摘要
本文使用opencv實作Halcon中的一個瓶口缺陷檢測執行個體（C++實作），Halcon中對應的例子為inspect_bottle_mouth.hdev，用于檢測酒瓶瓶口是否出現破損等缺陷情形。
Halcon執行個體主要步驟包含五步，分别是：
- 使用門檻值處理和形态學粗定位品口位置；
- XLD輪廓拟合最近似的圓形區域作為瓶口的輪廓；
- 極坐标變換，轉換到水準或垂直方向進行處理；
- 均值濾波圖與原圖做差分，根據門檻值提取；
- 将繪制的缺陷部分通過反極坐标變換投影到原圖上。
需要注意的是：在opencv中第一步和第二步這裡直接用霍夫圓變換來替換(最重要的就是參數要設定合适)。
opencv實作步驟分解：
（一）讀入圖像，預處理，霍夫圓檢測
Mat dst,src1;
Mat src = imread("D:/opencv練習圖檔/瓶口缺陷檢測.png");
src.copyTo(src1);
imshow("原圖", src);
//預處理，霍夫園檢測
Mat gray;
cvtColor(src, gray, COLOR_RGB2GRAY);
medianBlur(gray, gray, 3);
vector<Vec3f>circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 100, 200, 30, 150, 500); 
我測試了一下，16張測試圖，效果都不錯，暫時采用它。但是對于霍夫圓檢測，設定參數必須精确，才能有效果。
- HoughCircles函數API
vector<Vec3f>circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 100, 200, 30, 150, 500);
//第一個參數是輸出被檢測圖檔
//第二個參數表示存儲數組，其中存儲被檢測的圓的圓心的坐标和圓的半徑。
//第三個參數是檢測圓的方法（霍夫梯度法）
//第四個參數可以設定為1就行--預設參數
//第五個參數是圓心與圓心之間的距離，這是一個經驗值。這個大了，那麼多個圓就是被認為一個圓。
//第六個參數 就設為預設值就OK
//第七個參數這個根據你的圖像中的圓 大小設定，如果圓越小，則設定越小
//第八個和第九個參數 是你檢測圓 最小半徑和最大半徑是多少 這個是經驗值 （二）極坐标變換（重點就是要準确找到圓心作為極坐标變換的中心）
int X = 0;//圓心坐标的X
int Y = 0;//圓心坐标的Y
int R = 0;//半徑
Mat ROI;
for (int i = 0; i < circles.size(); i++)
{
X = cvRound(circles[i][0]);
Y = cvRound(circles[i][1]);
Point center(X,Y);//圓心坐标
R = cvRound(circles[i][2]);
ROI = src(Rect(X - R, Y - R, 2 * R, 2 * R));//提取ROI區域
Point trans_center = Point(R, R);//ROI區域内的中心坐标
warpPolar(ROI, dst, Size(300, 600), trans_center, R, INTER_LINEAR | WARP_POLAR_LINEAR);
}
imshow("ROI區域", ROI);
imshow("極坐标變換", dst); 
（三）均值濾波做差分，二值化
//均值濾波做差分
Mat dst_blur,diff,binary,dst_gray;
cvtColor(dst, dst_gray, COLOR_RGB2GRAY);
blur(dst_gray, dst_blur, Size(3, 501), Point(-1, -1));
absdiff(dst_gray, dst_blur, diff);
imshow("差分", diff);
threshold(diff, binary, 70, 255, THRESH_BINARY);
medianBlur(binary, binary, 3);
imshow("二值化", binary); 注意這裡的均值濾波核大小，一般我們都是設定(3,3)或(5,5)等，這裡物體垂直方向較長，參考Halcon例子中設定為(3, 501)。
可以看到，通過均值濾波差分後圖像的缺陷已經可以很明顯的看到了。
（四）輪廓提取，篩選缺陷輪廓
vector<vector<Point>>contours;
findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());
for (int i = 0; i < contours.size(); i++)
{
Rect rect = boundingRect(contours[i]);
float width = rect.width;
if (width>10)
{
drawContours(dst, contours,i, Scalar(0, 0, 255), 2);
}
}
imshow("缺陷", dst); 這裡篩選缺陷的标準是：輪廓寬度大于10的都認為是缺陷（可以添加更精确的标準）
（五）反極坐标變換，結果投影到原圖
Mat polarImg_Inv;
warpPolar(dst, polarImg_Inv, ROI.size(), Point(R,R), R, INTER_LINEAR | WARP_POLAR_LINEAR| WARP_INVERSE_MAP);
circle(polarImg_Inv, Point(R, R), 3, Scalar(0, 255, 0), -1, 8, 0);
circle(polarImg_Inv, Point(R, R), R, Scalar(255, 0, 0), 3, 8, 0);
imshow("反極坐标變換", polarImg_Inv);