? 本文主要聊一下工業質檢中的二維定位算子，
? 工業質檢領域是計算機視覺落地比較早的領域，也是至今傳統影像處理演算法依舊大量使用的場景，這有別于安防、自動駕駛等領域，有時候使用傳統的演算法來解決問題會讓你覺得相比深度學習更加純粹和可解釋，工業領域的計算機視覺也往往被叫做機器視覺，包括機械手引導定位、讀碼、工業部件測量、缺陷檢測、OCR、3D體積等應用，一些比較好用和有名的機器視覺演算法平臺有 visionPro（康耐視）、halcon（MVtec），國內有 VisionMaster（海康）、MVP（大華）等，
? 下面借用 visionPro 來說一下主題，視覺定位是進行視覺測量、影像處理、分析等的先導步驟，若定位沒做好，后續的處理往往無法有效進行，
文章目錄
- 一、定位常用算子
- 二、算子淺析
- 2.1 斑點檢測
- 2.2 找邊
- 2.3 找圓
- 2.4 模板匹配
- 2.5 模板比對
一、定位常用算子
- 斑點檢測
- 找邊
- 找圓
- 模板匹配
- 模板比對
二、算子淺析
2.1 斑點檢測
? 斑點檢測也稱為 blob 分析，可以對影像中的斑點或者孔洞進行定位分析，可以配置形態學操作，輸出斑點數目、斑點質心、最小外接矩、斑點輪廓、連通域標號圖等資訊，在 OpenCv 中有類似的算子：SIFT、SURF、LoG 等，我覺得 連通域分析算子cv::connectedComponentsWithStats 功能上與斑點檢測最為類似，可以看作低配版 blob 分析算子，用起來還是很方便的
用康耐視 visionPro 視覺軟體進行斑點檢測演示，添加 CogBlobTool 算子，效果如下：
2.2 找邊
? 找邊算子的使用基于卡尺算子，主要用于直線的定位，可以輸出直線的位置資訊，OpenCv 中類似的算子有 cv::HoughLines，但兩者的實作原理不太相同，卡尺運用投影的原理，而霍夫變換用概率投票思想來實作，從使用上來說 cv::HoughLines 無法像找邊算子一樣指定期望位置，而且找邊算子的效率高相比會高很多，而這在實際使用中十分重要，
2.3 找圓
? 找圓算子的使用也是基于卡尺算子，主要用于圓的定位，可以輸出圓的位置資訊，OpenCv 中類似的算子有 cv::HoughCircles
同樣用 visionPro 視覺軟體進行找圓演示，添加 CogFindCirclesTool 算子，效果如下
2.4 模板匹配
? 模板匹配的作用是根據物件特征訓練模板，對一定角度范圍和尺度范圍內的物體進行匹配定位，可以輸出物件的質心、旋角、縮放等資訊，OpenCv 中有類似功能的算子：cv::matchTemplate，該函式提供 6 種匹配演算法，最后一種歸一化相關系數匹配法（CV_TM_CCOEFF_NORMED），也就是有名的 ncc 模板匹配，模板匹配在其他的視覺軟體中可能有不同的名稱，比如在基恩士的視覺傳感器軟體 IV-Navigator 中就叫做位置修正，又比如在 Microscan AutoVISION 中叫做定位形狀，但歸根結底，功能大體一樣
用 visionPro 視覺軟體進行模板匹配演示，添加 CogPMAlignTool 算子，效果如下:
2.5 模板比對
? 模板比對一般結合模板匹配成對使用，廣泛應用于工業缺陷檢測領域，模板比對的作用很好理解，就是將與模板有差異的地方找出來，同樣，在其他的視覺軟體中，模板比對可能有著不一樣的名稱，比如基恩士就叫輪廓比對，
模板有差異的地方找出來，同樣，在其他的視覺軟體中，模板比對可能有著不一樣的名稱，比如基恩士就叫輪廓比對，
? 收工~
掃描下方二維碼即可關注我的微信公眾號【極智視界】，獲取更多AI經驗分享，讓我們用極致+極客的心態來迎接AI ！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/297397.html
標籤：其他
上一篇：YOLOP 訓練+測驗+模型評估