關(guān)于利用傳統(tǒng)圖像處理方法進(jìn)行瑕疵檢測(cè)的總結(jié)

點(diǎn)擊上方“小白學(xué)視覺(jué)”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

   

    
     轉(zhuǎn)自：https://blog.csdn.net/cshyxxxl/article/details/106382824
    
    作者：cshyxxxl
    
以iPhone背殼為例，進(jìn)行瑕疵檢測(cè)

    

     
需求：利用傳統(tǒng)算法檢測(cè)iPhone手機(jī)背殼是否瑕疵并給出瑕疵率
     
工具：攝像頭/iPhone 6s/偏振鏡等
    
    
傳統(tǒng)算法方向的選擇
    
最近做圖像處理與識(shí)別相關(guān)的事情，先從OpenCV/Matlab入手，看傳統(tǒng)算法在瑕疵檢測(cè)方向能做到什么程度。
    
因之前并沒(méi)有相關(guān)的經(jīng)驗(yàn)，乍開(kāi)始生怕閉門造車，遂多方搜尋，相關(guān)的會(huì)議與論述很多，不乏深度學(xué)習(xí)或者深度學(xué)習(xí)與傳統(tǒng)算法相結(jié)合的，以有限的資源來(lái)看，深度學(xué)習(xí)并沒(méi)有特別大的優(yōu)勢(shì)：表現(xiàn)在
    
1. 深度學(xué)習(xí)對(duì)訓(xùn)練圖庫(kù)的要求很高，很難得到很好的訓(xùn)練結(jié)果
2. 深度學(xué)習(xí)的靈活度較低，若適用場(chǎng)景有些許改變，均需要重新訓(xùn)練，這在商用時(shí)會(huì)是很大的問(wèn)題
3. 深度學(xué)習(xí)的部署成本較高，同時(shí)對(duì)部署場(chǎng)景有較高要求（光線/攝像效果等）
當(dāng)然，深度學(xué)習(xí)大勢(shì)所趨，也不必因噎廢食，萬(wàn)一是一時(shí)的淺見(jiàn)呢。后續(xù)也會(huì)投身到這個(gè)方向去。
    
瑕疵檢測(cè)關(guān)注的兩個(gè)問(wèn)題
    
瑕疵的標(biāo)注
    
對(duì)瑕疵的標(biāo)注是為了更直觀的展示，主要是給人看的
    
瑕疵的量化
    
真正機(jī)器關(guān)心的是怎么量化，是用數(shù)量表示還是百分比是個(gè)值得考慮的問(wèn)題
    
歷程
    
1.圖像去噪->灰度化->二值化
    
二值化之后就可以看到絕大部分的瑕疵點(diǎn)已經(jīng)凸顯出來(lái)了，但是有三個(gè)問(wèn)題：
    
1. 黑點(diǎn)瑕疵與白點(diǎn)瑕疵是二值化的兩個(gè)極端，故無(wú)法同時(shí)出現(xiàn)。
2. 量化如何去除Logo與其他印刷的干擾
問(wèn)題1后續(xù)用邊緣檢測(cè)替代
問(wèn)題2采用像素點(diǎn)計(jì)數(shù)的方法，計(jì)算百分比，然后與無(wú)瑕疵的百分比作比較，準(zhǔn)確度不高，也顯得low low的。
    
2.圖像去噪->灰度化->canny->形態(tài)學(xué)（閉運(yùn)算）->連通域
    
邊緣檢測(cè)后進(jìn)行閉運(yùn)算，瑕疵會(huì)形成大大小小的連通域，可以統(tǒng)計(jì)連通域的個(gè)數(shù)，然后與無(wú)瑕疵logo與其他印刷形成的連通域個(gè)數(shù)作比較，這種情況幾乎不會(huì)漏掉。這是感覺(jué)可行的選擇之一。
    
3.OpenCV matchTemplate
    
實(shí)驗(yàn)室條件下，可以營(yíng)造比較理想的條件，所以考慮了OpenCV的模板匹配，同時(shí)也測(cè)試了模板匹配在不理想情況下的表現(xiàn)。
結(jié)果證明因?yàn)槭謾C(jī)瑕疵檢測(cè)的需求目標(biāo)較低，模板匹配是比較能夠勝任的一個(gè)辦法。只要模板與識(shí)別目標(biāo)的拍攝角度差別不是太大，都可以很好的識(shí)別瑕疵。圖片的輕微縮放大多也可以應(yīng)付。
    
其他處理
    
前面都是軟件方面處理的流程，在如何獲得更加理想的圖片方面也做了一些嘗試：
    

     
采用各種不同顏色的光源，如藍(lán)光/紅光，區(qū)別不大
     
對(duì)圖片進(jìn)行白平衡調(diào)整，有改善
     
攝像頭加偏振鏡防止圖像反光，有改善但不明顯
     
圖片浮雕處理，肉眼看上去瑕疵顯著了，但對(duì)機(jī)器而言并沒(méi)有區(qū)別，故沒(méi)有采納
    
    


   

          

           

            
聲明：部分內(nèi)容來(lái)源于網(wǎng)絡(luò)，僅供讀者學(xué)習(xí)、交流之目的。文章版權(quán)歸原作者所有。如有不妥，請(qǐng)聯(lián)系刪除。
            


            
             

              下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
              

             
             

              在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺(jué)、目標(biāo)跟蹤、生物視覺(jué)、超分辨率處理等二十多章內(nèi)容。
             
             

              

             
             

              下載2：Python視覺(jué)實(shí)戰(zhàn)項(xiàng)目52講
             
             

              在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：Python視覺(jué)實(shí)戰(zhàn)項(xiàng)目，即可下載包括圖像分割、口罩檢測(cè)、車道線檢測(cè)、車輛計(jì)數(shù)、添加眼線、車牌識(shí)別、字符識(shí)別、情緒檢測(cè)、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺(jué)實(shí)戰(zhàn)項(xiàng)目，助力快速學(xué)校計(jì)算機(jī)視覺(jué)。
             
             

              

             
             

              下載3：OpenCV實(shí)戰(zhàn)項(xiàng)目20講
             
             

              在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。
             
             

              

             
交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺(jué)、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺(jué)SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~