C++ OpenCV踏面缺陷检测

最新推荐文章于 2024-03-19 23:04:36 发布
最新推荐文章于 2024-03-19 23:04:36 发布
阅读量175 收藏
点赞数
文章标签： c++ opencv 开发语言 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47935585/article/details/131809181
版权

实现需求

检测出缺陷位置，用矩形框框出，将结果写入xml文件中（voc格式）

将所有矩形框信息写入XML文件

// 将一个矩形框信息写入XML文件
void writeRectangle(std::ofstream& file, const Rectangle& rect) {
    file << "\t<object>" << std::endl;
    file << "\t\t<name>rectangle</name>" << std::endl;
    file << "\t\t<pose>Unspecified</pose>" << std::endl;
    file << "\t\t<truncated>0</truncated>" << std::endl;
    file << "\t\t<difficult>0</difficult>" << std::endl;
    file << "\t\t<bndbox>" << std::endl;
    file << "\t\t\t<xmin>" << rect.x << "</xmin>" << std::endl;
    file << "\t\t\t<ymin>" << rect.y << "</ymin>" << std::endl;
    file << "\t\t\t<xmax>" << rect.w << "</xmax>" << std::endl;
    file << "\t\t\t<ymax>" << rect.h << "</ymax>" << std::endl;
    file << "\t\t</bndbox>" << std::endl;
    file << "\t</object>" << std::endl;
}

// 将所有矩形框信息写入XML文件
void writeXML(const std::string& filename, const std::string& folder, const std::string& imageFileName, const std::vector<cv::Rect>& rectangles) {
    std::ofstream file;
    file.open(filename, std::ios::app);

    file << "<annotation>" << std::endl;
    file << "\t<folder>" << folder << "</folder>" << std::endl;
    file << "\t<filename>" << imageFileName << "</filename>" << std::endl;

    file << "\t<source>" << std::endl;
    file << "\t\t<database>Unknown</database>" << std::endl;
    file << "\t</source>" << std::endl;

    file << "\t<size>" << std::endl;
    file << "\t\t<width>0</width>" << std::endl;
    file << "\t\t<height>0</height>" << std::endl;
    file << "\t\t<depth>3</depth>" << std::endl;
    file << "\t</size>" << std::endl;

    file << "\t<segmented>0</segmented>" << std::endl;

    // 将所有OpenCV矩形框转换为自定义的矩形框结构体
    std::vector<Rectangle> customRectangles;
    for (const cv::Rect& rect : rectangles) {
        customRectangles.push_back({ rect.x, rect.y, rect.width, rect.height });
    }

    // 写入所有矩形框信息
    for (const Rectangle& rect : customRectangles) {
        writeRectangle(file, rect);
    }

    file << "</annotation>" << std::endl;

    file.close();
}

均值滤波差分->二值化->连通域->计算轮廓面积->返回坐标

int main(int argc, char** argv)
{
    Mat dst = imread("..\\img\\test.jpg");
    if (dst.empty()) {
        printf("could not load iamge...\n");
        return -1;
    }
    string filename = "annotation.xml";
    string folder = "images";
    string imageFileName = "test.jpg";

    //均值滤波做差分
    Mat dst_blur, diff, binary, dst_gray;
    cvtColor(dst, dst_gray, COLOR_RGB2GRAY);
    blur(dst_gray, dst_blur, Size(3, 501), Point(-1, -1));
    absdiff(dst_gray, dst_blur, diff);
    //imshow("差分", diff);
    threshold(diff, binary, 70, 255, THRESH_BINARY);
    // adaptiveThreshold(diff, binary, 255, THRESH_BINARY, ADAPTIVE_THRESH_GAUSSIAN_C, 7, 8);
    medianBlur(binary, binary, 3);
    namedWindow("二值化", WINDOW_NORMAL | WINDOW_KEEPRATIO);
    imshow("二值化", binary);
    std::vector<std::vector<cv::Point>>contours;
    std::vector<cv::Rect> rectangles;
    findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point());
    for (int i = 0; i < contours.size(); i++)
    {
        int aero = contourArea(contours[i]);                       //计算轮廓面积
        if (aero > 200)
        {
            Rect rect = boundingRect(contours[i]);
            std::vector<cv::Rect> rectangles;
            rectangles.push_back({ rect.tl().x, rect.tl().y, rect.br().x, rect.br().y });
            //绘制轮廓  
            //rect.tl().x, rect.tl().y, rect.br().x, rect.br().y 
            // drawContours(dst, contours, i, Scalar(0, 0, 255), 2); // polygon
            rectangle(dst, rect, Scalar(0, 0, 255), 2);              // 矩形框
            cout << "左上顶点的坐标：" << rect.tl() << "右下顶点的坐标: " << rect.br() << endl;
            writeXML(filename, folder, imageFileName, rectangles);
        }
    }
    namedWindow("close", WINDOW_NORMAL | WINDOW_KEEPRATIO);
    imshow("close", dst);
    waitKey(0);
    //imwrite("./result.jpg", dst);
    return 0;
}

