python - 使用 python 或 Halcon 获取图像的绝对值导数

Question

我认为使用高斯滤波器从图片中的 1 得到的是 2。我想得到数字 3。我想得到导数，但只是绝对数量。

我基本上想过滤掉大三角形的渐变并得到不规则性（图像中的箭头）

我也可以使用正弦而不是三角形，这样会更容易吗？如何在 python 或 halcon 中实现这个？我应该研究什么才能更好地理解我想要什么以及如何实现它？

编辑：我想找到“缺陷”并摆脱模式理论：

具有真实缺陷的真实图像：

Answer 1

高斯滤波器不会为您提供导数。这是一个加权平均值。

您假设高斯会为输入 1 提供 2 是不正确的。

例如，只需使用陷波滤波器抑制背景的低频即可。

快速而肮脏的例子：

另请参阅查找适当的陷波滤波器以从图像中删除图案

如果背景总是像这样对齐，另一种简单的方法是使用逐行阈值或背景减法

Answer 2

同意 Piglet 的观点，如果您的图案频率大大低于您的缺陷频率，则陷波滤波器是首选工具。

还同意，如果您有多个校准条纹图案的框架，那么您有一系列可用的选项。最新版本的 Halcon 具有内置的偏转测量算子。

对于 quick-n-dirty，您还可以使用矩形内核来利用模式的一般方向。这相当于正交各向异性高通滤波器。

   read_image(imgInput, 'C:/Users/jpeyton/Documents/zzz_temp/FringePat_raw.jpg')
*smooth input image with mean using vertically oriented rectangular kernel
   mean_image (imgInput, imgMean, 3, 15)
*subtract smoothed image from raw image to get local / high frequency residuals
   abs_diff_image(imgMean,imgInput,imgAbsDiff, 1)
*threshold away background 
   threshold (imgAbsDiff, Regions, 8, 255)

用均值算子平滑。垂直方向的内核（在这种情况下为 3x15）

从原始图像和阈值中减去平滑图像：

从那里，您可以运行连接运算符并使用区域特征来进一步突出缺陷。您会注意到这种方法不会为低频缺陷（凹痕？）提供那么强的信号。

所以权衡是 FFT/DFT 滤波器不利用模式的方向，并留下边缘/谐波伪影。高通滤波器方法（如上）不会对接近/超过边缘频率的缺陷敏感。