固态硬盘主控检测工具_固态硬盘用什么软件检测
目录
一、程序源码分析
1、关闭窗口，读取原始胶囊图片(三通道)，按给定的纵横比打开窗口
2、这里的目的是把图案里面的腔室切割出来，对后续的胶囊处理更加方便
3、这一段目的是找出五行三列的胶囊腔室
4、这一部分是将找到的胶囊区域合并
5、通过循环读取每一张图像，然后找出每张图像中的胶囊的区域
二、相关算子
1、access_channel(MultiChannelImage : Image : Channel : )
2、orientation_region(Regions : : : Phi)
3、vector_angle_to_rigid( : : Row1, Column1, Angle1, Row2, Column2, Angle2 : HomMat2D)
4、affine_trans_image(Image : ImageAffineTrans : HomMat2D, Interpolation, AdaptImageSize : )
5、gen_empty_obj( : EmptyObject : : )
6、gen_rectangle2( : Rectangle : Row, Column, Phi, Length1, Length2 : )
7、concat_obj(Objects1, Objects2 : ObjectsConcat : : )
8、affine_trans_region(Region : RegionAffineTrans : HomMat2D, Interpolate : )
9、decompose3(MultiChannelImage : Image1, Image2, Image3 : : )
10、var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )
一、程序源码分析
* 这个示例演示了制药行业的一个应用程序，任务是检查自动填充胶囊的内容。
* 第一个图像(参考)用于定位泡孔形状内的腔室作为参考模型，然后使用该模型沿此参考形状重新排列后续图像。利用Blob分析对每个腔体的内容进行分割，最后根据一些形状特征进行分类。
1、关闭窗口，读取原始胶囊图片(三通道)，按给定的纵横比打开窗口
-
该图像作为后续图像读取，位置变换的参考
dev_close_window ()
dev_update_off ()
read_image (ImageOrig, 'blister/blister_reference')
dev_open_window_fit_image (ImageOrig, 0, 0, -1, -1, WindowHandle)
dev_display(ImageOrig)*设置显示的字体，设置填充方式为边缘填充，设置线宽为3
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
dev_set_draw ('margin')
dev_set_line_width (3)
2、这里的目的是把图案里面的腔室切割出来，对后续的胶囊处理更加方便
*原图是彩色图像，提取第一通道图像
access_channel (ImageOrig, Image1, 1)
*阈值选取较亮的区域
threshold (Image1, Region, 90, 255)
*根据凸性补充区域
shape_trans (Region, Blister, 'convex')
*获得整个大区域的角度、中心点坐标、面积
orientation_region (Blister, Phi)
area_center (Blister, Area1, Row, Column)
*从点和角度计算刚性仿射变换（得到这个区域到0角度位置的仿射矩阵）
vector_angle_to_rigid (Row, Column, Phi, Row, Column, 0, HomMat2D)
*根据仿射矩阵把原图变换过
affine_trans_image (ImageOrig, Image2, HomMat2D, 'constant', 'false')
3、这一段目的是找出五行三列的胶囊腔室
*创建一个空对象元组，类的实例化，防止空引用异常
gen_empty_obj (Chambers)
*通过循环遍历图像中的胶囊，(88,163)是第一个胶囊腔室的中心坐标，70、150是行、列方向相邻腔室之间的间距
for I := 0 to 4 by 1
Row := 88 + I * 70
for J := 0 to 2 by 1
Column := 163 + J * 150*得到正常药品所处区域的矩形
gen_rectangle2 (Rectangle, Row, Column, 0, 64, 30)
concat_obj (Chambers, Rectangle, Chambers)
endfor
endfor
stop()
4、这一部分是将找到的胶囊区域合并
*根据仿射矩阵把原图中的药品区域（就是上述的形状变换后的凸包区域）变换过去，其实就是找到ROI区域
affine_trans_region (Blister, Blister, HomMat2D, 'nearest_neighbor')
*差分大区域和每个药品的矩形小区域
difference (Blister, Chambers, Pattern)
*每个药品的矩形小区域联合起来
union1 (Chambers, ChambersUnion)
5、通过循环读取每一张图像，然后找出每张图像中的胶囊的区域
*得到药品所在的大区域的角度并获取该区域中心坐标与面积
orientation_region (Blister, PhiRef)* 得到转换后的角度PhiRef = -3.13984，角度转成正的（+180）
PhiRef := rad(180) + PhiRef
area_center (Blister, Area2, RowRef, ColumnRef)
*每个读取的图像将对齐到这个模式，并缩小到感兴趣的区域，就是是胶囊的腔室
Count := 6
for Index := 1 to Count by 1
