Halcon缺陷检测实例转易语言---瓶口缺陷检测

z13228604287

效果图：

  

窗口程序集名	保 留	保 留	备 注
程序集1

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
图片	多维矩阵类

' 更多测试图片到百d网盘下载
' 网盘地址见 群文件
' img ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\瓶口缺陷检测\imgs\bottle_mouth_14.png”, #读图_彩色)
. ' 如果真 (图片.空 () ＝ 假)
' 瓶口 (img)

' img ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\瓶口缺陷检测\imgs\bottle_mouth_16.png”, #读图_彩色)
. ' 如果真 (图片.空 () ＝ 假)
' 瓶口_霍夫 (img)

图片 ＝ 视觉_图像解码 ( #图片1, #读图_彩色 )
瓶口_霍夫 (图片)
视觉_显示图像 (“小白鼠”, 图片)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()
返回 (0)  ' 可以根据您的需要返回任意数值

子程序名	返回值类型	公开	备 注
瓶口
参数名	类 型	参考	可空	数组	备 注
输入图	多维矩阵类

变量名	类 型	静态	数组	备 注
HSV_下	标量类
HSV_上	标量类
HSV_图	多维矩阵类
蒙版	多维矩阵类
轮廓集	点2i二维数组类
i	整数型
最大外接矩形	矩形2i类
最大外接矩形2	矩形2i类
中心	点2f类
半径	小数型
感兴区域	多维矩阵类
阈值_中心	点2f类
极坐标变换	多维矩阵类
灰度	多维矩阵类
均值	多维矩阵类
绝对差异	多维矩阵类
阈值	多维矩阵类
轮廓2	点2i二维数组类
极坐标变换_反	多维矩阵类

HSV_下.初始化 (0, 0, 0, )
HSV_上.初始化 (180, 255, 45, )
视觉_颜色空间转换 (输入图, HSV_图, #颜色_BGR转HSV, 0)
视觉_在范围内 (HSV_图, HSV_下, HSV_上, 蒙版)
视觉_中值滤波 (蒙版, 蒙版, 3)
' 视觉_显示图像 (“mask”, mask)
视觉_查找轮廓 (蒙版, 轮廓集, , #检测_外部, #逼近_任何, )
计次循环首 (轮廓集.尺寸 (), i)
最大外接矩形 ＝ 视觉_最大轮廓矩形V (轮廓集, i)
如果真 (最大外接矩形.宽度 ＞ 150 且 最大外接矩形.高度 ＞ 150)
视觉_最小包围圆形V (轮廓集, i, 中心, 半径)
跳出循环 ()

计次循环尾 ()
输入图.感兴区域 (最大外接矩形).复制 (感兴区域, )
' 视觉_显示图像 (“ROI”, ROI)
阈值_中心.初始化 (中心.左边 － 最大外接矩形.左边, 中心.顶边 － 最大外接矩形.顶边)
视觉_极坐标变换 (感兴区域, 极坐标变换, 尺寸2i (300, 600), 阈值_中心, 半径, #插值_双线性二次 ＋ #变换_极坐标 )
' 视觉_显示图像 (“polarImg”, polarImg)
视觉_颜色空间转换 (极坐标变换, 灰度, #颜色_BGR转GRAY, 0)
' 视觉_显示图像 (“flip”, gray)
视觉_均值滤波 (灰度, 均值, 尺寸2i (3, 501), , 4)
' 视觉_显示图像 (“blur”, blur)
视觉_绝对差异 (灰度, 均值, 绝对差异)
' 视觉_显示图像 (“diff”, diff)
视觉_阈值 (绝对差异, 阈值, 55, 255, #阈值_二进制 )
视觉_中值滤波 (阈值, 阈值, 3)
视觉_查找轮廓 (阈值, 轮廓2, , #检测_外部, #逼近_任何, )
计次循环首 (轮廓2.尺寸 (), i)
最大外接矩形2 ＝ 视觉_最大轮廓矩形V (轮廓2, i)
如果真 (最大外接矩形2.宽度 ＞ 10)
视觉_绘制轮廓 (极坐标变换, 轮廓2, i, 标量 (0, 0, 255), 2, 8, , 2147483647, )

