标签：die lis 差分 参考 rect 处理 mic 替换 image
本文使用opencv实现Halcon中的一个瓶口缺陷检测实例（C++实现），Halcon中对应的例子为inspect_bottle_mouth.hdev，用于检测酒瓶瓶口是否出现破损等缺陷情形。
使用阈值处理和形态学粗定位品口位置；
XLD轮廓拟合最近似的圆形区域作为瓶口的轮廓；
极坐标变换，转换到水平或垂直方向进行处理；
均值滤波图与原图做差分，根据阈值提取；
将绘制的缺陷部分通过反极坐标变换投影到原图上。
需要注意的是：在opencv中第一步和第二步这里直接用霍夫圆变换来替换(最重要的就是参数要设置合适)。
（一）读入图像，预处理，霍夫圆检测
Mat dst,src1; Mat src = imread("D:/opencv练习图片/瓶口缺陷检测.png"); src.copyTo(src1); imshow("原图", src); //预处理，霍夫园检测 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);
我测试了一下，16张测试图，效果都不错，暂时采用它。但是对于霍夫圆检测，设置参数必须精确，才能有效果。
vector<Vec3f>circles; HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 100, 200, 30, 150, 500); //第一个参数是输出被检测图片 //第二个参数表示存储数组，其中存储被检测的圆的圆心的坐标和圆的半径。 //第三个参数是检测圆的方法（霍夫梯度法） //第四个参数可以设置为1就行--默认参数 //第五个参数是圆心与圆心之间的距离，这是一个经验值。这个大了，那么多个圆就是被认为一个圆。 //第六个参数 就设为默认值就OK //第七个参数这个根据你的图像中的圆 大小设置，如果圆越小，则设置越小 //第八个和第九个参数 是你检测圆 最小半径和最大半径是多少 这个是经验值
（二）极坐标变换（重点就是要准确找到圆心作为极坐标变换的中心）
int X = 0;//圆心坐标的X int Y = 0;//圆心坐标的Y int R = 0;//半径 Mat ROI; for (int i = 0; i < circles.size(); i++) { X = cvRound(circles[i][0]); Y = cvRound(circles[i][1]); Point center(X,Y);//圆心坐标 R = cvRound(circles[i][2]); ROI = src(Rect(X - R, Y - R, 2 * R, 2 * R));//提取ROI区域 Point trans_center = Point(R, R);//ROI区域内的中心坐标 warpPolar(ROI, dst, Size(300, 600), trans_center, R, INTER_LINEAR | WARP_POLAR_LINEAR); } imshow("ROI区域", ROI); imshow("极坐标变换", dst);
（三）均值滤波做差分，二值化
//均值滤波做差分 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);
注意这里的均值滤波核大小，一般我们都是设置(3,3)或(5,5)等，这里物体垂直方向较长，参考Halcon例子中设置为(3, 501)。
可以看到，通过均值滤波差分后图像的缺陷已经可以很明显的看到了。
（四）轮廓提取，筛选缺陷轮廓
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);
这里筛选缺陷的标准是：轮廓宽度大于10的都认为是缺陷（可以添加更精确的标准）
（五）反极坐标变换，结果投影到原图
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("反极坐标变换", polarImg_Inv);
标签：die lis 差分 参考 rect 处理 mic 替换 image
原文地址：https://www.cnblogs.com/xyf327/p/14848402.html
