diff --git a/AlgorithmModule/include/ImageAllResult.h b/AlgorithmModule/include/ImageAllResult.h index af8f3c7..fb78851 100644 --- a/AlgorithmModule/include/ImageAllResult.h +++ b/AlgorithmModule/include/ImageAllResult.h @@ -62,7 +62,7 @@ public: cv::Rect CropRoi = cv::Rect(0, 0, 0, 0); // 检测的原始图片 cv::Mat detImg; - // 摆正后的彩色检测图(保留原图通道,供裁剪图 _RE_CutImg 输出;灰度源图时为空) + // 裁剪后的彩色检测图(保留原图通道,供裁剪图 _RE_CutImg 输出;灰度源图时为空) cv::Mat detColorImg; // AI 推理的mask图片 cv::Mat AIMaskImg; diff --git a/AlgorithmModule/include/ImageDetConfig.h b/AlgorithmModule/include/ImageDetConfig.h index 11e048c..8f2d19d 100644 --- a/AlgorithmModule/include/ImageDetConfig.h +++ b/AlgorithmModule/include/ImageDetConfig.h @@ -95,7 +95,7 @@ struct One_Image_CheckResult_ cv::Rect CutRoi; // 当前检测图片 对应的裁切区域 cv::Rect Param_CropRoi; // 参数模版 对应的裁切区域 std::shared_ptr> pQx_ErrorList; // 缺陷错误信息 - cv::Mat detToSrcMat; // 检测图坐标 -> 原图坐标 的 2x3 仿射矩阵(检测图摆正时有效; 空表示按 CutRoi 平移映射) + cv::Mat detToSrcMat; // 检测图坐标 -> 原图坐标 的 2x3 仿射矩阵(空表示按 CutRoi 平移映射) void print(std::string str = "") { std::cout << str << ": " diff --git a/AlgorithmModule/include/ImgCheckAnalysisy.hpp b/AlgorithmModule/include/ImgCheckAnalysisy.hpp index 4b81630..4f0096a 100644 --- a/AlgorithmModule/include/ImgCheckAnalysisy.hpp +++ b/AlgorithmModule/include/ImgCheckAnalysisy.hpp @@ -283,11 +283,11 @@ private: cv::Rect m_inner_roi; cv::Rect m_Crop_Roi_paramImg; // 裁切在参数模板图上的 位置。 - // 检测图摆正(去旋转)相关：用 m_outer_rroi 建立 原图 -> 检测图 的仿射映射 - cv::Mat m_matSrc2Det; // 原图 -> 检测图(摆正) 2x3 仿射矩阵 - cv::Mat m_matDet2Src; // 检测图(摆正) -> 原图 2x3 仿射矩阵 - cv::Mat m_matParam2Det; // 参数(模板)坐标 -> 检测图(摆正) 2x3 仿射矩阵 - cv::Rect m_deskewPadRoi; // 摆正时原图上的裁剪区域(即 warp 的输入范围) + // 检测图裁剪坐标映射(不做旋转摆正)：用 m_outer_rroi 外接区域裁剪，原图 -> 检测图为平移 + cv::Mat m_matSrc2Det; // 原图 -> 检测图(裁剪) 2x3 仿射矩阵(纯平移) + cv::Mat m_matDet2Src; // 检测图(裁剪) -> 原图 2x3 仿射矩阵(纯平移) + cv::Mat m_matParam2Det; // 参数(模板)坐标 -> 检测图(裁剪) 2x3 仿射矩阵 + cv::Rect m_deskewPadRoi; // 检测图在原图上的裁剪区域 std::string m_strCurDetChannel; // 当前处理的图片通道 diff --git a/AlgorithmModule/src/CheckResultJson.cpp b/AlgorithmModule/src/CheckResultJson.cpp index 84d3fb4..f6c18b3 100644 --- a/AlgorithmModule/src/CheckResultJson.cpp +++ b/AlgorithmModule/src/CheckResultJson.cpp @@ -18,7 +18,7 @@ Json::Value CheckResultJson::toJsonValue() root["Param_CropRoi"]["width"] = m_pOneImgDetResult->Param_CropRoi.width; root["Param_CropRoi"]["height"] = m_pOneImgDetResult->Param_CropRoi.height; } - // 