计次循环尾 ()
视觉_极坐标变换 (极坐标变换, 极坐标变换_反, 尺寸2i (最大外接矩形.宽度, 最大外接矩形.高度), 阈值_中心, 半径, #插值_双线性二次 ＋ #变换_极坐标 ＋ #变换_逆变换 )
' 视觉_显示图像 (“thres”, thres)
' 视觉_显示图像 (“rgb_img”, polarImg)
视觉_显示图像 (“polarImg_Inv”, 极坐标变换_反)

子程序名	返回值类型	公开	备 注
瓶口_霍夫
参数名	类 型	参考	可空	数组	备 注
图片	多维矩阵类

变量名	类 型	静态	数组	备 注
图片备份	多维矩阵类
灰度	多维矩阵类
圆信息	数组三维小数类		0
是否NG	逻辑型
i	整数型
矩形区域	矩形2i类
中心	点2i类
半径	小数型
感兴区域	多维矩阵类
阈值中心	点2f类
极变换	多维矩阵类
均值	多维矩阵类
绝对差	多维矩阵类
二值化	多维矩阵类
轮廓	点2i二维数组类
最大外接矩形	矩形2i类
极变换_反	多维矩阵类
输出感兴区域	多维矩阵类
图片蒙版	多维矩阵类
轮廓ID	整数型
j	整数型
标签尺寸	尺寸2i类

图片.复制 (图片备份, )
视觉_颜色空间转换 (图片, 灰度, #颜色_BGR转GRAY, 0)
视觉_中值滤波 (灰度, 灰度, 3)
圆信息 ＝ 视觉_霍夫圆 (灰度, #霍夫_梯度, 1, 100, 200, 30, 150, 150)
判断 (取数组成员数 (圆信息) ＝ 0)
视觉_控制台输出 (“找圆失败！”, )
返回 ()
计次循环首 (取数组成员数 (圆信息), i)
视觉_圆 (图片备份, 点2i (圆信息 [i].值1 (), 圆信息 [i].值2 ()), 圆信息 [i].值3 (), 标量 (0, 0, 255), 3, #线类型_抗锯齿, 0)
视觉_圆 (图片备份, 点2i (圆信息 [i].值1 (), 圆信息 [i].值2 ()), 2, 标量 (0, 0, 255), 3, #线类型_抗锯齿, 0)
轮廓ID ＝ i
计次循环尾 ()
' 视觉_显示图像 (“findCircle”, img_copy)
矩形区域.初始化 (圆信息 [轮廓ID].值1 () － 圆信息 [轮廓ID].值3 (), 圆信息 [轮廓ID].值2 () － 圆信息 [轮廓ID].值3 (), 2 × 圆信息 [轮廓ID].值3 (), 2 × 圆信息 [轮廓ID].值3 ())
中心.初始化 (圆信息 [轮廓ID].值1 (), 圆信息 [轮廓ID].值2 ())
半径 ＝ 圆信息 [轮廓ID].值3 ()
图片.感兴区域 (矩形区域).复制 (感兴区域, )
' 视觉_显示图像 (“ROI”, ROI)
阈值中心.初始化 (中心.左边 － 矩形区域.左边, 中心.顶边 － 矩形区域.顶边)
视觉_极坐标变换 (感兴区域, 极变换, 尺寸2i (300, 600), 阈值中心, 半径, #插值_双线性二次 ＋ #变换_极坐标 )
' 视觉_显示图像 (“polarImg”, polarImg)
视觉_颜色空间转换 (极变换, 灰度, #颜色_BGR转GRAY, 0)
视觉_均值滤波 (灰度, 均值, 尺寸2i (3, 501), , 4)
' 视觉_显示图像 (“blur”, blur)
视觉_绝对差异 (灰度, 均值, 绝对差)
' 视觉_显示图像 (“diff”, diff)
视觉_阈值 (绝对差, 二值化, 55, 255, #阈值_二进制 )
视觉_中值滤波 (二值化, 二值化, 3)
视觉_查找轮廓 (二值化, 轮廓, , #检测_外部, #逼近_任何, )
计次循环首 (轮廓.尺寸 (), i)
最大外接矩形 ＝ 视觉_最大轮廓矩形V (轮廓, i)
如果真 (最大外接矩形.宽度 ＞ 13)
视觉_绘制轮廓 (极变换, 轮廓, i, 标量 (0, 0, 255), 2, 8, , 2147483647, )
是否NG ＝ 真

