C++ OpenCV实战之零部件的自动光学检测

2024-04-02 19:04:59 484人浏览泡泡鱼

摘要

目录一、背景二、基础知识三、代码实现1、实现多窗口展示2、降噪处理3、背景去除4、连通图实现5、计算连通域面积6、轮廓检测四、总结一、背景首先任务背景是AOI（自动光学检测）最重

一、背景

首先任务背景是AOI（自动光学检测）

最重要的目的在于：将前景和物体进行分割与分类；

场景示意图：

需要注意，在螺母的传送带上，需要有前光和背光，给物体打光才能够拍摄清晰的图像；

二、基础知识

首先分为以下几步：

1、噪声抑制（预处理）

2、背景移除（分割）

3、二值化

4、连通域、轮廓查找算法

降噪算法

先使用中值滤波对椒盐噪声进行过滤，再使用高斯滤波对物体边缘进行模糊；

背景移除

首先有两种方案可以实现背景移除，也就是减法和除法；

连通图检测计数

首先连通域类型分为4路连通和8路连通：

使用连通图检测算法，可以将不连通的每个物体都用不同颜色划分出来；

三、代码实现

1、实现多窗口展示

如果想要多张图像展示在一个窗口中，也就是实现拼接图片的操作，使用python代码实现起来可能比较便捷，c++代码需要定义一个类，并且实际编写也比较繁琐；

class Display {
private:
	int cols, rows, width, height;
	String title;
	vector<String> win_names;
	vector<Mat> images;
	Mat canvas;
public:
	Display(String t, int c, int r, int flags) :title(t), cols(c), rows(r) {
		height = 1080;
		width = 1920;
		namedWindow(title, flags);
		canvas = Mat(height, width, CV_8UC3);
		imshow(title, canvas);
	}

	int add_window(String win_name, Mat image, bool flag = true) {
		win_names.push_back(win_name);
		images.push_back(image);
		if (flag) {
			draw();
		}
		return win_names.size();
	}
	
    // 实现删除窗口
	int delete_window(String win_name) {
		int index = 0;
		for (const auto& it : win_names) {
			if (it == win_name) break;
			index++;
		}
		win_names.erase(win_names.begin() + index);
		images.erase(images.begin() + index);

		return win_names.size();
	}

	void draw() {
		canvas.setTo(Scalar(20, 20, 20));
		int single_width = width / cols;
		int single_height = height / rows;
		int max_win = win_names.size() > cols * rows ? cols * rows : win_names.size();
		
		int i = 0;
		auto iw = win_names.begin();
		for (auto it = images.begin(); it != images.end()&&i<max_win; it++,i++,iw++) {
			String win_name = *iw;
			Mat img = *it;

			int x = (single_width) * (i % cols);
			int y = (single_height)*floor(i * 1.0 / cols);
			Rect mask(x, y, single_width, single_height);

			rectangle(canvas, mask, Scalar(255, 255, 255), 9);

			Mat resized_img;
			resize(img, resized_img, Size(single_width, single_height));

			Mat sub_canvas(canvas, mask);
			if (resized_img.channels() == 1) {
				cvtColor(resized_img, resized_img, COLOR_GRAY2BGR);
			}
			resized_img.copyTo(sub_canvas);
            putText(sub_canvas, win_name, Point(50, 50), FONT_HERSHEY_COMPLEX, 2, Scalar(0, 0, 255), 3, LINE_AA);
		}
		imshow(title, canvas);
	}
};

// 使用智能指针
shared_ptr<Display> multi_window;

int main(int arGC, char** argv)
{

	// 实现多窗口
	String total_path = "imgpath";
	String background_path = "imgpath";

	Mat abc = imread(total_path, 0);

	multi_window = make_shared<Display>("Review for all", 3, 2, WINDOW_NORMAL);
	multi_window->add_window("ABC", abc);
	multi_window->add_window("ABCC", abc);
    multi_window->delete_window("ABC");		// 也支持删除窗口
	multi_window->draw();

	waiTKEy(0);
	return 0;
}

2、降噪处理

采用中值滤波+高斯滤波结合的降噪方法：

Mat get_background(const Mat& bg){
    Mat img;
    medianBlur(bg,img,3);
    GaussianBlur(bg,img,Size(3,3),0);
    return img;
}

Mat smoothen_img(const Mat& noise_img){
    Mat img;
    medianBlur(noise_img,img,5);
    GaussianBlur(img,img,Size(3,3),0);
    return img;
}

3、背景去除

分为两种方式，一种为减法，一种为除法；

Mat remove_background_divide(Mat image, Mat background) {
	Mat tmp;
	Mat fg, bg;
	image.convertTo(fg, CV_32F);
	background.convertTo(bg, CV_32F);
	tmp = 1 - (fg / bg);
	tmp.convertTo(tmp, CV_8U, 255);
	return tmp;
}

Mat remove_background_minus(Mat image, Mat background) {
	return background - image;
}

从结果图上看，使用除法的方式能更好的保留白色部分的信息，因此选用除法的方式；

4、连通图实现

对二值化后的图像进行连通域划分，并且用随机颜色绘制到Mask图上；

void connection_check(Mat image) {
	Mat labels;
	int num = connectedComponents(image, labels);
	if (num <= 1) {
		cout << "No stuff detect!!" << endl;
		return;
	}
	else
	{
		cout << num << " objects detected!!" << endl;
	}

	Mat display = Mat::zeros(image.rows, image.cols, CV_8UC3);
	for (int i = 1; i < num; i++) {
		Mat mask = (labels == i);
		display.setTo(random_color_generator(seed), mask);
	}
	multi_window->add_window("Segment", display);
}

5、计算连通域面积

OpenCV中也自带了对面积区域的计算：

void connection_heavy_check(Mat image) {
    Mat labels, stats, centroids;
    int num =connectedComponentsWithStats(image, labels, stats, centroids);
    if (num <= 1) {
        cout << "No stuff detect!!" << endl;
        return;
    }
    else
    {
        cout << num << " objects detected!!" << endl;
    }
    Mat display = Mat::zeros(image.rows, image.cols, CV_8UC3);
    for (int i = 1; i < num; i++) {
        // 得到连通域的质心点
        Point2i pt(centroids.at<double>(i, 0), centroids.at<double>(i, 1));
        // 打印标签和连通域坐标和面积
        cout << "Stuff #" << i << ", Position: " << pt << " ,Area: " << stats.at<int>(i, CC_STAT_AREA) << endl;
        Mat mask = (labels == i);
        display.setTo(random_color_generator(seed), mask);
        stringstream ss;
        ss << stats.at<int>(i, CC_STAT_AREA);
        putText(display, ss.str(), pt, FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 255, 255), 2);
    }
    multi_window->add_window("Segment more", display);
}

6、轮廓检测

实现对物体轮廓的检测；

void get_contour(Mat image) {
    vector<vector<Point>> contours;
    findContours(image, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    Mat display = Mat::zeros(image.rows, image.cols, CV_8UC3);
    if (contours.size() == 0) {
        cout << "No contour detect!!" << endl;
        return;
    }
    else
    {
        cout << contours.size() << " contour detected!!" << endl;
    }
    for (int i = 0; i < contours.size(); i++) {
        drawContours(display, contours, i, random_color_generator(seed), 2);
    }
    multi_window->add_window("CONTOURS", display);
}