检测图(摆正) -> 原图 的 2x3 仿射矩阵(用于复测/外部分析还原缺陷小图) + // 检测图(裁剪) -> 原图 的 2x3 仿射矩阵(用于复测/外部分析还原缺陷小图) if (!m_pOneImgDetResult->detToSrcMat.empty() && m_pOneImgDetResult->detToSrcMat.rows == 2 && m_pOneImgDetResult->detToSrcMat.cols == 3) { @@ -96,7 +96,7 @@ void CheckResultJson::toObjectFromValue(Json::Value root) m_pOneImgDetResult->Param_CropRoi.height = root["Param_CropRoi"]["height"].asInt(); } } - // 检测图(摆正) -> 原图 的 2x3 仿射矩阵(旧 JSON 没有该字段时按 CutRoi 平移兼容) + // 检测图(裁剪) -> 原图 的 2x3 仿射矩阵(旧 JSON 没有该字段时按 CutRoi 平移兼容) { auto value = root["detToSrc"]; if (value.isObject() && value.isMember("m00")) diff --git a/AlgorithmModule/src/ImageResultJudge.cpp b/AlgorithmModule/src/ImageResultJudge.cpp index cabf432..6df9b06 100644 --- a/AlgorithmModule/src/ImageResultJudge.cpp +++ b/AlgorithmModule/src/ImageResultJudge.cpp @@ -1,7 +1,7 @@ #include "ImageResultJudge.h" -// 检测图坐标 -> 原图坐标(检测图摆正时 detToSrcMat 非空; 否则退回 CutRoi 平移) +// 检测图坐标 -> 原图坐标(detToSrcMat 非空时按矩阵映射; 否则退回 CutRoi 平移) static cv::Rect DetRoiToSrcRoi(const cv::Mat &detToSrcMat, cv::Rect detRoi, const cv::Rect &cutRoi, const cv::Size &srcSize) { if (detToSrcMat.empty() || detToSrcMat.rows != 2 || detToSrcMat.cols != 3) @@ -40,7 +40,7 @@ static cv::Rect DetRoiToSrcRoi(const cv::Mat &detToSrcMat, cv::Rect detRoi, cons return srcRoi; } -// 从原图取缺陷小图：detCutRoi 为检测图坐标下的截取框；输出保持与检测图一致的摆正方向(原图通道) +// 从原图取缺陷小图：detCutRoi 为检测图坐标下的截取框；输出按检测图坐标映射从原图取回(原图通道) static bool WarpSrcCutImg(const cv::Mat &srcImg, const cv::Mat &detToSrcMat, const cv::Rect &detCutRoi, cv::Mat &outPatch) { outPatch.release(); @@ -576,7 +576,7 @@ int ImageResultJudge::ResultJudge(std::shared_ptr pImageResult) // CheckUtil::printROI(CutRoi, "CutRoi"); cv::Size sz = cv::Size(QX_SAMLLIMG_WIDTH, QX_SAMLLIMG_HEIGHT); - // 缺陷小图直接取自原图裁剪区(保持原图通道 -> 真实彩色);检测图摆正时按仿射取回(保持摆正方向), + // 缺陷小图直接取自原图裁剪区(保持原图通道 -> 真实彩色);按仿射矩阵从原图取回, // ReJson/异常时退回检测图 { const cv::Mat &srcImg = pImageResult->result->in_shareImage->img; @@ -610,7 +610,7 @@ int ImageResultJudge::ResultJudge(std::shared_ptr pImageResult) tem.max_v = maxValue; tem.strTypeName = QX_Result_Names[nqx_type]; tem.qx_Code = QX_Result_Code[nqx_type]; - // 缺陷 roi 映射回原图(摆正时按仿射, 否则按 CutRoi 平移) + // 缺陷 roi 映射回原图(按仿射矩阵映射, 否则按 CutRoi 平移) { const cv::Mat &srcSizeImg = pImageResult->result->in_shareImage->img; tem.srcImgroi = DetRoiToSrcRoi(pDetResult->detToSrcMat, roi, pDetResult->CutRoi, @@ -712,7 +712,7 @@ int ImageResultJudge::ResultJudge(std::shared_ptr pImageResult) // CheckUtil::printROI(CutRoi, "CutRoi"); cv::Size sz = cv::Size(QX_SAMLLIMG_WIDTH, QX_SAMLLIMG_HEIGHT); - // 缺陷小图直接取自原图裁剪区(保持原图通道 -> 真实彩色);检测图摆正时按仿射取回(保持摆正方向), + // 缺陷小图直接取自原图裁剪区(保持原图通道 -> 真实彩色);按仿射矩阵从原图取回, // ReJson/异常时退回检测图 { const cv::Mat &srcImg = pImageResult->result->in_shareImage->img; @@ -746,7 +746,7 @@ int ImageResultJudge::ResultJudge(std::shared_ptr pImageResult) tem.max_v = maxValue; tem.strTypeName = QX_Result_Names[nqx_type]; tem.qx_Code = QX_Result_Code[nqx_type]; - // 缺陷 roi 映射回原图(摆正时按仿射, 否则按 CutRoi 平移) + // 缺陷 roi 映射回原图(按仿射矩阵映射, 否则按 CutRoi 平移) { const cv::Mat &srcSizeImg = pImageResult->result->in_shareImage->img; tem.srcImgroi = DetRoiToSrcRoi(pDetResult->detToSrcMat, roi, pDetResult->CutRoi, diff --git a/AlgorithmModule/src/ImgCheckAnalysisy.cpp b/AlgorithmModule/src/ImgCheckAnalysisy.cpp index b95814d..819c856 100644 --- a/AlgorithmModule/src/ImgCheckAnalysisy.cpp +++ b/AlgorithmModule/src/ImgCheckAnalysisy.cpp @@ -31,7 +31,7 @@ static bool compareContourAreas(const vector &contour1, const vector j); } -// 2x3 仿射矩阵小工具：变换点、矩形外接、组合矩阵(检测图摆正用) +// 2x3 仿射矩阵小工具：变换点、矩形外接、组合矩阵(检测图裁剪坐标映射用) static cv::Point2f MatAffinePoint(const cv::Mat &mat32, const cv::Point2f &pt) { if (mat32.empty() || mat32.rows != 2 || mat32.cols != 3) @@ -482,63 +482,6 @@ int ImgCheckAnalysisy::Adapt_Config(RotatedRect tplOuterRect, RotatedRect curOut return 0; } -// 应用内 OpenCV 线程池随首个调用线程(通常为先绑核的检测线程)初始化成单线程，parallel_for 实际串行， -// 全分辨率 warp 要 150~200ms；这里把输出按行切条、用独立线程并行 warp， -// 结果与整图 warpAffine 逐像素一致(已离线验证 maxdiff=0)，耗时降到约 1/3 -static void WarpAffineBandParallel(const cv::Mat &src, cv::Mat &dst, const cv::Mat &affine, - const cv::Size &size, int nThreads = 8, int interp = cv::INTER_LINEAR, - int borderType = cv::BORDER_REPLICATE) -{ - dst.create(size, src.type()); - nThreads = std::max(1, std::min(nThreads, size.height)); - int bandH = (size.height + nThreads - 1) / nThreads; - int nBands = (size.height + bandH - 1) / bandH; - - auto warpBand = [&](int b) - { - // 新建线程默认继承调用线程的 CPU 亲和性(检测线程已绑单核)，这里放开到全核，让条带真正并行 - cpu_set_t cpus; - CPU_ZERO(&cpus); - long ncpu = sysconf(_SC_NPROCESSORS_ONLN); - for (long i = 0; i < ncpu; i++) - { - CPU_SET(i, &cpus); - } - pthread_setaffinity_np(pthread_self(), sizeof(cpus), &cpus); - - int