題目描述
利用opencv或其他工具編寫程序實現缺陷檢測。
實現過程
# -*- coding: utf-8 -*-
'''
作者 : 丁毅
開發時間 : 2021/4/21 15:30
'''
import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont
import matplotlib.pyplot as plt
#用于給圖片添加中文字符的函數
def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20):
# 判斷是否OpenCV圖片類型
if (isinstance(img, np.ndarray)):
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
# 創建一個可以在給定圖像上繪圖的對象
draw = ImageDraw.Draw(img)
# 字體的格式
fontStyle=ImageFont.truetype("font/simsun.ttc",textSize, encoding="utf-8")
# 繪制文本
draw.text((left, top), text, textColor, font=fontStyle)
# 轉換回OpenCV格式
return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)
# plt繪圖顯示中文
plt.rcParams['font.family'] = 'SimHei'
img0 = cv2.imread(r"C:\Users\pc\Desktop\0.bmp")
cv2.imshow('img', img0)
# 彩色圖轉灰度圖
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)
# 缺陷檢測
for i in range(1, 6):
defect_img0 = cv2.imread(r"C:\Users\pc\Desktop\%d.bmp"%i)
# 獲取灰度圖像
defect_img1 = cv2.cvtColor(defect_img0, cv2.COLOR_BGR2GRAY)
# 獲取原圖像的灰度直方圖
hist0 = cv2.calcHist([img1], [0], None, [256], [0.0, 255.0])
# 獲取待檢測圖像的灰度直方圖
hist1 = cv2.calcHist([defect_img1], [0], None, [256], [0.0, 255.0])
# 為圖像添加標題
plt.title("原圖與待檢測img%d對比"%i)
# 添加圖例
plt.plot(hist0, label='原圖')
plt.plot(hist1, label='待檢測img%d'%i)
# 相似度比較
rst = cv2.compareHist(hist0, hist1, method=cv2.HISTCMP_CORREL)
# res >= 0.95即認為合格
cv2.imshow(str(i) + ".img", cv2ImgAddText(defect_img0, "合格" if rst >= 0.95 else "不合格", 20, 20, (255, 0, 0), 25))
# 設置x軸的數值范圍
plt.xlim([0, 256])
plt.legend(loc='upper left')
plt.show()
cv2.waitKey(0)
運行結果
問題及解決方法
1.獲取原圖的直方圖
參考鏈接
方式：
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]])
images：輸入的圖像channels：選擇圖像的通道mask：是一個大小和image一樣的np數組，其中把需要處理的部分指定為1，不需要處理的部分指定為0，一般設置為None，表示處理整幅圖像。histSize：使用多少個bin(柱子)，一般為256ranges：像素值的范圍，一般為[0,255]表示0~255
該函數結果返回一個二維數組，該數組反應畫面中亮度的分布和比例。
2.比較兩個直方圖的相似度
參考鏈接
方式：
cv2.compareHist(H1, H2, method)
H1：第一個直方圖數組H2：第二個直方圖數組（與第一個緯度相同）method：所使用的方式
該函數返回一個[0,1]的相似度值，值越接近一就表名相似度越高。
3.相似度參數微調
由于compareHist函數返回一個[0,1]的值，需要自己調整一個閾值來選取哪些合格，經過調整后，發現閾值取[0.90, 0.95]能夠正確選取與實驗的結果，代碼中取的是0.95，即待檢測圖與原圖之間的相似度如果小于0.95則不合格。
4.通過plot顯示原圖與待檢測圖的關系折線
參考鏈接
通過calcHist函數返回的hist數組值，運用matplotlib繪制原圖和待檢測圖之間的關系折線圖。對比兩個曲線的差異。
到此這篇關于Python opencv缺陷檢測的實現的文章就介紹到這了,更多相關opencv缺陷檢測內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python opencv實現圖片缺陷檢測（講解直方圖以及相關系數對比法）
- Python-OpenCV實現圖像缺陷檢測的實例
