书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857
一、缺陷检测
-
工业产品的形状缺陷不仅影响产品的美观，还影响产品的性能。
例如，应该是圆形的药品，若被加工成不规则圆形不仅看起来不美观，而且会因为剂量的改变而影响药效。
因此，在工业生产中人们对形状缺陷非常重视。 -
使用视觉算法进行缺陷检测可以解决人工操作带来的判断误差、效率低等问题。
二、理论基础
1、开运算
- 开运算进行的操作是先将图像腐蚀，再对腐蚀结果进行膨胀。
开运算可以用于去噪、计数等。
实现去噪的开运算示例
实现计数的开运算示例
- 使用函数cv2.morphologyEx()实现开运算。
2、距离变换函数distanceTransform
-
若图像内的子图没有连接在一起，则可以直接使用形态学的腐蚀操作确定前景对象；
若图像内的子图连接在一起，则很难确定前景对象。
此时，借助距离变换函数distanceTransform可以方便地将前景对象提取出来。 -
距离变换函数distanceTransform可计算二值图像内任意点到最近背景点的距离。
一般情况下，该函数计算的是图像内像素值非0的像素点到最近的像素值为0的像素点的距离，即计算二值图像中所有像素点距离其最近的像素值为0的像素点的距离。
如果该像素点本身的像素值为0，则这个距离为0。 -
距离变换函数distanceTransform的计算结果反映了各个像素点与背景（像素值为0的像素点）的距离关系。通常情况下：
- 前景对象的质心（中心）距离像素值为0的像素点较远，会得到一个较大的值。
- 前景对象的边缘距离像素值为0的像素点较近，会得到一个较小的值。
-
如果对上述计算结果进行阈值处理，就可以得到图像内子图的质心、骨架等信息。
距离变换函数distanceTransform不仅能计算对象的质心，还能细化轮廓、获取图像前景对象等。
3、确定前景实例
1）分析
- 如果一些像素点距离背景点足够远，那么就认为这些点是前景点。
据此，先找出图中各个像素点距离（最近）背景点的距离，然后将这些距离中较大值对应的像素点判定为前景点。
2）方法
- 具体实现时，使用距离变换函数distanceTransform完成距离的计算，使用阈值分割函数threshold根据距离将所有像素点划分为前景点、背景点。
3）注意事项
- 需要注意的是，在使用距离变换函数distanceTransform前，需要先对图像进行开运算，以去除图像内的噪声。
4）步骤
- Step 1：图像预处理（利用开运算去噪）。
- Step 2：使用函数distanceTransform完成距离的计算。
- Step 3：使用函数threshold分割图像，获取确定前景。判断依据是，将距离背景大于一定长度（如最远距离的70%）的像素点判定为前景点。
- Step 4：显示处理结果。
5）程序
import numpy as np
import cv2
img = cv2.imread('d:\\water_coins.jpg')
cv2.imshow("coins",img)
# ====step1 预处理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)
# ====step2 完成距离的计算=====
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
# ====step3 确定前景 ====
ret, fore = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)
# ====step4 显示处理结果 ====
cv2.imshow("fore",fore)
cv2.waitKey()
cv2.destroyAllWindows()
运行结果
网友评论