案例介绍
本文采用了三种方案提取图片中的压痕，展示了Halcon在轻缺陷领域检测以及区域分割的优势，这三种方案基本可以完成常见的屏幕划痕检测、斑点检测、压损检测。
检测图片如下图所示，目标是提取出压痕区域。
案例分析
方案一：动态阈值分割
动态阈值分割时缺陷检测的基础算法，即通过原图与均值滤波后的图像做差，然后提取缺陷检测区域。
主要步骤如下：
1.均值滤波
2.动态阈值分割
3.压痕筛选
过程图片如下：
1.均值滤波
2.动态阈值分割
3.按面积选择区域
方案二 ：傅里叶变换
傅里叶变换提取缺陷是缺陷检测中的进阶算法，适用于背景有网格的规则图案的缺陷检测，但是其处理速度相对于动态阈值分割稍慢一下，毕竟涉及到频域和时域的转换。
主要步骤：
1.傅里叶变换
2.进行高斯卷积滤波
3.进行均值滤波或高斯滤波
4.进行区域分割
5.进行面积筛选
主要效果图如下：
1.将图像进行傅里叶变换
2.对频域图像进行高斯卷积
3.将图像转换至时域
4.均值滤波
5.动态阈值分割
6.选择区域
方案三 ：灰度拉伸
灰度拉伸是一种常规的图像预处理方法，即通过将图像的灰度值范围有实际范围等比例拉伸到0-255，从而完成压痕区域的对比度增强，该处理方法适用于图像预处理步骤。
主要步骤如下：
灰度拉伸
提升图像对比度
阈值分割
面积筛选
主要效果如下：
1.原图像
2.提升图像对比度
3.阈值分割
4.选择区域
更多源码，请进入微信公众号，点击“源码下载”按钮。
