Python中利用opencv实现缺陷检测的方法

这篇文章给大家分享的是有关python中利用OpenCV实现缺陷检测的方法的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

Python的数据类型有哪些?

python的数据类型：1. 数字类型，包括int（整型）、long（长整型）和float（浮点型）。2.字符串，分别是str类型和unicode类型。3.布尔型，Python布尔类型也是用于逻辑运算，有两个值：True（真）和False（假）。4.列表，列表是Python中使用最频繁的数据类型，集合中可以放任何数据类型。5. 元组，元组用”()”标识，内部元素用逗号隔开。6. 字典，字典是一种键值对的集合。7. 集合，集合是一个无序的、不重复的数据组合。

题目描述

利用opencv或其他工具编写程序实现缺陷检测。

实现过程

# -*- coding: utf-8 -*-'''作者 : 丁毅开发时间 : 2021/4/21 15:30'''import cv2import numpy as npfrom PIL import Image, ImageDraw, ImageFontimport matplotlib.pyplot as plt#用于给图片添加中文字符的函数def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20):    # 判断是否OpenCV图片类型    if (isinstance(img, np.ndarray)):        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))    # 创建一个可以在给定图像上绘图的对象    draw = ImageDraw.Draw(img)    # 字体的格式    fontStyle=ImageFont.truetype("font/simsun.ttc",textSize, encoding="utf-8")    # 绘制文本    draw.text((left, top), text, textColor, font=fontStyle)    # 转换回OpenCV格式    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)# plt绘图显示中文plt.rcParams['font.family'] = 'SimHei'img0 = cv2.imread(r"C:\Users\pc\Desktop\0.bmp")cv2.imshow('img', img0)# 彩色图转灰度图img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)# 缺陷检测for i in range(1, 6):    defect_img0 = cv2.imread(r"C:\Users\pc\Desktop\%d.bmp"%i)    # 获取灰度图像    defect_img1 = cv2.cvtColor(defect_img0, cv2.COLOR_BGR2GRAY)    # 获取原图像的灰度直方图    hist0 = cv2.calcHist([img1], [0], None, [256], [0.0, 255.0])    # 获取待检测图像的灰度直方图    hist1 = cv2.calcHist([defect_img1], [0], None, [256], [0.0, 255.0])    # 为图像添加标题    plt.title("原图与待检测img%d对比"%i)    # 添加图例    plt.plot(hist0, label='原图')    plt.plot(hist1, label='待检测img%d'%i)    # 相似度比较    rst = cv2.compareHist(hist0, hist1, method=cv2.HISTCMP_CORREL)    # res >= 0.95即认为合格    cv2.imshow(str(i) + ".img", cv2ImgAddText(defect_img0, "合格" if rst >= 0.95 else "不合格", 20, 20, (255, 0, 0), 25))    # 设置x轴的数值范围    plt.xlim([0, 256])    plt.legend(loc='upper left')    plt.show()cv2.waiTKEy(0)

运行结果

问题及解决方法

1.获取原图的直方图

参考链接
方式：
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]])

images：输入的图像channels：选择图像的通道mask：是一个大小和image一样的np数组，其中把需要处理的部分指定为1，不需要处理的部分指定为0，一般设置为None，表示处理整幅图像。histSize：使用多少个bin(柱子)，一般为256ranges：像素值的范围，一般为[0,255]表示0~255

该函数结果返回一个二维数组，该数组反应画面中亮度的分布和比例。

2.比较两个直方图的相似度
参考链接
方式：
cv2.compareHist(H1, H2, method)

H1：第一个直方图数组H2：第二个直方图数组（与第一个纬度相同）method：所使用的方式

该函数返回一个[0,1]的相似度值，值越接近一就表名相似度越高。

3.相似度参数微调
由于compareHist函数返回一个[0,1]的值，需要自己调整一个阈值来选取哪些合格，经过调整后，发现阈值取[0.90, 0.95]能够正确选取与实验的结果，代码中取的是0.95，即待检测图与原图之间的相似度如果小于0.95则不合格。

4.通过plot显示原图与待检测图的关系折线
参考链接
通过calcHist函数返回的hist数组值，运用matplotlib绘制原图和待检测图之间的关系折线图。对比两个曲线的差异。

感谢各位的阅读！关于“Python中利用opencv实现缺陷检测的方法”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！