【opencv机器视觉识别钢板层数备忘录】

最新推荐文章于 2023-10-09 09:17:00 发布
最新推荐文章于 2023-10-09 09:17:00 发布
阅读量1.2k 收藏 13
点赞数 3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 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/qq_35054151/article/details/83586199
版权

原图：

首先想到的是基于边缘检测或者阈值分割的方法进行检测：


#include<opencv2\opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

Mat org, dst, img, tmp;

void on_mouse(int event, int x, int y, int flags, void *)
{
	static Point pre_pt = (-1, -1);
	static Point cur_pt = (-1, -1);

	if (event == CV_EVENT_LBUTTONDOWN) {
		pre_pt = Point(x, y);
	}

	else if (event == CV_EVENT_MOUSEMOVE && flags)//摁下左键，flags为1 
	{
		org.copyTo(tmp);
		cur_pt = Point(x, y);
		rectangle(tmp, pre_pt, cur_pt, Scalar(0, 255, 0, 0), 1, 8, 0);
		imshow("img", tmp);//画的时候显示框
	}else if (event == CV_EVENT_LBUTTONUP) {

		org.copyTo(img);
		//cur_pt = Point(x, y);
		rectangle(img, pre_pt, cur_pt, Scalar(0, 255, 0, 0), 1, 8, 0);
		imshow("img", img);//画完后显示框

						   //img.copyTo(tmp);
		int width = abs(pre_pt.x - cur_pt.x);
		int height = abs(pre_pt.y - cur_pt.y);
		dst = org(Rect(min(cur_pt.x, pre_pt.x), min(cur_pt.y, pre_pt.y), width, height));
		namedWindow("dst");
		imshow("dst", dst);
	}
}


void main() {

	org = imread("123.jpg");
	org.copyTo(img);
	namedWindow("img");
	setMouseCallback("img", on_mouse, 0);
	imshow("img", img);
	waitKey();

	Mat src_gray;
	cvtColor(dst, src_gray, CV_WINDOW_AUTOSIZE);
	Mat src_canny;
	Canny(src_gray, src_canny, 120, 200);
	//threshold(src_gray, src_canny, 60, 255, THRESH_OTSU);
	//边缘检测  
	imshow("edge img", src_canny);
	waitKey();

	//霍夫直线检测  
	vector<Vec4f> line_data;
	HoughLinesP(src_canny, line_data, 1, CV_PI / 180.0, 80, 10, 20);    //把得到的直线显示在图中  
	Scalar color = Scalar(255, 0, 0);
	for (size_t i = 0; i < line_data.size(); i++) {
		Vec4f temp = line_data[i];
		line(dst, Point(temp[0], temp[1]), Point(temp[2], temp[3]), color, 2);
	}
	imshow("houghLinesP img", dst);

	waitKey(0);


}

效果差强人意，待优化：

 

 

第二种方法：根据边缘灰度分布，我们要了解，每个分割线一定会有一个有0-255-0的灰度变换，每隔灰度变化代表一层，根据这个原理进行自上而下遍历查找灰度变化会准确很多。

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>

using namespace cv;
using namespace std;

Mat src; Mat src_gray;
int thresh = 221;
int max_thresh = 255;
RNG rng(12345);
int inti = 20;
int max_inti = 200;
/// Function header
void thresh_callback(int, void*);

/** @function main */
int main(int argc, char** argv)
{
    src = imread("123捕获.PNG");
	cvtColor(src, src_gray, CV_BGR2GRAY);
	char* source_window = "Source";
	namedWindow(source_window, CV_WINDOW_AUTOSIZE);
	imshow(source_window, src_gray);



	createTrackbar(" Threshold:", "Source", &thresh, max_thresh, thresh_callback);
	
	createTrackbar(" Thresholdcols:", "Source", &inti, max_inti, thresh_callback);
	thresh_callback(0, 0);
	waitKey(0);
	return(0);
}

/** @function thresh_callback */
void thresh_callback(int, void*)
{
	Mat threshold_output;
	//Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0, 0, 5, 0, 0, -1, 0);
	//filter2D(src_gray, src_gray, CV_8UC3, kernel);
	equalizeHist(src_gray, threshold_output);
	//resize(src_gray, src_gray, Size(512, 300),INTER_LINEAR);
	threshold(threshold_output, threshold_output, thresh, 255, THRESH_BINARY);

	int b = 0;
	for (int i = 1;i < threshold_output.rows;i++) {

		if ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i + 1, inti) < 10) || ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i - 1, inti) < 10))) {
			b++;
		}
	}
	cout << (b / 2) + 1 << endl;

	/// 结果在窗体中显示
	namedWindow("Contours", CV_WINDOW_AUTOSIZE);
	imshow("Contours", threshold_output);
}

