Variation_Model 差异模板算子总结

一、用于查找有轻微的变形的目标，可以用在印刷检测。
1.create_variation_model() 创建模板
2.prepare_variation_model() 准备模板
train_variation_model() 训练模板
3.compare_variation_model() 比较模板
4.clear_variation_model() 释放模板
二、算子详解
2.1 算子：create_variation_model( : : Width, Height, Type, Mode : ModelID)
输入参数：width、Height是模板和待检测图像的尺寸。
输入参数：Type，是图像的类型。
输入参数：Model，决定如何计算idealimage和variationimage，其有三种模式
1、standard，该模式下，可以使用算子train_variation_model对多张图片进行迭代训练，此时ideal image是通过计算多张图片的平均值获得，variation image是通过计算多张图片的标准方差获得。该模式的优点是可以迭代计算多张good image，缺点是在训练图片时，一旦有不良的图片混入会导致算法检测时出现误判。
注意：在训练多张图片时，每张图片的位置、角度都必须一致，可使用基于形状匹配来进行定位处理，然后在进行训练train_variation_model，
2、‘robust’，如果在训练多张图片时，无法避免训练的图片中出现晓得下次，可以使用该模式。此时，ideal image时通过计算多张图片的中值获得，variation image也是通过计算多张图片中值获得。该模式的优点是鲁棒性更强，缺点是无法进行迭代预算。
注意：训练多张张图片时，每张图片的位置、角度必须一致，然后使用concat_obj将图片组合起来，在使用train_variation_model进行训练。
以上两种模式下，训练完图片后只能使用prepare_variation_model算子准备用于图像比较的模板。
3、 ‘direct’，该模式下，可以使用一张图片训练，并不需要使用train_variation_model训练模板，但只能使用prepare_direct_variation_model准备模板，并且prepare_direct_variation_model中的RefImage,就是模板图像，而 VarImage必须通过其他边缘算子生成如，sobel_amp,edges_image, or gray_range_rect.，或者自己制造一个边缘（见Halcon12例程variation_model_single）
2.2 算子：prepare_variation_model( : : ModelID, AbsThreshold, VarThreshold : )
prepare_direct_variation_model(RefImage, VarImage : : ModelID, AbsThreshold, VarThreshold : )
这两个算子的作用是准备用于比较图片的模板，其不同在上文已说明。
输入参数：ModelID，训练或生成的模板。
输入参数： AbsThreshold，绝对阈值。
输入参数： 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,bv(x,y)}为亮缺陷。
当c(x,y)<i（x,y）- max{a,bv(x,y)}为暗缺陷。
当AbsThreshold，VarThreshold有两个值时，第一个值决定亮缺陷，第二个值决定按缺陷。
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,b1v(x,y)}为亮缺陷。
当c(x,y)<i（x,y）- max{a2,b2v(x,y)}为暗缺陷。
2.3 算子 train_variation_model(Images : : ModelID : )
该算子输入一堆好图像和模板句柄。导致模板内参数有变化：生成标准图+差分图。
2.4 算子：compare_variation_model(Image : Region : ModelID : )
输入参数：Image，该图像为待检测图像，需要注意的是，该图像也必须与模板图像对齐。
输出参数：Region，检测出来的区域。
输入参数：ModelID，准备好的模板ID。
2.5 算子： compare_ext_variation_model(Image : Region : ModelID, Mode : )
该算子是算子compare_variation_model的拓展，其参数 MODE可以控制输出暗或亮缺陷或者都输出。

Variation_Model 差异模板算子总结相关推荐

基于GDAL的一个通用的3×3模板函数
在进行遥感图像处理时,经常会用到很多的模板算子,比如平滑锐化等,拉普拉斯算子,索伯尔算子等等.其实这些算法都一样,用一个模板窗口在图像上移动,然后把计算的结果写入图像中. 在查看GDAL源代码的时候, ...
halcon三种模板匹配方法
转自 : http://blog.csdn.net/hust1900/article/details/8843270 halcon有三种模板匹配方法:即Component-Based.Gray-Val ...
LOG高斯-拉普拉斯算子
LOG算子:是高斯和拉普拉斯的双结合,即集平滑和边沿于一身的算子模型!注意这个模型跟前面的一个滤波器很相似,就是各向异性滤波器!只不过是各向异性滤波器是高斯一阶导函数,而LOG可以看做是二阶导函数!这 ...
halcon知识：常见三种模板匹配方法总结
目录一. 形状匹配模板( Shape_Based ) 1.1 形状匹配常见的有四种情况 1.2 四种匹配的特点 1.3 一般形状匹配模板shape_model 1.4 线性变形匹配模板planar_ ...
LoG高斯拉普拉斯算子介绍
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/Touch_Dream/article/details/62237018 LOG算子: ...
opencv 腐蚀 matlab,Opencv3编程入门笔记（4）腐蚀、膨胀、开闭运算、漫水填充、金字塔、阈值化、霍夫变换...
19 腐蚀erode.膨胀dilate 腐蚀和膨胀是针对图像中的白色部分(高亮部分)而言的,不是黑色的.除了输入输出图像外,还需传入模板算子element,opencv中有三种可以选择:矩形 ...
基于遥感及气象数据的土壤侵蚀敏感性评价的解决方案
1.引言土壤侵蚀是指土壤或成土母质在外力(水.风)作用下被破坏剥蚀.搬运和沉积的过程.土壤侵蚀是全球环境的灾难,他不仅影响了人们的生存和社会发展,更限制了全球经济的可持续发展. 三江源地区由于特定的 ...
图像处理与机器视觉综合课程设计
........大学计算机科学与工程学院综合设计报告设计名称: <图像处理与机器视觉>综合设计设计题目: 基于Matlab的图像处理系统专业班级: ...
数字图像处理-知识体系概括
转载自:http://blog.csdn.net/hitwengqi/article/details/8292675 目录一.数字图像基础... 3 二.数字图像存储与显示... 3 三.图像变换. ...
数字图像处理知识体系小结（转）
在浏览博客是看到一篇文章,对图像处理领域的算法和理论总结的很到位,便转载了过来. 本文转自 http://blog.csdn.net/hitwengqi/article/details/8292675 ...

Variation_Model 差异模板算子总结

Variation_Model 差异模板算子总结相关推荐

最新文章

热门文章