Halcon学习之频域-频域的基础介绍

前面介绍完一些常规项目所需要用的内容知识：一维码二维码读取，OCR识别，测量，定位等。其中大部分的思路或者说是套路是：
一、获取图像（获取信息）
二、预处理
预处理主要是从两方面进行：提高对比度、去噪。
提高对比度的算子：scale_image、emphasize、gray_range_rectangle(模板矩阵对应的最大值最小值的差替代中心点像素值）、equ_histo_image等。
去噪的算子：均值滤波mean_image、中值滤波median_image、高斯滤波gauss_image、频域滤波。

三、分割图像
图像分割就是要提取出感兴趣区域。
分割的算子：threshold、binary_threshold、dyn_threshold、var_threshold等等。

四、形态学处理
腐蚀，膨胀之类的

五、特征提取
提取出图像或区域的特征，作为判断的依据。
特征包括：面积、宽度、高度、矩形度、圆度等等。

六、输出结果

基本掌握这些流程之后，我们就能对付大部分的图像处理的情况。但在我们实际工作中，碰到的这种常规项目还是比较少的，现在大部分都是缺陷检测，这一类水浅水深只有自己经历过才知道，当然了不是所有缺陷检测都是很难的，也有很简单的就比如正反面辨别啊之类的，做这类项目没有固定的章法，主要视情况而定。接下来我在着重讲解下预处理部分的频域内容，这个在处理一些缺陷类的项目中还是比较实用的。
下面我就介绍下频域的基础内容：
**1.**空间域与频域
　　空间域：对像素的灰度处理
　　频域：傅里叶变换和小波变换
　　频域检测缺陷的思路是先从空间域到频域，在频域中进行适当滤波，选择自己想要的频段，然后再返回到空间域中去。
**2.**频谱（频率谱）：频率密度的分布
　　纵坐标表示幅度值
　　横坐标表示频率
　　在频谱中用亮暗来表示　　
**3.**频率高低
　　灰度变化大的地方：高频，一般是边缘小细节
　　灰度变化小的地方：低频，一般是背景
**4.**频域与傅里叶变换
　　4.1傅里叶变换是有对称性的，频谱图像一般以图像中心为原点，左上与右下对称，右上与左下对称
　　4.2频域图像中间一般为低频，由中心向外频率逐渐增加，每点越亮表示该频率特征突出，亮点越多表示频率成分越多，一般图像中心设置成低频，低频就是背景，背景的频率肯定大，所以中心亮
　　4.3空间域原图中某方向变化剧烈，那么对应频谱中该方向就会出现相应的亮点，傅里叶反变换是从频域到空间域，一般实在频域中滤波后再反变换到时域空间域
**5.**傅里叶变换的四个性质
　　对称性、平移性、共轭性、周期性
6. fft_image 快速傅里叶变化，频谱原点在中心 空间域到频域
fft_generic 参数可选在中心还是四个角上
rft_generic 原点在四个角上
简单的代码演示下：

read_image (Image1, 'F:/频域的基本/频域图形解析/1.png')
fft_image (Image1, ImageFFT)

原图：

快速傅里叶变换后的图像：

长方形横向部分相较于竖向部分在同一时间内明暗变化比较长（缓慢），也就是竖直方向的变换会剧烈一点，所以傅里叶变换后的竖直方向的亮点更加明显。

read_image (Image2, '/频域的基本/频域图形解析/2.png')
fft_generic (Image2, ImageFFT1, 'to_freq', -1, 'sqrt', 'dc_center', 'complex')

原图如下：

傅里叶变换：

由于是圆，各个方向的变化趋势都是一样的。

read_image (Image3, 'F:/频域的基本/频域图形解析/3.png')
fft_image (Image3, ImageFFT2)

原图如下：

傅里叶变换后：