计次循环尾 ()
视觉_极坐标变换 (极变换, 极变换_反, 尺寸2i (矩形区域.宽度, 矩形区域.高度), 阈值中心, 半径, #插值_双线性二次 ＋ #变换_极坐标 ＋ #变换_逆变换 )
' 视觉_显示图像 (“thres”, thres)
' 视觉_显示图像 (“rgb_img”, polarImg)
' 视觉_显示图像 (“polarImg_Inv”, 极变换_反)
输出感兴区域 ＝ 图片.感兴区域 (矩形区域)
图片蒙版.初始化 (极变换_反.行数 (), 极变换_反.列数 (), #Cv无符号字节型, )
视觉_圆 (图片蒙版, 点2i (圆信息 [轮廓ID].值1 () － 矩形区域.左边, 圆信息 [轮廓ID].值2 () － 矩形区域.顶边), 圆信息 [轮廓ID].值3 (), 标量 (255), -1, #线类型_抗锯齿, 0)
' 视觉_显示图像 (“mask_img”, 图片蒙版)
极变换_反.复制 (输出感兴区域, 图片蒙版)
' 视觉_显示图像 (“cutROI”, cutROI)
判断 (是否NG)
标签尺寸 ＝ 视觉_获取文本尺寸 (“'Result->NG”, #字体_衬线_简单, 1, 2, )
视觉_矩形 (图片, 矩形2i (500, 20, 标签尺寸.宽 × 0.7, 标签尺寸.高), 标量 (212, 233, 252), -1, 8, 0)
视觉_放置文本 (图片, “Result->NG”, 点2i (500, 15 ＋ 标签尺寸.高), #字体_衬线_简单, 0.7, 标量 (0, 0, 255), 2, 8, 假)
标签尺寸 ＝ 视觉_获取文本尺寸 (“'Result->OK”, #字体_衬线_简单, 1, 2, )
视觉_矩形 (图片, 矩形2i (500, 20, 标签尺寸.宽 × 0.7, 标签尺寸.高), 标量 (212, 233, 252), -1, 8, 0)
视觉_放置文本 (图片, “Result->OK”, 点2i (500, 15 ＋ 标签尺寸.高), #字体_衬线_简单, 0.7, 标量 (0, 255), 2, 8, 假)

