前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python OpenCV4趣味应用系列(九)---划痕缺陷检测实例

Python OpenCV4趣味应用系列(九)---划痕缺陷检测实例

作者头像
Color Space
发布2020-01-13 15:09:19
7.4K0
发布2020-01-13 15:09:19
举报

今天给大家分享一个OpenCV检测划痕缺陷的小例子,原图如下:

上面的图片如果直接用阈值操作并不能很好的分割划痕与背景,尝试如下:

本文的实现思路步骤:

① 原图均值滤波

② 滤波图像与原图进行差分

③ 二值化

④ 查找轮廓(根据轮廓长度进行筛选)

代码与效果如下:

代码语言:javascript
复制
import cv2
import numpy as np
print (cv2.__version__)
minThres = 6

# 读取图像1
img1=cv2.imread('A.png')  
img2=cv2.imread('A.png')

# 中值滤波
img1 = cv2.medianBlur(img1,15)
# 图像差分
diff = cv2.absdiff(img1, img2)
cv2.imshow('diff',diff) #结果图

gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
# 二值化
_,thres = cv2.threshold(gray,minThres,255,cv2.THRESH_BINARY)
cv2.imshow('thres',thres)

# 查找轮廓
contours,hierarchy = cv2.findContours(thres, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
#输出轮廓个数
print (len(contours))
 
for i in range(0,len(contours)):
  length = cv2.arcLength(contours[i],True)
  # 通过轮廓长度筛选
  if length > 35:
    cv2.drawContours(img2,contours[i],-1,(0,0,255),2)

cv2.imshow('result',img2) #结果图
cv2.waitKey(0)  
cv2.destroyAllWindows()

实现思路步骤:

① 原图均值滤波

② 滤波图像与原图进行差分

③ 二值化

④ 查找轮廓(根据轮廓长度进行筛选)

比如Canny边缘检测也可以,只是阈值难于调节。当然,实现方法不唯一,大家可以自己尝试一下。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-12-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 OpenCV与AI深度学习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档