python-opencv划痕检测-续
这次划痕检测,是上一次划痕检测的续集。
处理的图像如下:
这次划痕检测,我们经过如下几步:
第一步:读取灰度图像
第二步:进行均值滤波
第三步:进行图像差分
第四步:阈值分割
第五步:轮廓检测
第六步:绘制轮廓,并将过滤面积较小的轮廓,且进行轮廓填充
代码如下:
python
import cv2
import copy
import math
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import os
path=r'sta.bmp'
img=cv2.imread(path)
def histogram_equalization(image):
gray = image
equalized = cv2.equalizeHist(gray)
return equalized
# 图像去噪 - 高斯滤波
def gaussian_filtering(image):
blurred = cv2.GaussianBlur(image, (3, 3), 0)
return blurred
#img=gaussian_filtering(img)
#img = histogram_equalization(img)
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
def cv_show(name,img):
cv2.imshow(name,img)
#cv2.waitKey(0),接收0,表示窗口暂停
cv2.waitKey(0)
#销毁所有窗口
cv2.destroyAllWindows()
img_mean_3 = cv2.blur(img_gray, (10, 10))
#图像差分
img_diffence=cv2.subtract(img_mean_3,img_gray)
img_diffence1=img_mean_3-img_gray
plt.subplot(131)
plt.imshow(img_diffence,'gray')
plt.title('img_diffence')
#阈值分割
_,img_binary=cv2.threshold(img_diffence,5,255,cv2.THRESH_BINARY_INV)
plt.subplot(132)
plt.imshow(img_binary,'gray')
plt.title('img_binary')
plt.show()
#cv_show('img
grayimg=img_binary
cout,hi=cv2.findContours(grayimg,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#hierarchy 轮廓层级关系
result=np.zeros(img.shape,np.uint8)
#绘制轮廓边框
for i in range(len(cout)):
moms=cv2.moments(cout[i])#计算轮廓的矩
area=moms['m00']#面积
if area>50 and area<1000:
cv2.drawContours(result,cout,i,(0,0,255),thickness=cv2.FILLED,hierarchy=hi,maxLevel=0)
cv_show('result',result)
os.system("pause")
结果如下: