OpenCV在低對(duì)比度缺陷檢測(cè)中的應(yīng)用實(shí)例

導(dǎo)讀本文主要介紹OpenCV在低對(duì)比度缺陷檢測(cè)中的應(yīng)用實(shí)例。

實(shí)例一（LCD屏幕臟污檢測(cè)）

參考實(shí)例來(lái)源：

https://stackoverflow.com/questions/27281884/low-contrast-image-segmentation

分析與說(shuō)明：上圖中的臟污圖像因?yàn)閷?duì)比度較低，所以無(wú)法通過(guò)常用的閾值方法處理提取，有時(shí)人眼觀察也較費(fèi)勁。常用的方法有梯度提取或頻域提取。

鏈接主題中提到了Kmeans聚類(lèi)分割后提?。?/p>

二分類(lèi)：

三分類(lèi)：

乍一看效果還不錯(cuò)，但問(wèn)題是我到底應(yīng)該設(shè)置幾個(gè)類(lèi)別？第一張圖我如何確定哪個(gè)區(qū)域正好是我的缺陷部分？本文采用了梯度方法來(lái)檢測(cè)。

實(shí)現(xiàn)步驟與演示

實(shí)現(xiàn)步驟： ① 圖像濾波--濾除雜訊； ② Sobel提取邊緣； ③ 形態(tài)學(xué)處理剔除雜訊； ④ 閾值提取--分割臟污區(qū)域； ⑤ 輪廓提取與標(biāo)注。圖像一：

gray = cv2.cvtColor（img， cv2.COLOR_BGR2GRAY）blur = cv2.GaussianBlur（gray，（15，15），0）

x = cv2.Sobel（blur，cv2.CV_16S，1，0，ksize=7）y = cv2.Sobel（blur，cv2.CV_16S，0，1，ksize=7）absX = cv2.convertScaleAbs（x） # 轉(zhuǎn)回uint8absY = cv2.convertScaleAbs（y）edged = cv2.addWeighted（absX，1，absY，1，0）cv2.imshow（‘Sobel’， edged）

k1=np.ones（（11，11）， np.uint8）thres = cv2.morphologyEx（thres， cv2.MORPH_ERODE， k1）#膨脹操作cv2.imshow（‘MORPH_ERODE’，thres） #結(jié)果顯示

contours，hierarchy = cv2.findContours（thres， cv2.RETR_EXTERNAL， cv2.CHAIN_APPROX_NONE）for cnt in contours： （x， y， w， h） = cv2.boundingRect（cnt） if w 》 2 and h 》 2： cv2.drawContours（img，cnt，-1，（0，0，255），1）

—版權(quán)聲明—

僅用于學(xué)術(shù)分享，版權(quán)屬于原作者。

若有侵權(quán)，請(qǐng)聯(lián)系刪除或修改！

編輯：jq