完整代码

#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
#include <fstream>
#include <vector>

using namespace cv;
using namespace std;

// 定义一个表示矩形框的结构体
struct Rectangle {
    int x, y, w, h;
};

// 将一个矩形框信息写入XML文件
void writeRectangle(std::ofstream& file, const Rectangle& rect) {
    file << "\t<object>" << std::endl;
    file << "\t\t<name>rectangle</name>" << std::endl;
    file << "\t\t<pose>Unspecified</pose>" << std::endl;
    file << "\t\t<truncated>0</truncated>" << std::endl;
    file << "\t\t<difficult>0</difficult>" << std::endl;
    file << "\t\t<bndbox>" << std::endl;
    file << "\t\t\t<xmin>" << rect.x << "</xmin>" << std::endl;
    file << "\t\t\t<ymin>" << rect.y << "</ymin>" << std::endl;
    file << "\t\t\t<xmax>" << rect.w << "</xmax>" << std::endl;
    file << "\t\t\t<ymax>" << rect.h << "</ymax>" << std::endl;
    file << "\t\t</bndbox>" << std::endl;
    file << "\t</object>" << std::endl;
}

// 将所有矩形框信息写入XML文件
void writeXML(const std::string& filename, const std::string& folder, const std::string& imageFileName, const std::vector<cv::Rect>& rectangles) {
    std::ofstream file;
    file.open(filename, std::ios::app);

    file << "<annotation>" << std::endl;
    file << "\t<folder>" << folder << "</folder>" << std::endl;
    file << "\t<filename>" << imageFileName << "</filename>" << std::endl;

    file << "\t<source>" << std::endl;
    file << "\t\t<database>Unknown</database>" << std::endl;
    file << "\t</source>" << std::endl;

    file << "\t<size>" << std::endl;
    file << "\t\t<width>0</width>" << std::endl;
    file << "\t\t<height>0</height>" << std::endl;
    file << "\t\t<depth>3</depth>" << std::endl;
    file << "\t</size>" << std::endl;

    file << "\t<segmented>0</segmented>" << std::endl;

    // 将所有OpenCV矩形框转换为自定义的矩形框结构体
    std::vector<Rectangle> customRectangles;
    for (const cv::Rect& rect : rectangles) {
        customRectangles.push_back({ rect.x, rect.y, rect.width, rect.height });
    }

    // 写入所有矩形框信息
    for (const Rectangle& rect : customRectangles) {
        writeRectangle(file, rect);
    }

    file << "</annotation>" << std::endl;

    file.close();
}




int main(int argc, char** argv)
{
    Mat dst = imread("..\\img\\test.jpg");
    if (dst.empty()) {
        printf("could not load iamge...\n");
        return -1;
    }
    string filename = "annotation.xml";
    string folder = "images";
    string imageFileName = "test.jpg";

