腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

軟件下載

android MAC 驅(qū)動(dòng)下載字體下載 DLL

源碼下載

PHP ASP.NET ASP JSP

軟件編程

C# JAVA C 語言 Delphi Android

網(wǎng)絡(luò)編程

PHP ASP.NET ASP JavaScript

在線工具

CSS格式化 JS格式化 Html轉(zhuǎn)化為Js

數(shù)據(jù)庫(kù)

MYSQL MSSQL oracle DB2 MARIADB

CMS

PHPCMS DEDECMS 帝國(guó)CMS WordPress

常用工具

PHP開發(fā)工具 python Photoshop 必備軟件

Python+OpenCV實(shí)現(xiàn)表面缺陷檢測(cè)

更新時(shí)間：2022年08月05日 15:13:00 作者：醉公子～

對(duì)于現(xiàn)在很多工業(yè)檢測(cè)，特別是對(duì)一些精密的器件進(jìn)行篩選，往往都是像素級(jí)別的，十分的精確。本文將利用OpenCV+Python實(shí)現(xiàn)表面缺陷檢測(cè)，感興趣的可以了解一下

對(duì)于現(xiàn)在很多工業(yè)檢測(cè)，特別是對(duì)一些精密的器件進(jìn)行篩選，往往都是像素級(jí)別的，十分的精確。

主要思想

將圖像轉(zhuǎn)化為二值圖像
在對(duì)圖像進(jìn)行腐蝕/膨脹處理
在進(jìn)行輪廓檢測(cè)
篩選目標(biāo)大小符合的輪廓（排除誤差小的輪廓）
在在進(jìn)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(tài)學(xué)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(gè)數(shù)
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?yōu)?55，
        cv_contours.append(contour)
        # 方式一
        # x, y, w, h = cv2.boundingRect(contour) # 這個(gè)函數(shù)可以獲得一個(gè)圖像的最小矩形邊框一些信息，參數(shù)img是一個(gè)二值圖像，它可以返回四個(gè)參數(shù)，左上角坐標(biāo)，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(gè)多邊形填充

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

1、尋找到的輪廓信息（缺陷）