布料表面缺陷检测-检测周期纹理图像的缺陷（附halcon代码）
对于有周期纹理的布料检测而言，因为缺陷部位很容易与纹理混合在一起，无疑增加了检测难度。在经过了傅里叶变换的图像上使用正弦形态的带通滤波器，能有效降低周期纹理的干扰，突出缺陷区域。经过反傅里叶变换后，使用纹理滤波器提取出缺陷区域。因为纹理和缺陷的灰度差异被“放大”，所以可以使用灰度阈(yu四声)值结合形状的面积特征将二者分离开来。
下图是一块带有纹理的、有染色缺陷的布料图像
将原始图像进行傅里叶变换得到的瑕疵区域形状如下图
提取破洞并标识后如下图
检测的基本原理与前面两个例子相同，区别在于以下几点。
（1）由于原图对比度比较低，因此使用muti_image算子对灰度图像进行乘法运算，增强了原图像的对比度。
（2）由于图像中有周期纹理，而缺陷包含在纹理图案中，因此使用gen_sin_bandpass算子创建一个正弦形状的带通滤波器，用于在傅里叶变换过程中消除背景的纹理图像，能在平滑背景的同时较好地提取出缺陷点。
（3）傅里叶变换还原后，使用纹理滤波器寻找图像中的突变部分，便于将缺陷与背景分割开来。这样就能消除周期纹理对表面缺陷检测的影响，提取出异常的部位了。