python opencv 图片缺陷检测!

时间：2020-04-07 14:25:39 收藏：0 阅读：166

一、利用直方图的方式进行批量的图片缺陷检测（方法简单）

二、步骤（完整代码见最后）

2.1灰度转换（将原图和要检测对比的图分开灰度化）

灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较

img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

#循环要检测的图，均灰度化
for i in range(1, 6):
    t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)

2.2 直方图计算（结果其实是二维的图表--用画图的方式展示）

calcHist参数讲解

第一个参数： 必须为列表[],哪怕只有一个图片 ，image输入图像
channels:：传入图像的通道， 如果是灰度图像，那就不用说了，只有一个通道，值为0 ，如果是彩色图像（有3个通道），那么值为0,1,2,中选择一个，对应着BGR各个通道。这个值也得用[]传入。
mask：掩膜图像。 如果统计整幅图，那么为none 。主要是如果要统计部分图的直方图，就得构造相应的炎掩膜来计算。
histSize：灰度级的个数， 需要中括号，比如[256]
ranges:像素值的范围， 通常[0,256] ，有的图像如果不是0-256，比如说你来回各种变换导致像素值负值、很大，则需要调整后才可以。

 #直方图计算的函数，反应灰度值的分布情况
    hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])

    h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])

2.3 相关性比较

cv2.compareHist(H1, H2, method)

其中：

H1，H2 分别为要比较图像的直方图
method - 比较方式
比较方式（method）
相关性比较 (method=cv.HISTCMP_CORREL) 值越大，相关度越高，最大值为1，最小值为0-----------------------只用一种固然不是很严谨，但这里做示范，把阈值调高也差不多（ 取大于等于0.9 ）
卡方比较(method=cv.HISTCMP_CHISQR 值越小，相关度越高，最大值无上界，最小值0
巴氏距离比较(method=cv.HISTCMP_BHATTACHARYYA) 值越小，相关度越高，最大值为1，最小值为0

#相关性计算，采用相关系数的方式
    result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)

2.4 展示结果（判断阈值）

三、完整代码

# -*- coding: UTF-8 -*-
import cv2
from PIL import Image, ImageDraw, ImageFont

img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

for i in range(1, 6):
    t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)

    #直方图计算的函数，反应灰度值的分布情况
    hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])

    h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])
    #相关性计算，采用相关系数的方式
    result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)
    im = Image.open(str(i) + ".bmp")

    draw = ImageDraw.Draw(im)
    fnt = ImageFont.truetype(r‘C:\Windows\Fonts\simsun.ttc‘, 30)
    #这里视作》=0.9认为相似，即合格
    if result >=0.9:
        draw.text((5, 10), u‘合格‘, fill=‘red‘, font=fnt)
    else:
        draw.text((5, 10), u‘不合格‘, fill=‘red‘, font=fnt)
    im.show("result" +str(i) + ".png")

源码加群：850591259

原文：https://www.cnblogs.com/Py1233/p/12653118.html

python opencv 图片缺陷检测!

二、步骤（完整代码见最后）

2.1灰度转换（将原图和要检测对比的图分开灰度化）

2.2 直方图计算（结果其实是二维的图表--用画图的方式展示）

2.3 相关性比较

2.4 展示结果（判断阈值）

相关系数含义参考表

三、完整代码