怎么使用Python+OpenCV實現表面缺陷檢測

這篇“怎么使用Python+OpenCV實現表面缺陷檢測”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“怎么使用Python+OpenCV實現表面缺陷檢測”文章吧。

主要思想

• 將圖像轉化為二值圖像

• 在對圖像進行腐蝕/膨脹處理

• 在進行輪廓檢測

• 篩選目標大小符合的輪廓（排除誤差小的輪廓）

• 在在進行膨脹化處理，將輪廓信息繪制出

import cv2
import os
import numpy as np
import time


t1 = time.time()
img = cv2.imread('./label/28901647.jpg', 0)
img_copy = cv2.imread('./label/28901647.jpg', 0)
mask = np.zeros_like(img)
print(np.shape(img))
# 先利用二值化去除圖片噪聲
ret, img = cv2.threshold(img, 80, 255, cv2.THRESH_BINARY)




es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (4, 2))
img = cv2.dilate(img, es, iterations=1)  # 形態學膨脹


kernel = np.ones(shape=[5,5],dtype=np.uint8)
img = cv2.erode(img,kernel=kernel)  # 腐蝕操作

cv2.imshow('aa',img)
cv2.waitKey(0)


contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)


n = len(contours)  # 輪廓的個數
cv_contours = []
for contour in contours:
    area = cv2.contourArea(contour)

    if area <= 500:# 篩選面積大于500的，小于500的全部變為255，
        cv_contours.append(contour)
        # 方式一
        # x, y, w, h = cv2.boundingRect(contour) # 這個函數可以獲得一個圖像的最小矩形邊框一些信息，參數img是一個二值圖像，它可以返回四個參數，左上角坐標，矩形的寬高 (輪廓集合  contour)
        # img[y:y + h, x:x + w] = 255
        
    else:

        cv2.drawContours(img_copy, [contour], -1, (0, 0, 255), 0) # 多邊形輪廓繪制

        print('area:', area)
        continue
# 方式二
cv2.fillPoly(img, cv_contours, (255, 255, 255)) # 多個多邊形填充

t2 = time.time()
print('時間：',t2-t1)
cv2.imwrite('./output/28901647.jpg', img)

1、尋找到的輪廓信息（缺陷）

2、通過腐蝕、膨脹后的，篩選出的較大缺陷

3、通過不同程度的膨脹腐蝕、缺陷面積篩選

以上就是關于“怎么使用Python+OpenCV實現表面缺陷檢測”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。