opencv之划痕缺陷检测

该博客介绍了通过图像处理来检测表面划痕的步骤,包括原图均值滤波、差分、二值化和轮廓查找。通过滤波减少噪声,差分突出变化,二值化提取特征,最后筛选出长度超过30像素的轮廓作为潜在的划痕。这种方法适用于质量控制或表面缺陷检测场景。
摘要由CSDN通过智能技术生成

检测思路

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

import cv2
import numpy as np

print(cv2.__version__)
minThres = 6

# 读取图像1
img1 = cv2.imread('C:\\Users\\PC\\Desktop\\surface_scratch.png')
img2 = cv2.imread('C:\\Users\\PC\\Desktop\\surface_scratch.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 > 30:
        cv2.drawContours(img2, contours[i], -1, (0, 0, 255), 2)

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

效果

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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