y0 = b * bandH; - int h = std::min(bandH, size.height - y0); - // warpAffine 默认接收正向矩阵(src->dst)并内部求逆；条带只把输出平移项减去 y0 - cv::Mat matBand = affine.clone(); - matBand.at(1, 2) -= y0; - cv::warpAffine(src, dst(cv::Rect(0, y0, size.width, h)), matBand, - cv::Size(size.width, h), interp, borderType); - }; - - std::vector threads; - threads.reserve(nBands); - int b = 0; - try - { - for (; b < nBands; b++) - { - threads.emplace_back(warpBand, b); - } - } - catch (const std::system_error &) - { - // 线程资源不足:剩余条带留在本线程串行补完 - } - for (auto &t : threads) - { - t.join(); - } - for (; b < nBands; b++) - { - warpBand(b); - } -} - // 暗场复用明场定位：把字符串里的 "dark"(大小写不敏感)替换为 "bright"；未命中返回空串 static std::string ReplaceDarkWithBright(const std::string &strIn) { @@ -854,76 +797,60 @@ int ImgCheckAnalysisy::CheckRun() m_pdetlog->AddCheckstr(PrintLevel_0, "2、pre detect", "-------------------------AI_Edge------------succ---time %ld----\n", time_edge_e - time_edge_s); } - /*生成检测图：用 m_outer_rroi(旋转矩形)确定产品区域，并把该区域旋转摆正后输出； - 原图坐标 -> 检测图坐标 的映射存入 m_matSrc2Det / m_matDet2Src，后续坐标换算都走这对矩阵*/ + /*生成检测图：用 m_outer_rroi(旋转矩形)的外接区域直接从原图裁剪(不再旋转摆正，省掉旋转重采样耗时)； + 原图坐标 -> 检测图坐标 的映射为纯平移，存入 m_matSrc2Det / m_matDet2Src，后续坐标换算仍走这对矩阵*/ cv::Mat image = m_CheckResult_shareP->in_shareImage->img; cv::Rect imgRect(0, 0, image.cols, image.rows); - // 1、旋转矩形四角 -> 轴对齐矩形四角 的仿射(把产品摆正；用顶点计算，避开 RotatedRect 角度约定的歧义) - std::vector vtx = CheckUtil::sort_vertices(m_outer_rroi); // 近似 左上/右上/左下/右下 - int detW = std::max(1, cvRound(cv::norm(vtx[1] - vtx[0]))); - int detH = std::max(1, cvRound(cv::norm(vtx[2] - vtx[0]))); - cv::Point2f srcTri[3] = {vtx[0], vtx[1], vtx[2]}; - cv::Point2f dstTri[3] = {cv::Point2f(0, 0), cv::Point2f((float)detW, 0), cv::Point2f(0, (float)detH)}; - m_matSrc2Det = cv::getAffineTransform(srcTri, dstTri); - cv::invertAffineTransform(m_matSrc2Det, m_matDet2Src); - - // 2、只对旋转矩形附近区域做 warp，提高效率；先裁到该区域，warp 矩阵同步做平移补偿 + // 1、检测图裁剪区域 = 旋转矩形外接区域(与原图求交，防越界) cv::Rect padRoi = m_outer_rroi.boundingRect() & imgRect; if (padRoi.width <= 0 || padRoi.height <= 0) { - m_pdetlog->AddCheckstr(PrintLevel_1, "Error", "deskew roi error [%d %d %d %d]", padRoi.x, padRoi.y, padRoi.width, padRoi.height); + m_pdetlog->AddCheckstr(PrintLevel_1, "Error", "crop roi error [%d %d %d %d]", padRoi.x, padRoi.y, padRoi.width, padRoi.height); m_nErrorCode = CHECK_ERROR_CheckImg_Empty; m_nCheckResultErrorCode = m_nErrorCode; return m_nErrorCode; } - cv::Mat matPad = m_matSrc2Det.clone(); - matPad.at(0, 2) += matPad.at(0, 0) * padRoi.x + matPad.at(0, 1) * padRoi.y; - matPad.at(1, 2) += matPad.at(1, 0) * padRoi.x + matPad.at(1, 1) * padRoi.y; + int detW = padRoi.width; + int detH = padRoi.height; - // 3、检测图：单通道灰度(彩色原图按 BGR 顺序转灰度,与 imread(path,0) 的亮度一致)，按摆正矩阵重采样； - // 彩色结果图在 ResizeImg 里按显示尺寸直接 warp(比全分辨率彩色 warp 省很多) + // 2、原图 -> 检测图 为纯平移(无旋转)：检测图坐标 = 原图坐标 - 裁剪原点 + m_matSrc2Det = (cv::Mat_(2, 3) << 1, 0, -(double)padRoi.x, 0, 1, -(double)padRoi.y); + m_matDet2Src = (cv::Mat_(2, 3) << 1, 0, (double)padRoi.x, 0, 1, (double)padRoi.y); + + // 3、检测图：单通道灰度(彩色原图按 BGR 顺序转灰度,与 imread(path,0) 的亮度一致)，直接裁剪； + // 彩色原图时再输出一张同样裁剪的彩色检测图，供裁剪图(_RE_CutImg)保存时保留原图通道 + // (检测算法仍只用灰度 detImg) m_deskewPadRoi = padRoi; cv::Mat colorPatch = image(padRoi); - cv::Mat grayPatch; if (colorPatch.channels() == 1) { - grayPatch = colorPatch; + colorPatch.copyTo(m_pImageAllResult->detImg); + m_pImageAllResult->detColorImg.release(); } else if (colorPatch.channels() == 3) { - cv::cvtColor(colorPatch, grayPatch, cv::COLOR_BGR2GRAY); - } - else - { - cv::cvtColor(colorPatch, grayPatch, cv::COLOR_BGRA2GRAY); - } - WarpAffineBandParallel(grayPatch, m_pImageAllResult->detImg, matPad, cv::Size(detW, detH)); - - // 彩色原图时再输出一张同样摆正的彩色检测图：供裁剪图(_RE_CutImg)保存时保留原图通道 - // (检测算法仍只用灰度 detImg) - if (colorPatch.channels() == 3 || colorPatch.channels() == 4) - { - WarpAffineBandParallel(colorPatch, m_pImageAllResult->detColorImg, matPad, cv::Size(detW, detH)); + cv::cvtColor(colorPatch, m_pImageAllResult->detImg, cv::COLOR_BGR2GRAY); + colorPatch.copyTo(m_pImageAllResult->detColorImg); } else { - m_pImageAllResult->detColorImg.release(); + cv::cvtColor(colorPatch, m_pImageAllResult->detImg, cv::COLOR_BGRA2GRAY); + colorPatch.copyTo(m_pImageAllResult->detColorImg); } // 4、检测图坐标系下 m_outer_roi 即整张检测图；原图坐标系下 CutRoi 仍取旋转矩形外接区域(兼容旧语义/JSON) m_outer_roi = cv::Rect(0, 0, detW, detH); - m_Crop_Roi_paramImg = m_outer_rroi.boundingRect() & imgRect; + m_Crop_Roi_paramImg = padRoi; m_pImageAllResult->pDetResult->CutRoi = m_Crop_Roi_paramImg; m_pImageAllResult->pDetResult->Param_CropRoi = m_Crop_Roi_paramImg; // 检测图坐标 -> 原图坐标 的映射，供结果解析时取回缺陷小图/换算坐标 m_pImageAllResult->pDetResult->detToSrcMat = m_matDet2Src.clone(); // 5、参数(模板)坐标 -> 检测图坐标 的映射： - // 有对齐时先把参数点映射到原图再摆正；无对齐时参数按产品坐标系处理(与摆正后的检测图同向)， - // 直接按旋转矩形中心平移(θ=0 时与旧的裁剪平移完全一致，旋转/平移变化时区域跟随产品) + // 有对齐时先把参数点映射到原图再平移到检测图；无对齐时参数按原图坐标系处理， + // 直接按裁剪原点平移(与旧的裁剪平移完全一致) { - cv::RotatedRect &rroi = m_outer_rroi; if (m_pEdge_Align_Result && m_pEdge_Align_Result->buseOfft) { if (!m_pEdge_Align_Result->H.empty()) @@ -938,11 +865,11 @@ int ImgCheckAnalysisy::CheckRun() } else { - m_matParam2Det = (cv::Mat_(2, 3) << 1, 0, -rroi.center.x + detW * 0.5, 0, 1, -rroi.center.y + detH * 0.5); + m_matParam2Det = m_matSrc2Det.clone(); } } long time_calan_e = CheckUtil::getcurTime(); - m_pdetlog->AddCheckstr(PrintLevel_0, "2.1、pre detect", "-------------------------deskew--------------succ--- det [%d %d] src bbox [%d %d %d %d] time %ld----\n", + m_pdetlog->AddCheckstr(PrintLevel_0, "2.1、pre detect", "-------------------------crop--------------succ--- det [%d %d] src bbox [%d %d %d %d] time %ld----\n", detW, detH, m_Crop_Roi_paramImg.x, m_Crop_Roi_paramImg.y, m_Crop_Roi_paramImg.width, m_Crop_Roi_paramImg.height, time_calan_e - time_edge_s); /*多线程开启 AI 推理检测*/ @@ -988,7 +915,7 @@ int ImgCheckAnalysisy::CheckRun() QX_ERROR_INFO_ temerror; temerror.Idx = m_pDetResult->pQx_ErrorList->size(); - // roi 在原图坐标系，按摆正仿射转换到检测图(detImg)坐标系 + // roi 在原图坐标系，按坐标映射转换到检测图(detImg)坐标系 cv::Rect roi = MatAffineRect(m_matSrc2Det, inner.boundingRect()); roi &= cv::Rect(0, 0, m_pImageAllResult->detImg.cols, m_pImageAllResult->detImg.rows); temerror.roi = roi; @@ -1106,7 +1033,7 @@ int ImgCheckAnalysisy::CheckRun() } for (const auto &tagRoi : m_tag_roiList) { - // tag roi 在原图坐标系，按摆正仿射转换到检测图(detImg)坐标系 + // tag roi 在原图坐标系，按坐标映射转换到检测图(detImg)坐标系 cv::Rect roi = MatAffineRect(m_matSrc2Det, tagRoi.boundingRect()); roi &= cv::Rect(0, 0, m_pImageAllResult->detImg.cols, m_pImageAllResult->detImg.rows); if (roi.width <= 0 || roi.height <= 0) @@ -2212,27 +2139,15 @@ int ImgCheckAnalysisy::ResizeImg() float fw = RESIZE_IMAGE_WIDTH * 1.0f / m_pImageAllResult->detImg.cols; sz.height = int(m_pImageAllResult->detImg.rows * fw); - // 结果图画布在显示尺寸上按摆正矩阵直接从原图重采样(保持原图通道 -> 真实彩色,不再灰度转假彩); - // 异常情况(如未走摆正流程)直接用检测图兜底 + // 结果图画布取自原图裁剪区(平移映射)，保持原图通道(彩色原图 -> 真实彩色,不再灰度转假彩); + // 异常情况(如未走裁剪流程)直接用检测图兜底 const cv::Mat &srcImg = m_CheckResult_shareP->in_shareImage->img; if (m_CheckResult_shareP->in_shareImage->Det_Mode != DET_MODE_ReJson && - !srcImg.empty() && !m_matSrc2Det.empty() && + !srcImg.empty() && m_deskewPadRoi.width > 0 && m_deskewPadRoi.height > 0 && CheckUtil::RoiInImg(m_deskewPadRoi, srcImg)) { - // M_disp = 显示缩放 ∘ M_src2det，并把输入平移到原图裁剪区(padRoi)的局部坐标 - cv::Mat matDisp = m_matSrc2Det.clone(); - double fsx = sz.width * 1.0 / m_pImageAllResult->detImg.cols; - double fsy = sz.height * 1.0 / m_pImageAllResult->detImg.rows; - matDisp.at(0, 0) *= fsx; - matDisp.at(0, 1) *= fsx; - matDisp.at(0, 2) *= fsx; - matDisp.at(1, 0) *= fsy; - matDisp.at(1, 1) *= fsy; - matDisp.at(1, 2) *= fsy; - matDisp.at(0, 2) += matDisp.at(0, 0) * m_deskewPadRoi.x + matDisp.at(0, 1) * m_deskewPadRoi.y; - matDisp.at(1, 2) += matDisp.at(1, 0) * m_deskewPadRoi.x + matDisp.at(1, 1) * m_deskewPadRoi.y; - cv::warpAffine(srcImg(m_deskewPadRoi), m_pImageAllResult->resultImg, matDisp, sz, cv::INTER_LINEAR, cv::BORDER_REPLICATE); + cv::resize(srcImg(m_deskewPadRoi), m_pImageAllResult->resultImg, sz); } else { @@ -2281,7 +2196,7 @@ int ImgCheckAnalysisy::Update_DetRoiList() float fx = m_pImageAllResult->fscale_detToresult_x; float fy = m_pImageAllResult->fscale_detToresult_y; - // 参数多边形 -> 检测图(摆正坐标系) 的映射在摆正时已算好(m_matParam2Det) + // 参数多边形 -> 检测图(裁剪坐标系) 的映射在裁剪时已算好(m_matParam2Det) for (const auto ®ion : m_pCommonAnalysisyConfig->regionConfigArr) { m_DetRoiList.Update_Mat(region.basicInfo.pointArry, m_matParam2Det, fx, fy); @@ -2324,7 +2239,7 @@ int ImgCheckAnalysisy::DrawResult_Step_1() float fs_resize_y = m_pImageAllResult->resultImg.rows * 1.0f / m_pImageAllResult->detImg.rows; - // 绘制m_inner_rroi（蓝色）,原图坐标 -> 检测图(摆正) -> 结果图 + // 绘制m_inner_rroi（蓝色）,原图坐标 -> 检测图(裁剪) -> 结果图 { cv::Point2f vertices[4]; m_inner_rroi.points(vertices); @@ -2345,7 +2260,7 @@ int ImgCheckAnalysisy::DrawResult_Step_1() std::vector product_roi_show; for (const auto &pt : m_pbaseCheckFunction->markLine.region) { - // 参数(模板)坐标 -> 检测图(摆正) -> 结果图 + // 参数(模板)坐标 -> 检测图(裁剪) -> 结果图 cv::Point2f detPt = MatAffinePoint(m_matParam2Det, cv::Point2f((float)pt.x, (float)pt.y)); cv::Point draw_pt; draw_pt.x = cvRound(detPt.x * fs_resize_x); @@ -2945,7 +2860,7 @@ int ImgCheckAnalysisy::ImgPreDet() creatsavedir(); } - // 裁剪图(_RE_CutImg)保留原图通道：源图为彩色时用彩色摆正图,否则回退灰度检测图 + // 裁剪图(_RE_CutImg)保留原图通道：源图为彩色时用彩色裁剪图,否则回退灰度检测图 m_CheckResult_shareP->cutSrcimg = m_pImageAllResult->detColorImg.empty() ? m_pImageAllResult->detImg : m_pImageAllResult->detColorImg;