Opencv實(shí)現(xiàn)瓶口缺陷檢測(cè)（源碼）

點(diǎn)擊下方卡片，關(guān)注“新機(jī)器視覺”公眾號(hào)

視覺/圖像重磅干貨，第一時(shí)間送達(dá)

摘要

本文使用opencv實(shí)現(xiàn)Halcon中的一個(gè)瓶口缺陷檢測(cè)實(shí)例（C++實(shí)現(xiàn)），Halcon中對(duì)應(yīng)的例子為inspect_bottle_mouth.hdev，用于檢測(cè)酒瓶瓶口是否出現(xiàn)破損等缺陷情形。

 Halcon實(shí)例主要步驟包含五步，分別是：

• 使用閾值處理和形態(tài)學(xué)粗定位品口位置；

• XLD輪廓擬合最近似的圓形區(qū)域作為瓶口的輪廓；

• 極坐標(biāo)變換，轉(zhuǎn)換到水平或垂直方向進(jìn)行處理；

• 均值濾波圖與原圖做差分，根據(jù)閾值提??；

• 將繪制的缺陷部分通過(guò)反極坐標(biāo)變換投影到原圖上。

需要注意的是：在opencv中第一步和第二步這里直接用霍夫圓變換來(lái)替換(最重要的就是參數(shù)要設(shè)置合適)。

opencv實(shí)現(xiàn)步驟分解：

 （一）讀入圖像，預(yù)處理，霍夫圓檢測(cè)

    Mat dst,src1;
    Mat src = imread("D:/opencv練習(xí)圖片/瓶口缺陷檢測(cè).png");
    src.copyTo(src1);
    imshow("原圖", src);
    //預(yù)處理，霍夫園檢測(cè)
    Mat gray;
    cvtColor(src, gray, COLOR_RGB2GRAY);
    medianBlur(gray, gray, 3);
    vector<Vec3f>circles;
    HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 100, 200, 30, 150, 500);

 我測(cè)試了一下，16張測(cè)試圖，效果都不錯(cuò)，暫時(shí)采用它。但是對(duì)于霍夫圓檢測(cè)，設(shè)置參數(shù)必須精確，才能有效果。

• HoughCircles函數(shù)API

vector<Vec3f>circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 100, 200, 30, 150, 500);
//第一個(gè)參數(shù)是輸出被檢測(cè)圖片
//第二個(gè)參數(shù)表示存儲(chǔ)數(shù)組，其中存儲(chǔ)被檢測(cè)的圓的圓心的坐標(biāo)和圓的半徑。
//第三個(gè)參數(shù)是檢測(cè)圓的方法（霍夫梯度法）
//第四個(gè)參數(shù)可以設(shè)置為1就行--默認(rèn)參數(shù)
//第五個(gè)參數(shù)是圓心與圓心之間的距離，這是一個(gè)經(jīng)驗(yàn)值。這個(gè)大了，那么多個(gè)圓就是被認(rèn)為一個(gè)圓。
//第六個(gè)參數(shù) 就設(shè)為默認(rèn)值就OK
//第七個(gè)參數(shù)這個(gè)根據(jù)你的圖像中的圓  大小設(shè)置，如果圓越小，則設(shè)置越小
//第八個(gè)和第九個(gè)參數(shù) 是你檢測(cè)圓 最小半徑和最大半徑是多少  這個(gè)是經(jīng)驗(yàn)值

 （二）極坐標(biāo)變換（重點(diǎn)就是要準(zhǔn)確找到圓心作為極坐標(biāo)變換的中心）

    int X = 0;//圓心坐標(biāo)的X
    int Y = 0;//圓心坐標(biāo)的Y
    int R = 0;//半徑
    Mat ROI;
    for (int i = 0; i < circles.size(); i++)
    {
         X = cvRound(circles[i][0]);
        Y = cvRound(circles[i][1]);
        Point center(X,Y);//圓心坐標(biāo)
         R = cvRound(circles[i][2]);
         ROI = src(Rect(X - R, Y - R, 2 * R, 2 * R));//提取ROI區(qū)域
         Point trans_center = Point(R, R);//ROI區(qū)域內(nèi)的中心坐標(biāo)
        warpPolar(ROI, dst, Size(300, 600), trans_center, R, INTER_LINEAR | WARP_POLAR_LINEAR);

    }
    imshow("ROI區(qū)域", ROI);
    imshow("極坐標(biāo)變換", dst);

 （三）均值濾波做差分，二值化

    //均值濾波做差分
    Mat dst_blur,diff,binary,dst_gray;
    cvtColor(dst, dst_gray, COLOR_RGB2GRAY);
    blur(dst_gray, dst_blur, Size(3, 501), Point(-1, -1));
    absdiff(dst_gray, dst_blur, diff);
    imshow("差分", diff);
    threshold(diff, binary, 70, 255, THRESH_BINARY);
    medianBlur(binary, binary, 3);
    imshow("二值化", binary);

 注意這里的均值濾波核大小，一般我們都是設(shè)置(3,3)或(5,5)等，這里物體垂直方向較長(zhǎng)，參考Halcon例子中設(shè)置為(3, 501)。

可以看到，通過(guò)均值濾波差分后圖像的缺陷已經(jīng)可以很明顯的看到了。

 （四）輪廓提取，篩選缺陷輪廓

    vector<vector<Point>>contours;
    findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());
    for (int i = 0; i < contours.size(); i++)
    {
        Rect rect = boundingRect(contours[i]);
        float width = rect.width;
        if (width>10)
        {
            drawContours(dst, contours,i, Scalar(0, 0, 255), 2);
        }
    }
    imshow("缺陷", dst);

 這里篩選缺陷的標(biāo)準(zhǔn)是：輪廓寬度大于10的都認(rèn)為是缺陷（可以添加更精確的標(biāo)準(zhǔn)）

（五）反極坐標(biāo)變換，結(jié)果投影到原圖

    Mat polarImg_Inv;
    warpPolar(dst, polarImg_Inv, ROI.size(), Point(R,R), R, INTER_LINEAR | WARP_POLAR_LINEAR| WARP_INVERSE_MAP);
    circle(polarImg_Inv, Point(R, R), 3, Scalar(0, 255, 0), -1, 8, 0);
    circle(polarImg_Inv, Point(R, R), R, Scalar(255, 0, 0), 3, 8, 0);
    imshow("反極坐標(biāo)變換", polarImg_Inv);

來(lái)源：https://www.cnblogs.com/xyf327/p/14848402.html

—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)系微信號(hào):yiyang-sy 刪除或修改！