python opencv 圖片缺陷檢測（講解直方圖以及相關系數對比法）

一、利用直方圖的方式進行批量的圖片缺陷檢測（方法簡單）

 

二、步驟（完整代碼見最后）

　　2.1灰度轉換（將原圖和要檢測對比的圖分開灰度化）

　　　　灰度化的作用是因為后面的直方圖比較需要以像素256為基准進行相關性比較

　

img = cv2.imread("0.bmp")
#原圖灰度轉換
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

#循環要檢測的圖，均灰度化
for i in range(1, 6):
    t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)

 

　　2.2 直方圖計算（結果其實是二維的圖表--用畫圖的方式展示）

calcHist參數講解

• 第一個參數：必須為列表[],哪怕只有一個圖片，image輸入圖像
• channels:：傳入圖像的通道，如果是灰度圖像，那就不用說了，只有一個通道，值為0，如果是彩色圖像（有3個通道），那么值為0,1,2,中選擇一個，對應着BGR各個通道。這個值也得用[]傳入。
• mask：掩膜圖像。如果統計整幅圖，那么為none。主要是如果要統計部分圖的直方圖，就得構造相應的炎掩膜來計算。
• histSize：灰度級的個數，需要中括號，比如[256]
• ranges:像素值的范圍，通常[0,256]，有的圖像如果不是0-256，比如說你來回各種變換導致像素值負值、很大，則需要調整后才可以。

 #直方圖計算的函數，反應灰度值的分布情況
    hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])

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

 

 　　2.3 相關性比較

cv2.compareHist(H1, H2, method)
其中：

• H1，H2 分別為要比較圖像的直方圖
• method - 比較方式
• 比較方式（method）
• 相關性比較 (method=cv.HISTCMP_CORREL) 值越大，相關度越高，最大值為1，最小值為0-----------------------只用一種固然不是很嚴謹，但這里做示范，把閾值調高也差不多（取大於等於0.9）
• 卡方比較(method=cv.HISTCMP_CHISQR 值越小，相關度越高，最大值無上界，最小值0
• 巴氏距離比較(method=cv.HISTCMP_BHATTACHARYYA) 值越小，相關度越高，最大值為1，最小值為0

 

#相關性計算，采用相關系數的方式
    result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)

 

 　　2.4 展示結果（判斷閾值）

相關系數含義參考表

 

 

 

 im = Image.open(str(i) + ".bmp")

    draw = ImageDraw.Draw(im)
    fnt = ImageFont.truetype(r'C:\Windows\Fonts\simsun.ttc', 30)
    #這里視作》=0.9認為相似，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")

 

三、完整代碼

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

img = cv2.imread("0.bmp")
#原圖灰度轉換
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

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

    #直方圖計算的函數，反應灰度值的分布情況
    hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])

    h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])
    #相關性計算，采用相關系數的方式
    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)
    #這里視作》=0.9認為相似，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")

參考博文：

1. Python-Opencv中用compareHist函數進行直方圖比較進行對比圖片：https://blog.csdn.net/qq_44262417/article/details/89217011
2. OpenCV-Python 直方圖-1：查找、繪制和分析｜二十六：http://baijiahao.baidu.com/s?id=1655424859576397139&wfr=spider&for=pc

 希望幫助能大家理解直方圖以及比較函數作用！！!