    //均值滤波做差分
    Mat dst_blur, diff, binary, dst_gray;
    cvtColor(dst, dst_gray, COLOR_RGB2GRAY);
    blur(dst_gray, dst_blur, Size(3, 501), Point(-1, -1));
    absdiff(dst_gray, dst_blur, diff);
    //imshow("差分", diff);
    threshold(diff, binary, 70, 255, THRESH_BINARY);
    // adaptiveThreshold(diff, binary, 255, THRESH_BINARY, ADAPTIVE_THRESH_GAUSSIAN_C, 7, 8);
    medianBlur(binary, binary, 3);
    namedWindow("二值化", WINDOW_NORMAL | WINDOW_KEEPRATIO);
    imshow("二值化", binary);
    std::vector<std::vector<cv::Point>>contours;
    std::vector<cv::Rect> rectangles;
    findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point());
    for (int i = 0; i < contours.size(); i++)
    {
        int aero = contourArea(contours[i]);                       //计算轮廓面积
        if (aero > 200)
        {
            Rect rect = boundingRect(contours[i]);
            std::vector<cv::Rect> rectangles;
            rectangles.push_back({ rect.tl().x, rect.tl().y, rect.br().x, rect.br().y });
            //绘制轮廓  
            //rect.tl().x, rect.tl().y, rect.br().x, rect.br().y 
            // drawContours(dst, contours, i, Scalar(0, 0, 255), 2); // polygon
            rectangle(dst, rect, Scalar(0, 0, 255), 2);              // 矩形框
            cout << "左上顶点的坐标：" << rect.tl() << "右下顶点的坐标: " << rect.br() << endl;
            writeXML(filename, folder, imageFileName, rectangles);
        }
    }
    namedWindow("close", WINDOW_NORMAL | WINDOW_KEEPRATIO);
    imshow("close", dst);
    waitKey(0);
    //imwrite("./result.jpg", dst);
    return 0;
}
yyyyuqing
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV C++ 图像处理实战 ——《缺陷检测》
Zero___Chen的博客
10-28 1647
本案例使用OpenCV C++ 基于模板匹配进行PCB印刷缺陷检测。
opencv C++ 形状检测
wqc的博客
10-15 613
参考链接： https://github.com/shivangnayar-crypto/SHAPE-DETECTION-OPENCV // 形状 #include <opencv2/imgcodecs.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> #include <iostream> using namespace cv; using namespace std;
基于Opencv的图像缺陷识别简单例子
11-25
用Opencv写的一个图像处理的例子，图像处理算法包括灰度，二值化，连通域标记，以及缺陷统计等。可作为深入研究的入门代码。
C++实现缺陷的检测和识别加上自动矩形框
dongbao520的博客
04-20 2837
//能够实现颗粒缺陷(有些不明显），划痕缺陷，针孔缺陷识别， //对于流挂缺陷与缩孔缺陷识别不明显 #include <opencv2/opencv.hpp> #include <iostream> #include <vector> using namespace cv; using namespace std; int main() { Mat img = imread("C:/Users/57281/gr26.jpg"); if (img.empty())
opencv瑕疵检测一般流程
最新发布
m0_68378610的博客
03-19 588
OpenCV 的瑕疵检测通常包括以下一般流程：图像获取、图像预处理、特征提取、瑕疵检测算法、瑕疵定位、瑕疵显示或记录
基于opencv C++实现毛衣衣服的瑕疵检测
03-23
