如何利用Halcon中的快速傅里叶变换（FFT）

原网址：http://blog.csdn.net/feiying008/article/details/44616681
说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表 面进行目标（缺陷）的检测，大致分为三步：
首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；
然后，将原图和构造的滤波器进行快速傅里叶变换；
最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。
其中，程序中暗红色部分为注释。

*Initialization（初始化）dev_updata_off()      //这一句包含如下三个算子：//dev_updata_pc(‘off’)        关闭更新程序计数器//dev_updata_var(‘off’)       关闭更新变量窗口//dev_updata_window(‘off’)    关闭更新图像窗口（即通过命令来显示想要在图像窗口显示的图片）dev_close_window()    //关闭活动的图像窗口read_image(Image,’plastics/plastics_01’) //载入图片//参数说明：为读入图片命名（Image）//         文件名（’plastics/plastics_01’）get_image_size(Image,Width,height)        //获取图片的长宽；//参数说明：之前读入或生成的图片（Image）//           图片的宽（Width）//           图片的高（Height）dev_open_window(0,0,Width,Height,’Black’,WindowHandle)  //打开一个新的图像窗口//参数说明：起始坐标（0,0）//            大小（Width,Height）//            背景颜色（’Black’）//            窗口句柄（WindowHandle）set_display_font （WindowHandle,14,’mono’,’ture’,’false’）//设置不依赖操作系统的字体//参数说明：窗口句柄（WindowHandle）//            字体大小（14）//            字体类型（’mono’）//            是否黑体（’ture’）//            是否倾斜（’false’）dev_set_draw(‘Margin’)        //定义区域填充模式//参数说明：填充模式（’Margin’或者’Fill’）dev_set_line_width（3）    //设置输出区域轮廓线的线宽                              //可以修改参数来看最后缺陷区域标示的区别dev_set_color（’red’）   //设置一种或者多种输出颜色**Optimize the fft speed for the specific image size(根据指定图像大小进行fft速度最优化)optimize_rft_speed（Width,Height,’standard’）    //对指定大小的图片的fft速度进行优化//参数说明：图片大小（Width,Height）//            优化模式（’standard’）**Construct a suitable filter by combining two Gaussian filters（结合两个高斯滤波器构造一*个合适的滤波器）Sigma1 := 10.0Sigma2 := 3.0        //定义两个常量gen_gauss_filter(GaussFilter1,Sigma1,Sigma1,0.0,’none’,’rft’,Width,Height)gen_gauss_filter(GaussFilter2,Sigma2,Sigma2,0.0,’none’,’rft’,Width,Height)                            //在频域生成两个高斯滤波器//参数说明：生成的高斯滤波器（GaussFilter）//            空域中高斯在主方向上的标准差（Sigma）//            空域中高斯在正交于主方向的方向上的标准差（Sigma）//            滤波器主方向的角度（0.0）//            滤波器的规范（’none’）//            直流项在频域的位置（’rft’）//            图片的大小（Width,Height）sub_image(GaussFilter1,GaussFilter2,Filter,1,0)    //两图片相减（灰度）//sub_image(ImageMinuend, ImageSubtrahend : ImageSub : Mult, Add : )//g' := (g1 - g2) * Mult + Add//以上为函数原型以及运算公式**Process the images iteratively(对图像进行迭代运算)NumImages := 11For Index := 1 to NumImages by 1        //for循环从1到NumImages，步长为1   *   *Read an image and convert it to gray values   read_image(Image,’plastics/plastics_’+Index$’02’)   rgb1_to_gray(Image,Image)            //将原图转化为灰度图，第一个参数为原图   *Perform the convolution in the frequency domain   rft_generic(Image,ImageFFT,’to_freq’,’none’,’complex’,Width)//对计算一幅图片实部进行快速傅里叶变换   //参数说明：输入的图片（Image）   //            傅里叶变换后输出的图片（ImageFFT）   //            变换方向（’to_freq’或’from_freq’）   //            变换因子的规范（’none’）   //            输出图片的数据类型（’complex’）   //            图片的宽（Width）   convol_fft(ImageFFT,Filter,ImageConvol)    //对图片用一个滤波器在频域进行卷积运算   //参数说明：输入的图片（ImageFFT）   //            频域滤波器（Filter）   //            运算后输出的结果   rft_generic(ImageConcol,ImageFiltered,’from_freq’,’n’,’real’,Width)    //对滤波后的图片进行傅里叶反变换   *   *Process the filtered image   gray_range_rect(ImageFiltered,ImageResult,10,10)//用一个矩形掩膜计算像素点的灰度范围   //参数说明：输入的图片（ImageFiltered）   //            输出的灰度范围图（ImageResult）   //            矩形掩膜大小（10,10）   min_max_rect(ImageResult,ImageResult,0,Min,Max,Range)//判断区域内灰度值的最大和最小值   //参数说明：待分析图片区域（ImageResult）   //            图片（ImageResult）   //            被去除的直方图两边像素点所   //            占总像素数的百分比（0）   //            得到的最小值最大值及灰度值范围（Min,Max,Range）   threshold(ImageResult,RegionDynThresh,max([5.55,Max*0.8]),255)//利用全局阈值对图像进行分割   //参数说明：输入的图片（ImageResult）   //            分割后得到的区域（RegionDynThresh）   //            阈值（max([5.55,Max*0.8]),255）   //            公式：MinGray <= g <= MaxGray   connection(RegionDynThresh,ConnectedRegions)    //计算区域内的连通部分   //参数说明：输入的图片（RegionDynThresh）   //            得到的连通区域（ConnectedRegions）   select_shape (ConnectedRegions,SelectedRegions,’area’,’and’,4,99999)//根据指定的形态特征选择区域   //参数说明：输入的图片（ConnectedRegions）   //            满足条件的区域（SelectedRegions）   //            将要计算的形态特征（’area’）   //            独立特征间的连接关系（’and’）   //            特征的最小限制（4）   //            特征的最大限制（99999）   union1(SelectedRegions,RegionUnion)    //返回包含所有区域的集合   //参数说明：包含所有区域的待计算区域的图片（tedRegions）   //            所有输入区域合（RegionUnion）   closeing_circle(RegionUnion,RegionClosing,10)//用一个圆圈来封闭一个区域   //参数说明：将要被封闭的区域（RegionUnion）   //            被封闭的区域（RegionClosing）   //            圆圈的半径（10）   connection(RegionClosing,ConnectedRegions1)   select_shape(ConnectedRegions1,SelectedRegions1,’area’,’and’,10,99999)   area_center(SelectedRegions1,Area,Row,Column)    //计算区域的面积以及中心位置   //参数说明：待计算的区域（SelectedRegions1）   //            区域的面积（Area）   //            区域中心的行（Row）   //            区域中心的列（Column）   *   *Display the results   dev_display(Image)        //显示原图   Number := |Area|          //将区域面积赋给Number用于后面检查是否存在缺陷   if(Number)      gen_circle_contour_xld(ContCircle,Row,Column,gen_tuple_const(Number,30),gen_tuple_const(Number,0), gen_tuple_const(Number,rad(360)),’positive’,1)//构造一个与设定的圆弧或圆相一致的边界       //参数说明：生成的边界（ContCircle）       //            圆弧或圆的中心坐标（Row,Cloumn）       //            圆弧或圆的半径（gen_tuple_const(Number,30)）       //            圆弧或圆的起始角度（gen_tuple_const(Number,0)）       //            圆弧或圆的结束角度（gen_tuple_const(Number,rad(360))）       //            不明白是什么意思       //            相邻两点间的距离（1）       ResultMessage := [‘Not OK’,Number + ‘defect(s) found’]      Color := [‘red’,’black’]      dev_display(ContCircle)   else      ResultMessage := ‘OK’       Color := ‘forest green’   endif      disp_message(WindowHandle,ResultMessage,’window’,12,12,Color,’ture’)      if(Index#NumImages)            disp_continue_message(WindowHandle,’black’,’ture’)            stop()      endifendfor