find_scratches_bandpass_fft.hdev相关例程学习

Index:.../Filters/FFT/find_scratches_bandpass_fft.hdev

我看文档说，如何检测不均匀光照的表面缺陷呢，先创建一个合适的带通滤波器，然后把图像傅里叶变换在频域滤波，

加强高频部分，然后变回时域做形态学处理。但我想这个应用面应该不宽，只适用例程所提供的这种特性的图片，高频突出的图片。

gen_sin_bandpass (ImageBandpass, 0.4, 'none', 'rft', Width, Height)
rft_generic (ImageInverted, ImageFFT, 'to_freq', 'none', 'complex', Width)
convol_fft (ImageFFT, ImageBandpass, ImageConvol)
rft_generic (ImageConvol, Lines, 'from_freq', 'n', 'byte', Width)

参数选取还是难点，估计得有空看看数字信号处理的书，上面有各种滤波器说明。

invert_image (Image, ImageInverted)

有趣的是，前面写了这个，后面做变换时都用转换后的图像，估计人们也是尝试发现Invert一下的图像更适合rft变换？

lines_gauss (ImageReduced, LinesXLD, 0.8, 3, 5, 'dark', 'false', 'bar-shaped', 'false')

lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, CompleteJunctions : ) 

Image：输入图像

Lines：提取出的亚像素精度线条

Sigma：应用的高斯平滑的系数

Low：后滞阈值分割的低值

High：后滞阈值分割的高值

LightDark：提取图像中的亮色或者暗色线条

ExtractWidth：是否提取线条的宽度

LineModel：提取线条的模式，有'none', 'bar-shaped', 'parabolic', 'gaussian' 四种

CompleteJunctions：是否添加能够提取的接合点（junction)

 

当LineModel被设置为除'none'以外的其他值时，lines_gauss算子会补偿非对称线条（即在线条的中心两侧有不同对比度的线条），来校正提取出的线条的位置和宽度。对大多数应用来说，LineModel的'bar-shaped'参数是正确的选择，'parabolic'参数常用来提取边缘比较锐利的线条（比如背光照明的图像中的线条），'gaussian'则在线条边缘不那么锐利的时候使用。参数LineModel仅在参数ExtractWidth被设置为'true'时才有意义。

 

 

因为几何算法的原因，线条提取器（即lines_gauss算子）不可能提取出所有确定的接合点，当CompleteJunctions被设置为'true'时，算子会试图通过不同的算法提取出那些能够提取出来的接合点。

 This is done by immediately accepting line points that have a second derivative larger thanHigh. Points that have a second derivative smaller thanLow are rejected. 

思路如图，也就说选取sigma和low high是还要看看处理图片的灰度大概情况。

 

在选在参数High和参数Low时，应该注意，二阶偏导数受线条幅度和宽度影响的同时，也受参数Sigma的影响。二阶偏导数对线条幅度呈近似线性响应（即幅度值越大，二阶偏导数越大）。而对线条宽度的响应却差不多呈反指数关系（即线条的宽度越宽，二阶偏导数越小），这跟对参数Sigma值的大小响应差不多（即Sigma值越大，得到的二阶偏导数越小）。这就意味着对于一个大的Sigma值，应该选择一个比较小的High值和Low值。两个例子说明这个问题，对于一个幅度值大于100的5个像素宽的线条，如果Sigma=1.5，那么参数High应该大于14。而对于一个幅度值大于100的10个像素宽的线条来说，如果Sigma=3，那么参数High应该大于3.5。参数Low的值选在0.25High到0.5High之间比较合适。

 

在提取线条的同时，lines_guass算子还提取线条上每个点的以下属性：

如果ExtractWidth='false'

（1）'angle':垂直于线条的方向的角度

（2）'response':二阶偏导数的幅度值

如果ExtractWidth='true',下面的属性也会被提取出来

（3）'width_left':线条左侧的宽度

（4）'width_right':线条右侧的宽度

如果LineModel没有被设置为'none'，那么下面的属性也会被提取出来

（5）'asymmetry':线条的不对称度

（6）'contrast':线条的对比度

上面这些参数能够通过get_contour_attrib_xld算子得到。获得一些参数的函数。

 

注意：

一般来说，特别是在需要提取线条宽度的时候，参数Sigma的选择应该满足Sigma >= w/sqrt(3)（w代表图像中线条的宽度（线条直径的一半）），最小允许值是Sigma >= w/2.5。例如，对于一个宽度为4个像素（直径为8个像素）的线条来说，Sigma >= 2.3是合适的参数。

最后就是检测直线，后面Segment the scratches by using morphology都是常规步骤了。