Python opencv缺陷檢測的實現及問題解決
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 #用於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佈和比例。
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
由於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,經過調整後,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於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。
到此這篇關於Python opencv缺陷檢測的實現的文章就介紹到這瞭,更多相關opencv缺陷檢測內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- None Found