 代码二：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>

using namespace cv;
using namespace std;

Mat src; Mat src_gray;
int thresh = 221;
int max_thresh = 255;
RNG rng(12345);
int inti = 20;
int max_inti = 200;
/// Function header
void thresh_callback(int, void*);
void thresh_callback1(int, void*);
/** @function main */
int main(int argc, char** argv)
{
    src = imread("123捕获.PNG");
	cvtColor(src, src_gray, CV_BGR2GRAY);
	char* source_window = "Source";
	namedWindow(source_window, CV_WINDOW_AUTOSIZE);
	imshow(source_window, src_gray);



	createTrackbar(" Threshold:", "Source", &thresh, max_thresh, thresh_callback);
	thresh_callback(0, 0);
	createTrackbar(" Thresholdcols:", "Source", &inti, max_inti, thresh_callback1);
	thresh_callback1(0, 0);
	waitKey(0);
	return(0);
}

/** @function thresh_callback */
void thresh_callback(int, void*)
{
	Mat threshold_output;
	//Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0, 0, 5, 0, 0, -1, 0);
	//filter2D(src_gray, src_gray, CV_8UC3, kernel);
	equalizeHist(src_gray, threshold_output);
	//resize(src_gray, src_gray, Size(512, 300),INTER_LINEAR);
	threshold(threshold_output, threshold_output, thresh, 255, THRESH_BINARY);

	int b = 0;
	for (int i = 1;i < threshold_output.rows;i++) {

		if ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i + 1, inti) < 10) || ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i - 1, inti) < 10))) {
			b++;
		}
	}
	cout << (b / 2) + 1 << endl;

	/// 结果在窗体中显示
	namedWindow("Contours", CV_WINDOW_AUTOSIZE);
	imshow("Contours", threshold_output);
}
void thresh_callback1(int, void*)
{
	Mat threshold_output;
	//Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0, 0, 5, 0, 0, -1, 0);
	//filter2D(src_gray, src_gray, CV_8UC3, kernel);
	equalizeHist(src_gray, threshold_output);
	//resize(src_gray, src_gray, Size(512, 300),INTER_LINEAR);
	threshold(threshold_output, threshold_output, thresh, 255, THRESH_BINARY);

	int b = 0;
	for (int i = 1;i < threshold_output.rows;i++) {

		if ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i + 1, inti) < 10) || ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i - 1, inti) < 10))) {
			b++;
		}
	}
	cout << (b / 2) + 1 << endl;

	/// 结果在窗体中显示
	namedWindow("Contours", CV_WINDOW_AUTOSIZE);
	imshow("Contours", threshold_output);
}

代码三：


#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>

using namespace cv;
using namespace std;

Mat src; Mat src_gray;
int thresh = 221;
int max_thresh = 255;
RNG rng(12345);
int inti = 20;
int max_inti = 200;
/// Function header
	/** @function thresh_callback */
	void thresh_callback(int, void*)
	{
		Mat threshold_output;
		//Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0, 0, 5, 0, 0, -1, 0);
		//filter2D(src_gray, src_gray, CV_8UC3, kernel);
		equalizeHist(src_gray, threshold_output);
		//resize(src_gray, src_gray, Size(512, 300),INTER_LINEAR);
		threshold(threshold_output, threshold_output, thresh, 255, THRESH_BINARY);

		int b = 0;
		for (int i = 1;i < threshold_output.rows;i++) {

			if ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i + 1, inti) < 10) || ((threshold_output.at<uchar>(i, inti) == 255 && threshold_output.at<uchar>(i - 1, inti) < 10))) {
				b++;
			}
		}
		cout << (b / 2) + 1 << endl;

		/// 结果在窗体中显示
		namedWindow("Contours", CV_WINDOW_AUTOSIZE);
		imshow("Contours", threshold_output);
	}

    Mat org, dst, img, tmp;


	void on_mouse(int event, int x, int y, int flags, void *)

	{

		static Point pre_pt = (-1, -1);

		static Point cur_pt = (-1, -1);

		if (event == CV_EVENT_LBUTTONDOWN)

		{
			pre_pt = Point(x, y);

		}

		else if (event == CV_EVENT_MOUSEMOVE && flags)//摁下左键，flags为1 

		{

			org.copyTo(tmp);

			cur_pt = Point(x, y);

			rectangle(tmp, pre_pt, cur_pt, Scalar(0, 255, 0, 0), 1, 8, 0);

			imshow("img", tmp);//画的时候显示框

		}

		else if (event == CV_EVENT_LBUTTONUP)

		{

			org.copyTo(img);