i支持库列表	支持库注释
OpenCV	(未知支持库)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 程序集1<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 图片, 多维矩阵类<br /> <br /> ' 更多测试图片到百d网盘下载<br /> ' 网盘地址见 群文件<br /> <br /> ' img ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\瓶口缺陷检测\imgs\bottle_mouth_14.png”, #读图_彩色)<br /> .' 如果真 (图片.空 () ＝ 假)<br />     ' 瓶口 (img)<br /> .如果真结束<br /> <br /> ' img ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\瓶口缺陷检测\imgs\bottle_mouth_16.png”, #读图_彩色)<br /> .' 如果真 (图片.空 () ＝ 假)<br />     ' 瓶口_霍夫 (img)<br /> .如果真结束<br /> <br /> 图片 ＝ 视觉_图像解码 (#图片1, #读图_彩色)<br /> 瓶口_霍夫 (图片)<br /> <br /> 视觉_显示图像 (“小白鼠”, 图片)<br /> 视觉_等待按键 (0)<br /> 视觉_销毁所有窗口 ()<br /> 返回 (0)  ' 可以根据您的需要返回任意数值<br /> <br /> .子程序 瓶口<br /> .参数 输入图, 多维矩阵类<br /> .局部变量 HSV_下, 标量类<br /> .局部变量 HSV_上, 标量类<br /> .局部变量 HSV_图, 多维矩阵类<br /> .局部变量 蒙版, 多维矩阵类<br /> .局部变量 轮廓集, 点2i二维数组类<br /> .局部变量 i, 整数型<br /> .局部变量 最大外接矩形, 矩形2i类<br /> .局部变量 最大外接矩形2, 矩形2i类<br /> .局部变量 中心, 点2f类<br /> .局部变量 半径, 小数型<br /> .局部变量 感兴区域, 多维矩阵类<br /> .局部变量 阈值_中心, 点2f类<br /> .局部变量 极坐标变换, 多维矩阵类<br /> .局部变量 灰度, 多维矩阵类<br /> .局部变量 均值, 多维矩阵类<br /> .局部变量 绝对差异, 多维矩阵类<br /> .局部变量 阈值, 多维矩阵类<br /> .局部变量 轮廓2, 点2i二维数组类<br /> .局部变量 极坐标变换_反, 多维矩阵类<br /> <br /> HSV_下.初始化 (0, 0, 0, )<br /> HSV_上.初始化 (180, 255, 45, )<br /> 视觉_颜色空间转换 (输入图, HSV_图, #颜色_BGR转HSV, 0)<br /> 视觉_在范围内 (HSV_图, HSV_下, HSV_上, 蒙版)<br /> 视觉_中值滤波 (蒙版, 蒙版, 3)<br /> ' 视觉_显示图像 (“mask”, mask)<br /> 视觉_查找轮廓 (蒙版, 轮廓集, , #检测_外部, #逼近_任何, )<br /> .计次循环首 (轮廓集.尺寸 (), i)<br />     最大外接矩形 ＝ 视觉_最大轮廓矩形V (轮廓集, i)<br />     .如果真 (最大外接矩形.宽度 ＞ 150 且 最大外接矩形.高度 ＞ 150)<br />         视觉_最小包围圆形V (轮廓集, i, 中心, 半径)<br />         跳出循环 ()<br />     .如果真结束<br /> <br /> .计次循环尾 ()<br /> 输入图.感兴区域 (最大外接矩形).复制 (感兴区域, )<br /> ' 视觉_显示图像 (“ROI”, ROI)<br /> 阈值_中心.初始化 (中心.左边 － 最大外接矩形.左边, 中心.顶边 － 最大外接矩形.