opencv 五 缺陷检测实战1（检测以连通域面积特征为缺陷）

一、检测需求

对某工业产品进行缺陷检测，图像示例如下所示，其缺陷为图中的大面积黑色区域

二、问题分析

上图为灰度图，由网格状排列黑点和大面积的黑点区域（即缺陷）组成，具体缺陷类型为粘连，其形态学特征为 连通域面积较大。
查找图中缺陷（大面积的黑点）算法的核心思想为：遍历所有的轮廓，根据面积判断缺陷，当连通域面积大于一定的值（面积比普通的黑点大），即判断为缺陷，并在原图上标出缺陷轮廓。

三、基本实现步骤

1、读取图像、修改尺寸并进行灰度化处理 【图像路径要用双斜杠】
2、对图片进行全局2值化处理 【二值化阈值要适度调整；因为目标连通域是黑色，故进行颜色翻转】
3、对图形进行腐蚀 【使图形变细，连通域断开，避免误检】
4、遍历连通域，按面积筛选缺陷 【findContours：查找所有连通域；aero：计算特定连通域的面积 ；drawContours：绘制特定连通域】

四、实现过程

4.1 读取图片并修改尺寸

读取图片后将图片修改成合适的大小，这样方便看到展示的效果。读取图片时要注意读取为彩色后，因为最后的缺陷检测出来后要用红色线条标记在原图上。

Mat img =imread("C:\\Users\\aaa\\Desktop\\缺陷检测.png");//注意文件名之间用双//
Mat img2;resize(img, img2,{600,400});//将原图修改为600*400的图片

4.2 将尺寸合适的彩色图修改为灰度图

运用cvtColor函数将BGR颜色空间的图片（img2）转换为GRAY（灰度图），结果保存到gray_mat。

Mat gray_mat;cvtColor(img2,  gray_mat, cv::COLOR_BGR2GRAY);imshow("01. 灰度图", gray_mat);

代码运行效果如下所示：

4.3 全局二值化

运用threshold函数将图片gray_mat进行全局二值化，结果存入bin_mat图片中。二值化阈值要根据不同的图片适度调整，也可以使用大津法进行全局二值化（THRESH_OTSU），亦可使用局部二值化方法。

Mat  bin_mat;threshold(gray_mat, bin_mat,128,255, THRESH_BINARY);//threshold(gray_mat, bin_mat, 0, 255, THRESH_OTSU);//大津法//adaptiveThreshold(img, ez_mat, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 35, 10);//局部二值化方法,自适应阈值imshow("02.2值图", bin_mat);

代码运行效果如下所示：

4.4 颜色翻转

因为二值化后目标连通域是黑色，故进行颜色翻转，方便下一步的操作。代码如下图所示：

Mat  inv_mat;
inv_mat =255- bin_mat;imshow("03.颜色翻转", inv_mat);

代码运行效果如下所示：

颜色翻转之后，二值化后黑色的大面积连通区域（缺陷）就变为了白色。

4.5 腐蚀

使图形变细，连通域断开，避免误检（因为可能潜在边缘区域粘连）；腐蚀操作的结构元素（element ）的大小要按照实际效果进行调整。

//定义一个3*3的矩形元素
    Mat erode_mat;
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3,3));erode(inv_mat, erode_mat, element);//用element进行腐蚀imshow("04.腐蚀", erode_mat);

代码运行效果如下所示：

4.5 连通域筛选

遍历所有连通域，按面积筛选缺陷 。运用findContours函数查找指定变量（erode_mat）的所有连通域，结果存在contours里面；运用aero函数计算特定连通域（contours[i]）的面积 ；当连通域面积大于指定值（1000）时运用drawContours函数绘制特定连通域（contours,i）到img2（修改尺寸后的彩色图）上。

//查找erode_mat的轮廓，结果存在contours里面
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;findContours(erode_mat, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE,Point());//遍历所有轮廓，绘制缺陷轮廓for(int i =0; i < contours.size(); i++){int aero=contourArea(contours[i]);//计算轮廓面积if(aero >1000){//绘制轮廓  drawContours(img2, contours, i,Scalar(0,0,255),-1,8, hierarchy);
            cout << i <<"  aero:"<< aero<<endl;}}imshow("05.Contours Image", img2);//轮廓  

代码运行效果如下所示：

5、全部代码

#include<iostream>#include<opencv2/opencv.hpp>#include<opencv2/highgui.hpp>#include<opencv2/imgproc.hpp>#include<iostream>#include<assert.h>#include<vector>#include<io.h>#include<stdlib.h>#include<stdio.h>#include<windows.h>#include<iostream>#include<cstring>#include<string>usingnamespace std;usingnamespace cv;intmain(){/*进行基本缺陷检测，具体缺陷类型为粘连，具体形态学特征为 连通域面积较大
      核心思想： 遍历所有的轮廓，根据面积判断缺陷
      基本步骤：
            1、读取图像、修改尺寸并进行灰度化处理  【图像路径要用双斜杠】
            2、对图片进行全局2值化处理 【二值化阈值要适度调整；因为目标连通域是黑色，故进行颜色翻转】
            3、对图形进行腐蚀 【使图形变细，连通域断开，避免误检】
            4、遍历连通域，按面积筛选缺陷 【findContours：查找所有连通域；
               aero：计算特定连同域的面积 ；drawContours：绘制特定连通域】
            */
    Mat img =imread("C:\\Users\\aaa\\Desktop\\缺陷检测.png");
    Mat img2;resize(img, img2,{600,400});imshow("0修改尺寸", img2);
    Mat gray_mat;cvtColor(img2,  gray_mat, cv::COLOR_BGR2GRAY);imshow("01. 灰度图", gray_mat);
    Mat  bin_mat;threshold(gray_mat, bin_mat,128,255, THRESH_BINARY);imshow("02.2值图", bin_mat);
    Mat  inv_mat;
    inv_mat =255- bin_mat;imshow("03.颜色翻转", inv_mat);//定义一个3*3的矩形元素
    Mat erode_mat;
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3,3));erode(inv_mat, erode_mat, element);//用element进行腐蚀imshow("04.腐蚀", erode_mat);//查找erode_mat的轮廓，结果存在contours里面
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;findContours(erode_mat, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE,Point());//遍历所有轮廓，绘制缺陷轮廓for(int i =0; i < contours.size(); i++){int aero=contourArea(contours[i]);//计算轮廓面积if(aero >1000){//绘制轮廓  drawContours(img2, contours, i,Scalar(0,0,255),-1,8, hierarchy);
            cout << i <<"  aero:"<< aero<<endl;}}imshow("05.Contours Image", img2);//轮廓  waitKey(0);return0;}