号he
找到目标图像的缺陷位置，首先思路为对图像进行预处理，灰度-二值化-针对图像进行轮廓分析
//定义结构元素
Mat se = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(thre, tc, MORPH_OPEN, se, Point(-1, -1), 1);
目标图形为矩形，RECT，大概在3，3可以自己调整 位置在中心-1，-1.与开操作对图像进行处理
if (rect.height > (height / 2)) {
continue;
}
if (area < 150) {
continue;
}根据不同的素材来做筛选，例如此类型就是以图形的行和面积来作为筛选条件，
1，rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
drawContours(image, contours, t, Scalar(0, 0, 255), 2, 8);效果
2，rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
drawContours(frame, contours, t, Scalar(0, 0, 255), 2, 8);效果
做好框架处理后进行目标工件的排序处理，此列以冒泡排序从小到大排序
void sort_box(vector<Rect>& boxes) {
int size = boxes.size();
for (int i = 0; i < size - 1; i++) {
for (int j = i; j < size; j++) {
int x = boxesj.x;
int y = boxesj.y;
if (y < boxesi.y) {
Rect temp = boxesi;
boxesi = boxesj;
boxesj = temp;
}
}
}
}
进行排序好后可以从putText来验证排序结果，初始为6-0，改好后为0-6
前期的图像处理完毕，后面的思路要对模板图像以及后面的图像进行对比生成mask来确认具有缺陷的刀片。
tpl为刚才观察到的形态良好的工件，将其提取后与其他工件进行对比做差，对Mask进行开操作后观察 
将白色部分的尺寸打印出来作为筛选
将白色像素大于50的打印出来
运行后发现出现了误检测，因为刀片宽度不统一，所以容易识别错误，所以需要在已经检测到的关键框架进行进一步的筛选。
很明显的可以看到最后一个被误检测。首先对筛选出来的图像进行进一步处理
这样可以通过find来更加严谨的找到我们需要的有缺陷的工件。