Halcon之Variation Model

Variation Model是用一幅或多幅测试图像同样板图像做比较，找出差异，常用来做外观缺陷检测。

创建及使用步骤：

Ø1、图像准备

Ø2、创建Variation Model

Ø3、图像摆正

Ø4、训练Variation Model

Ø5、准备Variation Model

Ø6、比较Variation Model

create_variation_model (Width, Height, 'byte', 'standard', variationModelID)

训练模式有三种mode:

standard:

Ø对所有OK品的图像的同一个的位置的像素点的和取平均。该模式的优点是可以多次训练，缺点是OK品图像中不能混入NG品图像，否则最终产生的ideal image和variation image的准确性会降级。

direct:

使用一张图片直接创建模板

robust：

Ø在实际操作中，有时会不可避免地将NG品图像混入到OK品图像中，robust模式就是为这种情况而设计。

比较亮暗缺陷 的基本原理：

ØAbsThreshold，绝对阈值。VarThreshold 相对阈值。AbsThreshold，VarThreshold 可以分别有一个值，也可以分别有两个值。当都只有一个值的时候，亮暗缺陷都是其决定的。i（x,y）表示ideal image灰度值，v(x,y)表示variation image灰度值，c(x,y)表示待检测图片的灰度值，a=AbsThreshold,b=VarThreshold 当c(x,y)>i（x,y）+ max{a,b*v(x,y)}为亮缺陷。当c(x,y)<i（x,y）- max{a,b*v(x,y)}为暗缺陷。当AbsThreshold，VarThreshold有两个值时，第一个值决定亮缺陷，第二个值决定暗缺陷。i（x,y）表示ideal image灰度值，v(x,y)表示variation image灰度值，c(x,y)表示待检测图片的灰度值，AbsThreshold=[a1,a2],VarThreshold =[b1,b2]当c(x,y)>i（x,y）+ max{a1,b1*v(x,y)}为亮缺陷。当c(x,y)<i（x,y）- max{a2,b2*v(x,y)}为暗缺陷。

代码示例：

read_image (Image, 'pen/pen-01.png')
get_image_size (Image, Width, Height)

*阈值分割
threshold (Image, Regions, 128, 255)
fill_up (Regions, RegionFillUp)
*偏差
difference(RegionFillUp,Regions,RegionDifference)
shape_trans (RegionDifference, RegionTrans, 'convex')
dilation_circle (RegionTrans, RegionDilation, 7.5)
*裁剪
reduce_domain (Image, RegionDilation, ImageReduced)
dev_display (ImageReduced)

*创建模板
create_shape_model (ImageReduced, 'auto', rad(0), rad(360), 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
get_shape_model_contours (ModelContours, ModelID, 1)
find_shape_model (Image, ModelID, rad(0), rad(360), 0.5, 1, 0.5, 'least_squares', 0, 0.9, RowRef, ColumnRef, AngleRef, ScoreRef)
vector_angle_to_rigid (0, 0, 0, RowRef, ColumnRef, AngleRef, HomMat2D)
affine_trans_contour_xld (ModelContours, ContoursAffinTrans, HomMat2D)
*dev_display (ContoursAffinTrans)
stop ()

*创建variation_model
create_variation_model (Width, Height, 'byte', 'standard', variationModelID)
for I := 1 to 15 by 1
    read_image (Image, 'pen/pen-' + I$'02d')
    find_shape_model (Image, ModelID, rad(0), rad(360), 0.5, 1, 0.5, 'least_squares', 0, 0.9, RowCheck, ColumnCheck, AngleCheck, ScoreCheck)
    if(|ScoreCheck|==0)
        disp_message (3600, '没有找到产品', 'window', 100, 100, 'black', 'true')
        stop ()
        continue
    endif
    
    *创建齐次矩阵
    hom_mat2d_identity (HomMat2DIdentity)
    *旋转矩阵
    hom_mat2d_rotate (HomMat2DIdentity, AngleCheck, 0, 0, HomMat2DRotate)
    *平移矩阵 
    hom_mat2d_translate (HomMat2DRotate, RowRef - RowCheck, ColumnRef - ColumnCheck, HomMat2DTranslate)
    *仿射变换
    affine_trans_image (Image, ImageAffineTrans, HomMat2DTranslate, 'constant', 'false')
    *训练variationModel
    train_variation_model (ImageAffineTrans, variationModelID)
endfor

*准备模板
get_variation_model (MeanImage, VarImage, variationModelID)
prepare_variation_model (variationModelID, 15, 4)

*检测
for J := 15 to 30 by 1
    *dev_clear_window ()
    read_image (Image, 'pen/pen-' + J$'02d')
    *dev_display (Image)
    find_shape_model (Image, ModelID, rad(0), rad(360), 0.5, 1, 0.5, 'least_squares', 0, 0.9, RowDo, ColumnDo, AngleDo, ScoreDo)
    if(|ScoreDo|==0)
       disp_message (3600, '没有找到产品', 'window', 100, 100, 'black', 'true')
       stop ()
       continue   
    endif
        *创建齐次矩阵
        hom_mat2d_identity (HomMat2DIdentityDo)
        *旋转矩阵
        hom_mat2d_rotate (HomMat2DIdentityDo, AngleDo, 0, 0, HomMat2DRotateDo)
        *平移矩阵
        hom_mat2d_translate (HomMat2DRotateDo,RowRef- RowDo,ColumnRef-ColumnDo, HomMat2DTranslateDo)
        *仿射变换
        affine_trans_image (Image, ImageAffinTransDo, HomMat2DTranslateDo, 'constant', 'false')
        *检测
        reduce_domain (ImageAffinTransDo, RegionFillUp, ImageReducedResult)
        compare_variation_model (ImageReducedResult, Defects, variationModelID)
        connection (Defects, ConnectedRegions)
        select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 10, 99999)
        dev_display (SelectedRegions)
        stop()
endfor