目录
文章目录
前言
最近一直在研究高纹理图像中Mura类型缺陷的检测,此类缺陷检测属于表面检测的范畴,以下是对Halcon官方例子中一个相似案例的分享学习。
一、Mura是什么?
- Mura概述
Mura类型的缺陷,一般用于在屏幕显示行业中,描述在屏幕显示的测试过程中,形成的团块状坏点区域,在表面检测领域常常用来表述皮革,布料,半导体磨砂面等表面团块且与纹理背景有差异的团块缺陷类型。
2. 检测难点
Mura类型缺陷,最大的难点在于所处的背景过于复杂,使采用普通的阈值+形态学方法在此处常常失灵,还有就是Mura缺陷的灰度范围和背景中复杂纹理处于同一灰阶范围,难以通过常规手段分割提取。但是对应一些背景较浅的情况 mean_image + 动态阈值的方法也可以起到意料之外的效果。
二、Halcon官方detect_mura_defects_texture.hdev例子
1.例子描述
* This example shows how to detect mura defects
* in highly textured images
这个例子展示了如果在高纹理的图像中检测mura类型缺陷
*********************
2.读入第一张图像展示
代码如下(示例):

本文详细介绍了在高纹理图像中检测Mura类型缺陷的过程,包括背景提取、图像差分、中值滤波和缺陷特征提取等步骤。通过Halcon官方例子,展示了如何利用estimate_background_illumination、sub_image和watersheds_threshold等方法凸显并分割Mura缺陷。最终,文章总结了检测流程,并强调了灰度共生矩阵在特征提取中的作用。

1万+

被折叠的 条评论
为什么被折叠?