-
新图片中药品大区域的定位（得到药品区域的角度、中心坐标、面积）
*图像预处理获得ROI区域边缘
read_image (Image, 'blister/blister_' + Index$'02')
threshold (Image, Region, 90, 255)
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 5000, )
shape_trans (SelectedRegions, RegionTrans, 'convex')*获取该图像的角度、中心坐标、面积
orientation_region (RegionTrans, Phi)
area_center (RegionTrans, Area3, Row, Column)
-
沿着参考图像的胶囊腔室对齐测试图像，将整个图片仿射到标准位置
*根据参考药品区域的中心坐标与角度来转换该图像，将其调整到参考图像位置进行分割
vector_angle_to_rigid (Row, Column, Phi, RowRef, ColumnRef, PhiRef, HomMat2D)
affine_trans_image (Image, ImageAffineTrans, HomMat2D, 'constant', 'false')
-
分割胶囊
*从该图像中分割出胶囊区域
reduce_domain (ImageAffineTrans, ChambersUnion, ImageReduced)
*三通道图像分离成三张图片
decompose3 (ImageReduced, ImageR, ImageG, ImageB)
*先用7*7的掩膜在图像上逐个像素游走，用原图的像素和当前像素的灰度均值对比，当原图的值低于掩膜的值的时候将该区域分割出来。
var_threshold (ImageB, Region, 7, 7, 0.2, 2, 'dark')
connection (Region, ConnectedRegions0)*消除孔洞
closing_rectangle1 (ConnectedRegions0, ConnectedRegions, 3, 3)
fill_up (ConnectedRegions, RegionFillUp)
select_shape (RegionFillUp, SelectedRegions, 'area', 'and', 1000, 99999)*开运算消除毛刺
opening_circle (SelectedRegions, RegionOpening, 4.5)
connection (RegionOpening, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 1000, 99999)
shape_trans (SelectedRegions, Pills, 'convex')
-
将每一张图片中的所有胶囊的轮廓区域提取出来，并计算正常区域的、错误区域的、没找到轮廓区域的胶囊的数量，并在后面计数统计，显示出来。
*计算分割出来的区域数量
count_obj (Chambers, Number)
*用来存储错误区域
gen_empty_obj (WrongPill)
*用来存储没找到轮廓区域
gen_empty_obj (MissingPill)
-
以下是对每一个腔室和胶囊进行处理得到胶囊的信息（正常区域的、错误区域的、没找到轮廓区域的）
for I := 1 to Number by 1
*从元组中拿出一个腔室矩形区域
select_obj (Chambers, Chamber, I)
*把每一个标准的矩形小区域和目前的区域做交集，得到胶囊区域，并获取该胶囊的位置信息、面积
intersection (Chamber, Pills, Pill)
area_center (Pill, Area, Row1, Column1)
*如果面积为0，表示没有药品，大于0，表示有
if (Area > 0)
*提取所在区域最大最小的灰度值
min_max_gray (Pill, ImageB, 0, Min, Max, Range)
if (Area < 3800 or Min < 60)
*规定胶囊面积小于3800，最小灰度值小于60为错误的
concat_obj (WrongPill, Pill, WrongPill)
endif
else
*胶囊面积小于0就是没找到轮廓
concat_obj (MissingPill, Chamber, MissingPill)
endif
endfor
dev_clear_window ()
dev_display (ImageAffineTrans)
dev_set_color ('forest green')
*对这三个区域进行计数
count_obj (Pills, NumberP)
count_obj (WrongPill, NumberWP)
count_obj (MissingPill, NumberMP)
dev_display (Pills)
*如果错误或找不到边缘区域数量大于0，这个药片质量不合格
if (NumberMP > 0 or NumberWP > 0)
disp_message (WindowHandle, 'Not OK', 'window', 12, 12 + 600, 'red', 'true')
else
disp_message (WindowHandle, 'OK', 'window', 12, 12 + 600, 'forest green', 'true')
endif*显示三种胶囊数量
Message := '# Correct pills: ' + (NumberP - NumberWP)
Message[1] := '# Wrong pills : ' + NumberWP
Message[2] := '# Missing pills: ' + NumberMP*设置颜色元组，存放三个区域输出信息的表示颜色
Colors := gen_tuple_const(3,'black')
