0519-85602926 15861139266
進入正題，本篇對網(wǎng)格缺陷檢測的思路很簡單：
動態(tài)閾值處理
面積篩選顯示缺陷
opencv實現(xiàn)：
Mat src = imread("D:/opencv練習(xí)圖片/網(wǎng)格缺陷檢測1.png");
imshow("原圖", src);
cvtColor(src, gray, COLOR_RGB2GRAY);
GaussianBlur(gray, gray, Size(3, 3), 1, 0); //雙閾值方法
threshold(gray, binary1, 25, 255, THRESH_BINARY);
threshold(gray, binary2, 80, 255, THRESH_BINARY_INV);
bitwise_and(binary1, binary2, binary);
imshow("雙閾值二值化", binary);
vector<vector<Point>>contours;
findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point()); for (int i = 0; i < contours.size(); i++)
{ float area = contourArea(contours[i]); if (area>350)
{
drawContours(src, contours, i, Scalar(0, 0, 255), 2, 8); int baseline = 0;
Size textSize = getTextSize("Mesh Not OK", FONT_HERSHEY_SIMPLEX, 1.0, 2, &baseline);
rectangle(src, Rect(10, 10, textSize.width, textSize.height + baseline), Scalar(212, 233, 252), -1, 8);
putText(src, "Mesh Not OK", Point(10, 5 + textSize.height + baseline), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2, 8);
} else
{ int baseline = 0;
Size textSize = getTextSize("Mesh OK", FONT_HERSHEY_SIMPLEX, 1.0, 2, &baseline);
rectangle(src, Rect(10, 10, textSize.width, textSize.height + baseline), Scalar(212, 233, 252), -1, 8);
putText(src, "Mesh OK", Point(10, 5 + textSize.height + baseline), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2, 8);
}
}
imshow("缺陷", src);
這里采用的是雙閾值處理。我們可以對比三種閾值處理的情況：
（1）全局閾值OTSU方法：
可以看到有部分正�？锥春途W(wǎng)格相連，會導(dǎo)致正�？锥匆脖粯�(biāo)記為缺陷。
（2）自適應(yīng)閾值：
可以看到效果還不錯。
（3）雙閾值：
對比自適應(yīng)閾值，可以看到分割的還是比較明顯一點的。