			//cur_pt = Point(x, y);

			rectangle(img, pre_pt, cur_pt, Scalar(0, 255, 0, 0), 1, 8, 0);

			imshow("img", img);//画完后显示框

							   //img.copyTo(tmp);

			int width = abs(pre_pt.x - cur_pt.x);

			int height = abs(pre_pt.y - cur_pt.y);

			dst = org(Rect(min(cur_pt.x, pre_pt.x), min(cur_pt.y, pre_pt.y), width, height));

			namedWindow("dst");

			imshow("dst", dst);

		}

	}

	void main(){

		org = imread("123捕获.PNG");

		org.copyTo(img);

		namedWindow("img");
		imshow("img", img);
		setMouseCallback("img", on_mouse, 0);
		waitKey();
		cvtColor(dst, src_gray, CV_BGR2GRAY);
		char* source_window = "Source";
		namedWindow(source_window, CV_WINDOW_AUTOSIZE);
		imshow(source_window, src_gray);



		createTrackbar(" Threshold:", "Source", &thresh, max_thresh, thresh_callback);

		createTrackbar(" Thresholdcols:", "Source", &inti, max_inti, thresh_callback);
		thresh_callback(0, 0);
		waitKey(0);

	}

第三种算法：钢板厚度相同，每片所占的像素数量相同，计算单个像素厚度，在计算总数目。

CVer儿
关注
计算机视觉实战--OpenCV进行红绿灯识别
Hello大家好，我是Dream，如果帮得到你，那我深感荣幸！交流学习、商务合作：https://bbs.csdn.net/topics/614347534
05-30 5万+
Hello大家好，我是Dream。 OpenCV是一个开源的计算机视觉库，可以用于实现各种图像和视频处理任务，包括红绿灯识别。可以帮助自动驾驶汽车、智能交通系统等设备准确地识别红绿灯的状态，以便做出正确的决策。今天，就有Dream带领大家复盘一下计算机视觉中最经典的实验：OpenCV进行红绿灯识别，一起来看看吧~
开源计算机视觉库OpenCV详解
热门推荐
dvlinker的技术专栏
06-23 8万+
详细介绍开源计算机视觉库OpenCV。
opencv表面缺陷检测_机器视觉检测技术在钢板表面缺陷检测的应用
weixin_39827036的博客
12-31 798
钢板是工业领域许多产品不可缺的原材料，在钢板的轧制过程中，由于工艺等原因，造成钢板表面出现刮伤、孔洞、鳞片等缺陷，这些缺陷严重影响了钢板质量和使用性能。传统人工目检已远不能满足工业生产要求，如何及时对钢板表面缺陷检测？利用机器视觉检测技术的钢板表面缺陷检测系统是在不锈钢研磨线上对钢板上下表面利用机器视觉检测技术进行实时检测，通过图像采集卡在特殊光源的配合下获取钢板表面的图像，自动从图像中准确定位并...
【OpenCV+Qt】一款自制的双目视觉识别小程序
03-17
分享一下博主在寒假期间做的双目视觉识别小程序，基于OpenCV视觉库和Qt框架，可以实现目标物体的识别，并获得其位姿、距离和位置信息。 程序介绍可以参考博客：https://blog.csdn.net/qinchang1/article/details/88623397
基于计算机视觉的钢板计数
qq_53874153的博客
06-21 812
根据堆叠钢板的照片计算出其中的钢板数量相邻钢板之间的空隙在垂直方向灰度分布上会呈现出波峰，因此可以先将图像锐化以增强边界对比度，然后计算垂直方向（默认钢板水平放置）梯度，此时的垂直方向灰度分布会出现许多波峰，在设置好阈值与波峰宽度后可据此计算出钢板数量 存在问题 1、计算垂直灰度分布所采用方式仅对左对齐且处于图像左边的钢板堆有效 2、波峰数目确定中的波峰宽度无法自动确定，参数只对部分图像有效，计算方式可解释性不强 …...
钢板缺陷识别-机器视觉案例-Kaggle比赛
weixin_46614841的博客
12-28 3233
GitHub - PaddlePaddle/awesome-DeepLearning: 深度学习入门课、资深课、特色课、学术案例、产业实践案例、深度学习知识百科及面试题库The course, case and knowledge of Deep Learning and AI 以上为原文地址 钢材缺陷检测项目案例 钢材缺陷检测项目案例 一、项目简介 二、 数据集分析 2.1 读取和分析文本数据 2.2 读取和分析图像数据
OpenCV计算机视觉（3）——opencv--文档扫描OCR识别
qq_25678319的博客
12-11 2333
检测流程： 边缘检测 -> 获得轮廓 -> 透视变换(即放平，包括平移旋转反转等) -> OCR识别 一、边缘检测 if __name__ == "__main__": # 读取输入 image = cv2.imread(args["image"]) # resize 坐标也会相同变化 ratio = image.shape[0] / 500.0 orig = image.copy() image = resize(orig, height = 500) # 同比