*当错误与找不到边缘区域数量大于0时，输出均为红色；正常均为黑色if (NumberWP > 0)
Colors[1] := 'red'
endif
if (NumberMP > 0)
Colors[2] := 'red'
endif*正常区域数量黑色字体输出
disp_message (WindowHandle, Message, 'window', 12, 12, Colors, 'true')
dev_set_color ('red')
dev_display (WrongPill)
dev_display (MissingPill)
*不是最后一张图片，继续执行
if (Index < Count)
disp_continue_message (WindowHandle, 'black', 'true')
endif
stop ()
endfor
二、相关算子
1、access_channel(MultiChannelImage : Image : Channel : )
定义：访问多通道映像的一个通道
操作符access_channel访问（多通道）输入图像的一个通道。结果是一个单通道图像。采用输入的定义域，通道的编号从1到n。通道的数量可以通过运算符count_channels来确定
参数：输入多通道图像，输出所选定通道图像，要访问的通道索引
2、orientation_region(Regions : : : Phi)
定义：访问多通道映像的一个通道
操作符orientation_region计算区域的方向。如果传递了多个区域，则结果存储在元组中，元组中值的索引对应于输入中区域的索引
参数：要检查区域，输出区域的方位(弧度制)
3、vector_angle_to_rigid( : : Row1, Column1, Angle1, Row2, Column2, Angle2 : HomMat2D)
定义：从点和角度计算刚性仿射变换
vector_angle_to_rigid计算一个刚性仿射变换，即一个由一个旋转和一个平移组成的变换，从一个对应的点和两个对应的角度，并将其作为齐次变换矩阵HomMat2D返回。原始点的坐标被传入(Row1,Column1)，而对应的角度被传入Angle1。转换点的坐标传递在(Row2,Column2)中，而对应的角度传递在Angle2中。HomMat2D可以直接与使用仿射变换转换数据的运算符一起使用，例如affine_trans_image。
参数：输入原始点的坐标与角度，输入转换点的坐标与角度，输出变换矩阵
4、affine_trans_image(Image : ImageAffineTrans : HomMat2D, Interpolation, AdaptImageSize : )
定义：对图像应用任意的仿射二维变换。
affine_trans_image对Image中给出的图像应用一个任意的仿射二维变换，即缩放、旋转、平移和倾斜(倾斜)，并在ImageAffineTrans中返回转换后的图像。仿射变换由HomMat2D中给出的齐次变换矩阵来描述，它可以使用算子hom_mat2d_identity, hom_mat2d_scale, hom_mat2d_rotate, hom_mat2d_translate等来创建，或者是像vector_angle_to_rigid这样的算子的结果。
参数：输入图像，输出变换后的图像，变换矩阵，插值类型，适应结果图像的大小
5、gen_empty_obj( : EmptyObject : : )
定义：创建一个空对象元组
操作符gen_empty_obj创建一个空元组。这意味着输出参数不包含任何对象。因此，运算符count_obj返回0。但是，可以调用clear_obj来获取输出。应该注意的是，不能将任何对象与空区域混淆。如果是空区域，即0像素的区域，count_obj返回值为1。
参数：输入图像，输出变换后的图像，变换矩阵，插值类型，适应结果图像的大小
6、gen_rectangle2( : Rectangle : Row, Column, Phi, Length1, Length2 : )
定义：创建一个任意方向的矩形
操作符gen_rectangle2生成一个或多个矩形，其中心为(Row, Column)，方向为Phi，半边长为Length1和Length2。方向以圆弧度量给出，并表示水平轴与边缘之间的角度(带有Length1)(数学上为正)。
参数：输出创建的矩形区域，输入中心点坐标，与水平方向的夹角，矩形宽高的一半
7、concat_obj(Objects1, Objects2 : ObjectsConcat : : )
定义：连接两个图标对象元组
8、affine_trans_region(Region : RegionAffineTrans : HomMat2D, Interpolate : )
定义：对区域应用任意仿射二维变换
对Region中给定的区域应用一个任意的仿射二维转换，即缩放、旋转、平移和倾斜(倾斜)，并在RegionAffineTrans中返回转换后的区域
参数：要旋转和缩放的区域，输出转换后的区域，变换矩阵，插值类型
9、decompose3(MultiChannelImage : Image1, Image2, Image3 : : )
定义：将三通道图像转换为三幅图像
算子decompose3将一幅3通道图像转换为三幅具有相同定义域的单通道图像。没有为输出图像分配新的存储空间。相反，创建的图像包含对现有输入图像通道的引用
10、var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )
定义：用局部均值和标准差分析对图像进行阈值处理
使用var_threshold，可以选择输入图像的像素具有较高的局部标准差(对于正的StdDevScale)或较低的局部标准差(对于负的StdDevScale)而且根据LightDark的说法，是局部亮或暗的。因此，在不均匀的，有噪声的，或不均匀的照明背景上分割区域是可能的。
参数：输入图像，输出分割区域，滤波的掩码，为灰度值的标准差因子，最小灰度值与平均值的差值，阈值分割类型
