Halcon缺陷檢測例項轉OpenCV實現(三) 物體凸缺陷檢測

    Halcon缺陷檢測例項轉OpenCV實現(一)---網格缺陷檢測

    Halcon缺陷檢測例項轉OpenCV實現(二)---PCB印刷缺陷檢測

---

    本期文章繼續介紹缺陷檢測專題的第三個案例，用OpenCV實現Halcon中一個物體凸缺陷檢測的例項，前兩個案例連結如上↑↑↑。

    Halcon中對應的例子為fin.hdev，源圖均有凸起缺陷，如下圖所示：

    Halcon例項對應的效果和方法大家可以自己檢視，這裡做簡單說明。核心運算元共4個：

•  

binary_threshold (Fin, Background, 'max_separability', 'light', UsedThreshold)

---二值化獲取右邊白色亮區域，接下來轉為檢測白色區域的凹缺陷來檢測

•  

closing_circle (Background, ClosedBackground, 250)

---使用半徑為250的圓形結構元素做閉運算

•  

difference (ClosedBackground, Background, RegionDifference)

---二值化結果區域與閉運算結果區域做差

•  

opening_rectangle1 (RegionDifference, FinRegion, 5, 5)

---5x5的結構元素做開運算，濾除邊緣噪點，剩餘真正的缺陷區域

    下面介紹用Python-OpenCV來實現的步驟。第一種方法也採用上面的方式，將對應的運算元轉換成OpenCV對應的函式和方法。

(1) 二值化方法採用OTSU閾值方法，得到的效果基本與binary_threshold

(2) 閉運算結構元素採用半徑125的圓形結構元素(這一點和Halcon有差異，如果設定為250，fin2.png腐蝕過度，有可能是運算元或者結構元素差異造成)

(3) 做差使用cv2.absdiff()函式即可

(4) 開運算結構元素設定5x5圓形結構元素，效果比矩形結構元素好些

---

下面是完整程式碼(含關鍵步驟註釋)和檢測效果：

•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  

import numpy as npimport cv2
font = cv2.FONT_HERSHEY_SIMPLEX
img = cv2.imread('./imgs/fin1.png')cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# OTSU閾值ret,background = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)cv2.imshow('thresh',background)
# 250*250圓形結構元素--閉運算k1 = np.zeros((250, 250),np.uint8)cv2.circle(k1,(125,125),125,(1,1,1),-1,cv2.LINE_AA)#print(k1)
closing = cv2.morphologyEx(background, cv2.MORPH_CLOSE, k1, None, None, 1)#閉運算cv2.imshow('closing',closing)# 影像差分diff = cv2.absdiff(background, closing)cv2.imshow('diff',diff)
# 5*5圓形結構元素--開運算#k2=np.ones((5,5), np.uint8) #矩形結構元素k2 = np.zeros((5, 5),np.uint8)cv2.circle(k2,(2,2),2,(1,1,1),-1,cv2.LINE_AA)print(k2)
# 開運算opening = cv2.morphologyEx(diff, cv2.MORPH_OPEN, k2)#閉運算cv2.imshow('opening',opening)
# 輪廓查詢contours,hierarchy = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
isNG = False# 結果判斷(還可以自己設定缺陷大小來刪選) if len(contours) > 0:  isNG = True  cv2.drawContours(img,contours,-1,(0,0,255),2)
if isNG:  rect, basline = cv2.getTextSize('Detect NG', font, 1.0, 2)  cv2.rectangle(img, (10,10,int(rect[0]*0.7),rect[1]), (212, 233, 252), -1, 8)  cv2.putText(img,'Detect NG', (10,5+rect[1]), font, 0.7, (0,0,255), 2)else:  rect, basline = cv2.getTextSize('Detect OK', font, 1.0, 2)  cv2.rectangle(img, (10,10,int(rect[0]*0.7),rect[1]), (212, 233, 252), -1, 8)  cv2.putText(img,'Detect OK', (10,5+rect[1]), font, 0.7, (0,200,0), 2)  cv2.imshow('result', img)cv2.waitKey(0)cv2.destroyAllWindows()

執行結果：

    當然實現方法並不唯一，大家有好的方法可以在文末留言，歡迎大家一起交流。更多視覺影像處理相關內容不要忘記關注我們喲！

△長按關注OpenCV與AI深度學習，獲取最新CV乾貨