缺陷检测理论基础

书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

一、缺陷检测

• 工业产品的形状缺陷不仅影响产品的美观，还影响产品的性能。
  例如，应该是圆形的药品，若被加工成不规则圆形不仅看起来不美观，而且会因为剂量的改变而影响药效。
  因此，在工业生产中人们对形状缺陷非常重视。

• 使用视觉算法进行缺陷检测可以解决人工操作带来的判断误差、效率低等问题。

二、理论基础

1、开运算

• 开运算进行的操作是先将图像腐蚀，再对腐蚀结果进行膨胀。
  开运算可以用于去噪、计数等。

实现去噪的开运算示例 实现计数的开运算示例

• 使用函数cv2.morphologyEx()实现开运算。

2、距离变换函数distanceTransform

• 若图像内的子图没有连接在一起，则可以直接使用形态学的腐蚀操作确定前景对象；
  若图像内的子图连接在一起，则很难确定前景对象。
  此时，借助距离变换函数distanceTransform可以方便地将前景对象提取出来。

• 距离变换函数distanceTransform可计算二值图像内任意点到最近背景点的距离。
  一般情况下，该函数计算的是图像内像素值非0的像素点到最近的像素值为0的像素点的距离，即计算二值图像中所有像素点距离其最近的像素值为0的像素点的距离。
  如果该像素点本身的像素值为0，则这个距离为0。

• 距离变换函数distanceTransform的计算结果反映了各个像素点与背景（像素值为0的像素点）的距离关系。通常情况下：

  • 前景对象的质心（中心）距离像素值为0的像素点较远，会得到一个较大的值。
  • 前景对象的边缘距离像素值为0的像素点较近，会得到一个较小的值。

• 如果对上述计算结果进行阈值处理，就可以得到图像内子图的质心、骨架等信息。
  距离变换函数distanceTransform不仅能计算对象的质心，还能细化轮廓、获取图像前景对象等。

3、确定前景实例

1）分析

• 如果一些像素点距离背景点足够远，那么就认为这些点是前景点。
  据此，先找出图中各个像素点距离（最近）背景点的距离，然后将这些距离中较大值对应的像素点判定为前景点。

2）方法

• 具体实现时，使用距离变换函数distanceTransform完成距离的计算，使用阈值分割函数threshold根据距离将所有像素点划分为前景点、背景点。

3）注意事项

• 需要注意的是，在使用距离变换函数distanceTransform前，需要先对图像进行开运算，以去除图像内的噪声。

4）步骤

• Step 1：图像预处理（利用开运算去噪）。
• Step 2：使用函数distanceTransform完成距离的计算。
• Step 3：使用函数threshold分割图像，获取确定前景。判断依据是，将距离背景大于一定长度（如最远距离的70%）的像素点判定为前景点。
• Step 4：显示处理结果。

5）程序

import numpy as np
import cv2

img = cv2.imread('d:\\water_coins.jpg')
cv2.imshow("coins",img)

# ====step1 预处理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 

ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)

# ====step2 完成距离的计算=====
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)

# ====step3 确定前景 ====
ret, fore = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0) 

# ====step4 显示处理结果 ====
cv2.imshow("fore",fore)

cv2.waitKey()
cv2.destroyAllWindows()

运行结果