EEPW论坛

简单描述一下，具体这个亮点和光点是怎么来的。

         在做质量和数量检测的时候，常常会涉及到，识别异样点 （坏点）。在很多检测的过程中，模型基本是相同的，比如说，检测电路板是否有异样，把坏点圈出来。电路板之间，都是相同的。我称作背景，检测到电路板边 缘，进行位置校对后，减去背景。剩下的就是一些亮点了。还有如果要让你把红豆和绿豆分开。绿豆里面有多少红豆（少量），做前期图像处理的时候，把红豆的色 彩分量提取的话，图像就只有红豆是白色的，其他的都是黑色的了。等等。都需要涉及这一点。

       最后就会出现一张图（见下图），这张图你可以这么理解，就是一块蛋糕上，撒了些小豆，然后我检测一下，上面小豆的数量。

       1，理论：其实我们大概也知道，亮点它的亮度一定比周边的要亮，呈现一种高斯形状，旁边数值低，亮的地方高，然后旁边又低。但是不但表它比整个平面的相对亮度都亮。所以进行图像处理的时候，并不一定要全局处理。

这张图像的质量比较好，不需要做图像的较多处理。其实前期有时候是需要滤波，均衡的。 亮点的情况大概说了下，怎么检测呢？？有一个是，边缘检测，边缘检测后，亮点就会变成一个圈。然后形态学处理，开操作，闭操作。进行处理后，进行个数测 量。第二个，就是高斯形状检测，用5*5的高斯掩膜做处理。对 整幅图扫描，如果符合高斯形状，我就认为是亮点。

          2，matlab的处理和验证：

亮点的数据情况：

126为中心，的一个亮点。这就是一个亮点周围数值的分布状态。

第一种方法是边缘检测的，是吧。

这个是边缘检测后的，呈现的是这种状态。后面怎么操作呢？？3*3的中值滤波。把孤立点去掉。

最后通过距离进行聚类。这个方法比较麻烦。最后我还是采用了，第二种方案。高斯形状的检测。

1. for i=20:236                                                                 
   
2.        for j=20:280                                                         
   
3.    if (f1(i,j)>f1(i,j+1)&&f1(i,j)>f1(i,j+2) &&f1(i,j+1)>f1(i,j+3) &&f1(i,j)-f1(i,j+4)>15  && ... %比较右边
   
4.                  f1(i,j)>f1(i,j-1)&&   f1(i,j)>f1(i,j-2) &&f1(i,j-1)>f1(i,j-3) &&f1(i,j)-f1(i,j-4)>15 ... %比较左边
   
5.                 &&f1(i,j)>f1(i-1,j)&&f1(i,j)>f1(i+1,j))  %比较上边和下边
   
6.                t(1,w)= i;
   
7.                t(2,w)=j;
   
8.                w=w+1;
   
9.             end
   
10.   end
    
11. end

abs(t(1,i)-t(1,i+1))<3

abs(t(2,i)-t(2,i+1))<3

进行邻近点聚类。

3，FPGA实现：

1. parameter  read_ram_data_state = 64'b0000_0000_00
   
2. parameter  read_up5add_state = 64'b0000_0000_0000
   
3. parameter  compare_bigsmall_state1 = 64'b0000_000
   
4. parameter  read_down5add_state = 64'b0000_0000_00
   
5. parameter  compare_bigsmall_state2 = 64'b0000_000
   
6. parameter  save_dot_add_state1 = 64'b0000_0000_00
   
7. parameter  save_dot_add_state2 = 64'b0000_0000_00
   
8. parameter  read_dot_add_state1 = 64'b0000_0000_00
   
9. parameter  read_dot_add_state2 = 64'b0000_0000_00
   
10. parameter  first_dot_add_state = 64'b0000_0000_00
    
11. parameter  data_compare_two_state = 64'b0000_0000
    
12. parameter  judge_different_state = 64'b0000_0000_
    
13. parameter  read_ram_delay_state = 64'b0000_0000_0
    
14. parameter  edge_dot_delet_state = 64'b0000_0000_0

我还是把状态机贴出来。描述一下状态机的变化顺序。

第一步，图像保存，存储器清空，前期准备工作。

第二步，图像一行一行往计算模块里面送，计算什么呢？？计算行向的高斯形状。因为如果一次去计算5行的情况，上下左右都检测，然后还要ram临时保存的话，会降低效率的。

第三步，如果有检测到横向有高斯形状后，才开始检测，这个像素的上，和下，竖向方向是否也呈现高斯状态。

第四步，如果呈现高斯状态，保存起来。如果不是，回到第二步。

第五步，就是把保存的亮点，进行聚类。

第六步，发送给上位机。

检测的正确率还是很高的。可能是环境的质量比较好。当然了，整体结构是这样的，具体的细节还是有很多的。

（copyright by my_share）