中值滤波、高斯滤波、高频强调滤波,可选择性使用可不用

5

滤波模板大小

滤波模板大小有3*3、5*5、7*7、9*9、11*11

6

二值化参数

用此参数的上下限对图像进行二值化操作,把图像灰度在上下限范围内的设置为前景,在⼆值化参数外的设置为背景。通过⼆值化操作后,把具有256个灰度级别的灰度图像转化为只有2个灰度级别(0和255)的⼆值化图像,只需设置二值化上限值和下限值

7

生态学处理

对二值化后的斑点进行形态学处理,包  括腐蚀、膨胀、闭运算(先膨胀后腐蚀)、开运算(先腐蚀后膨胀)。

8

算子大小

用来设置算子大小值

9

填充1

选择是否对斑点进⾏填充操作

10

连通域分析

选择连通域算法4或8

11

通过面积筛选

选出在面积阈值内的斑点

12

通过中⼼点x选择斑点

选出在中⼼点x阈值内的斑点

13通过中⼼点x选择斑点
选出在中⼼点y阈值内的斑点
14

通过正矩形宽选择斑点

选出在正矩形宽阈值内的斑点

15

通过正矩形⾼选择斑点

选出在正矩形高阈值内的斑点
16

通过斜矩形⻓边选择斑点

选出在斜矩形长边阈值内的斑点

17

通过斜矩形短边选择斑点

选出在斜矩形短边阈值内的斑点

18

通过斜矩形长宽⽐选择斑点

选出在斜矩形长宽比阈值内的斑点

19

通过角度选择斑点

选出在角度阈值内的斑点

20

通过序号选择斑点

选择序号在序号阈值内的斑点

21

通过Y值进⾏排序

选择是否将找到的斑点通过Y值进行排序

22

填充2

选择是否对筛选后的斑点进行填充

23

联合

选择是否将筛选后的斑点联合成⼀个斑点

24

反转

选择是否进行反转凸显出产品轮廓

25

边缘孔洞

选择是否查找轮廓边缘孔洞

26

通过面积筛选

选出筛选后在面积阈值内的斑点

27

通过斜矩形⻓宽⽐选择斑点

选出筛选后在斜矩形长宽比阈值内的斑点

28

输出3的偏移量

位置偏移量即对斑点的中⼼点进行补偿再输出

29

输出0的公差

即对输出模块中序号为0的斑点数量是否在阈值内判定产品OK/NG

30

输出1的公差

即对输出模块中序号为1的斑点之间的距离是否在阈值内判定产品OK/NG

31

Ignore center lines

忽略中心线默认为true则输出不显示中心线设为false则输出显示中心线


2.输出参数说明

序号名称参数说明
0

斑点数量

检测到的斑点个数

1

斑点之间的距离

序号相邻的斑点的中⼼点间距

2

面积

检测到的每个斑点的面积

3

中心

检测到的每个斑点的中⼼坐标

4

宽度

检测到的每个斑点的正矩形的宽度

5

高度

检测到的每个斑点的正矩形的⾼度

6

外接矩形半长

检测到的每个斑点的外接矩形半⻓

7

外接矩形半宽

检测到的每个斑点的外接矩形半宽

8

长宽比

检测到的每个斑点的斜矩形的⻓宽⽐

9

角度

检测到的每个斑点的斜矩形的⻆度

10

中心线

输出斑点的中心线

需要更多的信息?

This documentation page has been extracted from the Q&A section where you can discuss it and get feedback.
相关问题