【图像处理】检测芯片载板的芯片个数（Matlab代码实现）
weixin_61181717的博客
03-23 134
与通用的微处理器相比，数字信号处理器的功能在许多方面都作了扩充和增强，在结构上采用了哈佛总线结构，在硬件上获得系统设计的极大灵活性，DSP芯片的可编程性和强大的处理能力使其在图像处理领域得到广泛的应用和发展。
基于opencv的数字识别
09-12
在计算机视觉领域，基于OpenCV的数字识别是一项重要的技术，广泛应用于自动车牌识别、验证码识别、银行支票读取等场景。OpenCV（Open Source Computer Vision Library）是一个跨平台的计算机视觉库，提供了丰富的...
【计算机视觉】基于Python—OpenCV的手势识别详解（一）
weixin_43654363的博客
10-17 4万+
【计算机视觉】基于Python—OpenCV的手势识别详解（一）
opencv 查找连通区域 最大面积实例
12-17
今天在弄一个查找连通的最大面积的问题。 要把图像弄成黑底，白字，这样才可以正确找到。 然后调用下边的方法： RETR_CCOMP:提取所有轮廓，并将轮廓组织成双层结构(two-level hierarchy),顶层为连通域的外围边界，次层位内层边界 #include #include using namespace cv; using namespace std; int main( int argc, char** argv ) { Mat src = imread( argv[1] ); in
基于数字图像处理的钢板测数方法.pdf
08-26
基于数字图像处理的钢板测数方法.pdf 基于数字图像处理的钢板测数方法.pdf
halcon ，opencv机器视觉编程手册——中文版
01-07
《halcon，opencv机器视觉编程手册——中文版》是一本专注于机器视觉编程领域的重要参考书。本书不仅涵盖opencv的使用和机器视觉的基础知识，还深入探讨了opencv在多个领域的应用，包括视频监控、双目视觉、机器学习...
OpenCV-Python 轮廓分层 | 二十五
TensorFlowNews
01-09 1660
目标 这次我们学习轮廓的层次，即轮廓中的父子关系。 理论 在前几篇关于轮廓的文章中，我们已经讨论了与OpenCV提供的轮廓相关的几个函数。但是当我们使用cv.findcontour()函数在图像中找到轮廓时，我们已经传递了一个参数，轮廓检索模式。我们通常通过了cv.RETR_LIST或cv.RETR_TREE，效果很好。但这到底意味着什么呢? 另外，在输出中，我们得到了三个数组，第一个是图像，第二...
cv，opencv，视觉识别，都放pi
sirooki的博客
08-09 418
真的是这个样子的，你不懂的时候就是怎么弄都不行，永远进不了门道，剪不断理还乱。 事实证明静下心(一种说辞罢了)来看点东西，迟早会有你搞明白的那天，不过是打开方式不对。 cv就是cv, computer version,计算机视觉，这三个是一个东西。什么环境出现都好，肯定讲的都是一个东西，至于其他的慢慢捋，不急。先查一下卷积神经网络 百度百科-卷积神经网络 这就很明白了吧，谁敢说不明白，我们一点点切入。卷积神经网络应用到计算机视觉(cv, computer version)和自然语言处理(nlp, .
Python-OpenCV图像处理基础——木材鬃眼识别（数量检测与面积计算）
最新发布
2303_78730505的博客
10-09 411
用OpenCV来进行木材鬃眼识别，主要进行图像处理来获得面积和数量值。
C# OpenCvSharp-HoughCircles（霍夫圆检测） 简单计数
.NET 人工智能实践
05-12 890
C# OpenCvSharp-HoughCircles（霍夫圆检测） 简单计数。
(三)OpenCV图像处理_04_对象计数
weixin_45553439的博客
02-18 797
计算对象个数 通过二值分割+形态学处理+距离变换+形态学变换(具体问题具体分析)+连通区域计算 #include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; int main(int argc, char** argv) { Mat src,te...
OpenCV中几何形状识别与测量
biaoyan9009的博客
07-03 6577
最近使用OpenCV3.3.0构建了一个识别图形的C/C++项目，可以识别的图形如下：三角形、正方形、长方形、菱形、圆形、五边形、六边形、五角星以及由不同颜色的两个三角形构成的特殊矩形。 中值滤波 中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值. 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数...
OpenCV入门：机器视觉核心技术与应用
本资源主要探讨机器视觉领域中的关键技术和工具，特别是对OpenCV（Open Source Computer Vision Library）的深入理解和应用。OpenCV是一个广泛使用的开源库，它为计算机视觉和图像处理提供了超过500种功能，这些功能...
评论 7
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

打赏作者

CVer儿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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