顶边)<br /> 视觉_极坐标变换 (感兴区域, 极坐标变换, 尺寸2i (300, 600), 阈值_中心, 半径, #插值_双线性二次 ＋ #变换_极坐标)<br /> ' 视觉_显示图像 (“polarImg”, polarImg)<br /> 视觉_颜色空间转换 (极坐标变换, 灰度, #颜色_BGR转GRAY, 0)<br /> ' 视觉_显示图像 (“flip”, gray)<br /> 视觉_均值滤波 (灰度, 均值, 尺寸2i (3, 501), , 4)<br /> ' 视觉_显示图像 (“blur”, blur)<br /> 视觉_绝对差异 (灰度, 均值, 绝对差异)<br /> ' 视觉_显示图像 (“diff”, diff)<br /> 视觉_阈值 (绝对差异, 阈值, 55, 255, #阈值_二进制)<br /> 视觉_中值滤波 (阈值, 阈值, 3)<br /> 视觉_查找轮廓 (阈值, 轮廓2, , #检测_外部, #逼近_任何, )<br /> .计次循环首 (轮廓2.尺寸 (), i)<br />     最大外接矩形2 ＝ 视觉_最大轮廓矩形V (轮廓2, i)<br />     .如果真 (最大外接矩形2.宽度 ＞ 10)<br />         视觉_绘制轮廓 (极坐标变换, 轮廓2, i, 标量 (0, 0, 255), 2, 8, , 2147483647, )<br />     .如果真结束<br /> <br /> .计次循环尾 ()<br /> 视觉_极坐标变换 (极坐标变换, 极坐标变换_反, 尺寸2i (最大外接矩形.宽度, 最大外接矩形.高度), 阈值_中心, 半径, #插值_双线性二次 ＋ #变换_极坐标 ＋ #变换_逆变换)<br /> ' 视觉_显示图像 (“thres”, thres)<br /> ' 视觉_显示图像 (“rgb_img”, polarImg)<br /> 视觉_显示图像 (“polarImg_Inv”, 极坐标变换_反)<br /> <br /> <br /> .子程序 瓶口_霍夫<br /> .参数 图片, 多维矩阵类<br /> .局部变量 图片备份, 多维矩阵类<br /> .局部变量 灰度, 多维矩阵类<br /> .局部变量 圆信息, 数组三维小数类, , "0"<br /> .局部变量 是否NG, 逻辑型<br /> .局部变量 i, 整数型<br /> .局部变量 矩形区域, 矩形2i类<br /> .局部变量 中心, 点2i类<br /> .局部变量 半径, 小数型<br /> .局部变量 感兴区域, 多维矩阵类<br /> .局部变量 阈值中心, 点2f类<br /> .局部变量 极变换, 多维矩阵类<br /> .局部变量 均值, 多维矩阵类<br /> .局部变量 绝对差, 多维矩阵类<br /> .局部变量 二值化, 多维矩阵类<br /> .局部变量 轮廓, 点2i二维数组类<br /> .局部变量 最大外接矩形, 矩形2i类<br /> .局部变量 极变换_反, 多维矩阵类<br /> .局部变量 输出感兴区域, 多维矩阵类<br /> .局部变量 图片蒙版, 多维矩阵类<br /> .局部变量 轮廓ID, 整数型<br /> .局部变量 j, 整数型<br /> .局部变量 标签尺寸, 尺寸2i类<br /> <br /> 图片.复制 (图片备份, )<br /> 视觉_颜色空间转换 (图片, 灰度, #颜色_BGR转GRAY, 0)<br /> 视觉_中值滤波 (灰度, 灰度, 3)<br /> 圆信息 ＝ 视觉_霍夫圆 (灰度, #霍夫_梯度, 1, 100, 200, 30, 150, 150)<br /> .判断开始 (取数组成员数 (圆信息) ＝ 0)<br />     视觉_控制台输出 (“找圆失败！”, )<br />     返回 ()<br /> .默认<br />     .计次循环首 (取数组成员数 (圆信息), i)<br />         视觉_圆 (图片备份, 点2i (圆信息 <i>.值1 (), 圆信息 <i>.值2 ()), 圆信息 <i>.值3 (), 标量 (0, 0, 255), 3, #线类型_抗锯齿, 0)<br />         视觉_圆 (图片备份, 点2i (圆信息 <i>.值1 (), 圆信息 <i>.值2 ()), 2, 标量 (0, 0, 255), 3, #线类型_抗锯齿, 0)<br />         轮廓ID ＝ i<br />     .计次循环尾 ()<br /> .判断结束<br /> ' 视觉_显示图像 (“findCircle”, img_copy)<br /> 矩形区域.初始化 (圆信息 [轮廓ID].值1 () － 圆信息 [轮廓ID].值3 (), 圆信息 [轮廓ID].值2 () － 圆信息 [轮廓ID].值3 (), 2 × 圆信息 [轮廓ID].值3 (), 2 × 圆信息 [轮廓ID].值3 ())<br /> 中心.初始化 (圆信息 [轮廓ID].值1 (), 圆信息 [轮廓ID].