勇哥注：图片过滤器是一切缺陷检测、边缘提取、图片分割前处理、分类器应用等等的基础。有很重要的研究意义。因此勇哥会写成一个系列贴子以和大家一起分享。-正文---------------------------------------------------------------------维纳滤波器（Wiener filter）是由数学家维纳（Norbert Wiener）
提出的一种以最小平方为最优准则的线性滤波器。
在一定的约束条件下，其输出与一给定函数（通常称为期望
先来看年过个算子的原型：gray_range_rect( Image : ImageResult : MaskHeight, MaskWidth: ) 函数作用：决定某个方形区域内的灰度值，计算方形区域内的最大最小灰度的差（最大-最小），并体现到每个图像点上。如果MaskHeight和MaskWidth是偶数，它们被变为靠近的小的奇数值，图像边缘的灰度值是呈镜像出现的。 参数列表：Image（in）：被计算灰度值的图像ImageResult（out）：包含灰度值的图像Mask
https://www.skcircle.com/?id=1544 接上篇。本篇开头我们再强调一下频域空间的各种过滤器就是对图片中的低频与高频成份进行过滤，保留我们想要的缺陷部分的成分。对图像而言：低频分量(低频信号)：代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分，是对整幅图像强度的综合度量。高频分量(高频信号)：对应着图像变化剧烈的部分，也就是图像的边缘（轮廓）或者噪声以及细节部分。 主要是对图像边缘和轮廓的度量，而人眼对高频分量比较敏感
在photoshop中，两个图层间可以有许多叠加算法。如下图所示：变暗正片叠底颜色减淡叠加有兴趣的朋友可以逐一试一试。这个系列的贴子勇哥就想着模拟实现photoshop的这些算法。第一篇是图像的加法。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝read_image (cat, ‘C:/Users/PC01/Desktop/timg (1)_副本.jpg’)rgb1_to_gray (cat, cat)get_image_size (cat, Width, Height)*将灰度
Variation Model的主要原理是将待检测的图像与一张标准图像作比较，找出待检测图像与标准图像（ideal image）的明显差异（也就是不良）。标准图像可以采用几张OK品的图像训练（training）得到，也可以通过对一张OK品图像进行处理得到。训练后得到标准图像和一张variation图像（variation image），variation图像中包含了图像中每个像素点灰度值允许变化的范围。标准图像和variation图像用来创建一个variation model，如此，其他图像就可
勇哥发现频域用高斯模糊滤波后再转时域后的图片，居然阈值取的负数范围。
这才意识到一个知识的盲点。
这个盲点就是halcon的数据类型，紧急在这里补上一课：两大类：1、图形参数（之前勇哥称为图标变量）Iconic (image, region, XLD)2、与控制参数Control (string, integer, real, handle)，在Halcon算子的参数中，依次为：输入图形参数、输出图形参数、输入控制参数、输出控制参数；并且其输入参数不会
在缺陷检测时，频域（FFT）和空间域经常转换，以利用两者的特点。例如下面的代码，就是先把空间域转频域，做完频域空间的算法后（convol_fft 卷积计算），再把频域转回空间域。rft_generic (img, ImageFFT, 'to_freq', 'none', 'complex', Width)
convol_fft(ImageFFT, ImageGauss,&nbs
如下图，要选择中图中的白色线。因为粘连的原因，第二根线用阈值不好搞 。勇哥花点工夫研究了一下。直觉告诉我应该是有办法的，结果整了四十分钟。结果如下：read_image (Qq20201118202348, 'C:/Users/Administrator/Desktop/QQ图片20201118202348.png')
var_threshold(Qq20201118202348, Region, 2,2, 0.1,&nbs
其实讲了这么久点云处理，点云操作无非就是对一系列数组进行操作。这篇博文给大家讲解如何从获取的点云中提取ROI点云区域，并获取我们想要的点云模板。1.从调平的点云数据中提取我们想要的ROI点云通过显示算子，调正点云区域参数Pose是我们从哪个角度观察我们的点云数据，将Rx,Ry,Rz均设置成0,0，0.调正点云 Pose := [-0.1e-3,-0.47e-3,600,0,0,0,0]visualize_object_model_
1.首先对点云以高度方向初步去噪2.点云数据信息提取对于物料点云的长宽高的判别，最常用的手法是最最小外接矩形，通过获取最小外接矩形的L1,L2,L3,来确定点云的位置。也可以通过一下算子求得点云信息get_object_model_3d_params (ObjectModel3D, 'point_coord_z', GenParamValue)1更正点云分割算子的参数含义//将4mm内的点云作为一个区域connection_object_model_