我们来看一下焊点检测的基础算法，这种方法基于halcon的形态学算法。
其基本流程为： 阈值分割->填充region->选择region
下面是实验图片。
下面为halcon程序：
read_image (Image23, 'C:/Users/Administrator/Desktop/焊点图片/23.bmp') gen_rectangle1 (ROI_0, 300.126, 255.901, 446.431, 384.101) reduce_domain(Image23, ROI_0, ImageReduced) threshold (ImageReduced, Regions, 0, 185) connection(Regions, ConnectedRegions) closing_circle(ConnectedRegions, RegionClosing, 5.5) fill_up(RegionClosing, RegionFillUp) select_shape(RegionFillUp, SelectedRegions, 'area', 'and', 150, 99999) count_obj(SelectedRegions, Number)
我来解释一下，reduce_domain把ROI区域裁剪出来，也就是做局部的图像处理。
然后就是利用图像灰度值分割图像的“阈值分割”。
阈值分割后的图像一般是开口的，如下图。
做“圆形区域填充”和“填充封闭区域”后得到封闭圆形区域。
这就是最后处理的效果，取得四个焊点区域。
后续的过程是计算焊点面积、数量，以及统计信息输出等。
上面的例子很简单，然而焊点检测真正的难点是如何从背景干扰中捡出焊点，例如下面这样的：
如果你用上面的程序跑试下，会是下面的结果：
真是一个惨字了得！
---------------------
作者：hackpig
来源：www.skcircle.com
版权声明：本文为博主原创文章，转载请附上博文链接！