值2 ())<br /> 半径 ＝ 圆信息 [轮廓ID].值3 ()<br /> 图片.感兴区域 (矩形区域).复制 (感兴区域, )<br /> ' 视觉_显示图像 (“ROI”, ROI)<br /> 阈值中心.初始化 (中心.左边 － 矩形区域.左边, 中心.顶边 － 矩形区域.顶边)<br /> 视觉_极坐标变换 (感兴区域, 极变换, 尺寸2i (300, 600), 阈值中心, 半径, #插值_双线性二次 ＋ #变换_极坐标)<br /> ' 视觉_显示图像 (“polarImg”, polarImg)<br /> 视觉_颜色空间转换 (极变换, 灰度, #颜色_BGR转GRAY, 0)<br /> 视觉_均值滤波 (灰度, 均值, 尺寸2i (3, 501), , 4)<br /> ' 视觉_显示图像 (“blur”, blur)<br /> 视觉_绝对差异 (灰度, 均值, 绝对差)<br /> ' 视觉_显示图像 (“diff”, diff)<br /> 视觉_阈值 (绝对差, 二值化, 55, 255, #阈值_二进制)<br /> 视觉_中值滤波 (二值化, 二值化, 3)<br /> 视觉_查找轮廓 (二值化, 轮廓, , #检测_外部, #逼近_任何, )<br /> .计次循环首 (轮廓.尺寸 (), i)<br />     最大外接矩形 ＝ 视觉_最大轮廓矩形V (轮廓, i)<br />     .如果真 (最大外接矩形.宽度 ＞ 13)<br />         视觉_绘制轮廓 (极变换, 轮廓, i, 标量 (0, 0, 255), 2, 8, , 2147483647, )<br />         是否NG ＝ 真<br />     .如果真结束<br /> <br /> .计次循环尾 ()<br /> 视觉_极坐标变换 (极变换, 极变换_反, 尺寸2i (矩形区域.宽度, 矩形区域.高度), 阈值中心, 半径, #插值_双线性二次 ＋ #变换_极坐标 ＋ #变换_逆变换)<br /> ' 视觉_显示图像 (“thres”, thres)<br /> ' 视觉_显示图像 (“rgb_img”, polarImg)<br /> ' 视觉_显示图像 (“polarImg_Inv”, 极变换_反)<br /> 输出感兴区域 ＝ 图片.感兴区域 (矩形区域)<br /> 图片蒙版.初始化 (极变换_反.行数 (), 极变换_反.列数 (), #Cv无符号字节型, )<br /> 视觉_圆 (图片蒙版, 点2i (圆信息 [轮廓ID].值1 () － 矩形区域.左边, 圆信息 [轮廓ID].值2 () － 矩形区域.顶边), 圆信息 [轮廓ID].值3 (), 标量 (255), -1, #线类型_抗锯齿, 0)<br /> ' 视觉_显示图像 (“mask_img”, 图片蒙版)<br /> 极变换_反.复制 (输出感兴区域, 图片蒙版)<br /> ' 视觉_显示图像 (“cutROI”, cutROI)<br /> .判断开始 (是否NG)<br />     标签尺寸 ＝ 视觉_获取文本尺寸 (“'Result->NG”, #字体_衬线_简单, 1, 2, )<br />     视觉_矩形 (图片, 矩形2i (500, 20, 标签尺寸.宽 × 0.7, 标签尺寸.高), 标量 (212, 233, 252), -1, 8, 0)<br />     视觉_放置文本 (图片, “Result->NG”, 点2i (500, 15 ＋ 标签尺寸.高), #字体_衬线_简单, 0.7, 标量 (0, 0, 255), 2, 8, 假)<br /> .默认<br />     标签尺寸 ＝ 视觉_获取文本尺寸 (“'Result->OK”, #字体_衬线_简单, 1, 2, )<br />     视觉_矩形 (图片, 矩形2i (500, 20, 标签尺寸.宽 × 0.7, 标签尺寸.高), 标量 (212, 233, 252), -1, 8, 0)<br />     视觉_放置文本 (图片, “Result->OK”, 点2i (500, 15 ＋ 标签尺寸.高), #字体_衬线_简单, 0.7, 标量 (0, 255), 2, 8, 假)<br /> .判断结束

一直在沉默

66666666666666666666666666666

一直在沉默

6666666666666666666

z13228604287

1061250149 发表于 2022-8-22 14:34
厉害，这是那个版本的HALCON

opencv  仿的   

1061250149

厉害，这是那个版本的HALCON