基于C++中添加的opencv函数库来实现图像处理中衣物的特别是毛衣的瑕疵检测 属于毕业设计 功能完整
【含泪分享】OpenCV4工业缺陷检测的六种方法
关注微信公众号【OpenCV学堂】
12-13 7477
十年OpenCV开发，机器视觉行业经验，总结出来的六个方法，泣血含泪无私分享给大家了
机器视觉缺陷检测-边学边做-OpenCV + Visiual Studio 2017 C++环境搭建
Tomorrow Never Comes
08-13 3725
openCV下载安装请去http://opencv.org/ 下载最新版openCV库，此时的最新版为opencv-3.3.0-vc14 。Windows版本为exe文件，其实就是压缩包，安装的过程就是纯粹解压的过程，解压到合适的目录下，笔者为了方便查找，直接解压到了C盘根目录下，解压过程会自动创建opencv的目录文件夹。 然后设置环境变量，Set the OpenCV environment
OpenCV人脸检测（C++代码）
wepon的专栏
03-05 2万+
OpenCV人脸检测（C++代码）—— By wepon这篇文章简单总结一下人脸检测的代码实现，基于OpenCV，C++版本。之所以强调C++版本是因为OpenCV有很多其他语言的接口，之前我也写过人脸检测的Python实现《Python-OpenCV人脸检测(代码)》，这篇文章则讲C++实现，其实大同小异，C++相比于Python实现代码写起来会繁琐一点，这也是语言本身决定的吧。为了保持代码风格一
基于Opencv的机器视觉缺陷检测、印刷检测
07-08
源码，免费可执行exe参看文章
基于OpenCV的木材表面缺陷检测系统
12-21
一篇文章，感兴趣的可以看一下，基于OpenCV的木材表面缺陷检测系统
opencv二维码定位图案检测（c++)
03-28
# opencv二维码定位图案检测（c++) 通过二维码回字形定位图案三层轮廓1:1:3:1:1的结构，识别出其位置并用绿色方框框出。
C++opencv调用摄像头 边缘检测
09-07
C++使opencv调用摄像头 并对图像灰度化，实时边缘检测 是学习opencv操作 使用摄像头调用图像的进行图像分析、图像特征提取的基础性代码，将代码打包，打开后可以直接运行
OpenCV-C++ 傅里叶变换检测缺陷
10-08
OpenCV-C++ 使用傅里叶变换方法检测缺陷
工业缺陷检测项目实战(一)——基于opencv的工件缺陷检测C++和python实现
热门推荐
weixin_39735688的博客
11-17 2万+
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
OpenCV检测圆形东西是否存在缺口？
李白白的博客
11-26 1098
想了挺久，一直没解决这个问题。后面勉强解决了。完成。
opencv缺陷检测
whaosoft143ai的博客
06-17 1838
为了方便后面计算，也为了计数方便，我先定义了一个产品类型的结构体myproduct，里面包含外接Rect,质心cx,xy,还有对应索引index. 为了去除重复，每次计算每个轮廓的位置，再根据当前帧里面的所有产品坐标与上一帧图像中产品里面的坐标进行对比，如果有两个产品在上下两帧中偏移的距离很小，那么我们可以认为它是同一件产品，否则就是新出现的产品，就需要放入我们的product容器里面，这其实在实际抓拍检测过程中，比较常用的去重方法：​​​​​​​。我们看一下这个函数的原型：​​​​​​​whaosoft
C++ OpenCV实践：复杂划痕背景下检测缺陷
DU_YULIN的博客
10-02 3145
文章目录前言1.2. C++ OpenCV实现3. 结果展示：总结 前言 1. 2. C++ OpenCV实现 #include <opencv2\imgcodecs.hpp> #include <opencv2\core.hpp> #include <opencv2\imgproc.hpp> #include <opencv2\highgui.hpp> #include <vector> using namespace cv; int m
opencv表面缺陷检测_表面缺陷检测系统 满足所有检测需求
weixin_29114331的博客
12-27 1904
表面瑕疵检测常见的检测主要有物体表面划痕，污点，缺料、平面度、破损、边框整齐度、物体表面亮度，皱褶、斑点、孔洞等 表面瑕疵检测设备凝聚了机器视觉领域的多项先进技术成果，并融入了多项创新的检测理念，既可以和现有生产线无缝对接检测，也可以离线进行检测，在对材料表面的瑕疵以及半透明材料内部瑕疵进行快速检测的同时能够直观的给予生产反馈，可以广泛应用于塑化工业、造纸及纤维工业、电子工...
opencv表面缺陷检测python
11-29
很抱歉，根据提供的引用内容，没有找到关于Python实现OpenCV表面缺陷检测的相关信息。但是，引用中提到了一个C++编写的工件缺陷检测项目，可以作为参考。下面是该项目的大致步骤： 1. 读取视频帧，将每一帧转换为灰度图像。 2. 对灰度图像进行二值化处理，得到二值图像。 3. 对二值图像进行形态学操作，如腐蚀、膨胀等，以去除噪声和平滑图像。 4. 对处理后的图像进行轮廓检测，找到所有的轮廓。 5. 对每个轮廓进行特征提取，如面积、周长、凸包等。 6. 根据特征值判断缺陷类型，如裂纹、气泡、异物等。 7. 将检测结果标记在原图像上，并输出结果。 如果您想使用Python实现OpenCV表面缺陷检测，可以参考上述步骤，使用Python的OpenCV库进行相应的操作。同时，您需要了解Python的基本语法和OpenCV库的使用方法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值