利用python-OpenCV對成像有瑕疵的圖片進行檢測

任務

利用路由器將海康工業相機成像傳遞給工控機的過程中，部分圖像出現成行的綠線，如下圖所示，用python-OpenCV進行處理，追求在最短的時間內檢測出有瑕疵的圖片進行排除。

 

                                                                                                             圖1

使用halcon18進行協助，按住CTRL，光標會顯示該像素點的坐標以及gb，很方便發現綠線的rgb分別是（0，136，0）

思路：通道分離》二值化》遍歷像素點的像素，找出符合條件像素，就進行累加》遍歷完一行的像素點的像素值，對累加值與圖片寬進行比較，判斷是否是綠線。

         

 

 

第一次程序

 但是缺點十分明顯，圖片大，600萬像素，遍歷十分耗時，對圖片的長寬都進行了縮放，再進行處理，縮小5倍，代碼如下

import cv2 as cv
import time

startTime = time.time()
img = cv.imread(r'C:\Users\Administrator\Desktop\2\07.bmp')

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

dstHeight = int(height*0.2)
dstWdth = int(width*0.2)
dst = cv.resize(img,(dstWdth,dstHeight))
# cv.imshow('dst',dst)

b,g,r = cv.split(dst)
# cv.imshow('green',g)

ret1, thresh1 = cv.threshold(g,135,255,cv.THRESH_BINARY_INV)
# cv.imshow('th',thresh1)
h,w = thresh1.shape

num1 = 0
s = 0
for i in range(h):
    n = num1/w
    if n >= 0.2:   # 排除噪音干擾
        s += 1
    num1 = 0
    for j in range(w):
        if thresh1[i,j] == 0:
            num1 += 1
print('總共有 '+str(s) +' 條綠線')

endTime = time.time()
uesTime = endTime-startTime
print('總共花了 '+str(uesTime) +' 秒')

cv.waitKey(0)
cv.destroyAllWindows()

結果：只有4條線，完全不符合實際結果

 

 不對圖像進行縮放

 

 僅僅對一張圖片進行檢測就耗時太久了，不符合實際項目要求。

第二次程序

解決方法：同時對圖像的行與列進行壓縮會使綠線的航速變少，為了減少程序時間，對圖像進行列（寬）壓縮，行（高）不變。

import cv2 as cv
import time

startTime = time.time()
img = cv.imread(r'C:\Users\Administrator\Desktop\2\07.bmp')

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

dstHeight = int(height*1)
dstWdth = int(width*0.1)
dst = cv.resize(img,(dstWdth,dstHeight))
# cv.imshow('dst',dst)

b,g,r = cv.split(dst)
# cv.imshow('green',g)

ret1, thresh1 = cv.threshold(g,135,255,cv.THRESH_BINARY_INV)
# cv.imshow('th',thresh1)
h,w = thresh1.shape

num1 = 0
s = 0
for i in range(h):
    n = num1/w
    if n >= 0.2:   # 排除噪音干擾
        s += 1
    num1 = 0
    for j in range(w):
        if thresh1[i,j] == 0:
            num1 += 1
print('總共有 '+str(s) +' 條綠線')

endTime = time.time()
uesTime = endTime-startTime
print('總共花了 '+str(uesTime) +' 秒')

cv.waitKey(0)
cv.destroyAllWindows()

二值化處理圖像效果如下（縮放為0.2，0.2）：

 

 

將寬壓縮了十倍，綠線檢測數量不變，時間直接減少將近十倍。對二十張圖像進行檢測，這種算法對目標缺陷檢測無干擾，但能有效縮減時間。但是還是存在噪音干擾。

 

 最后程序

增加了圖片不同通道圖片的像素相減，代替了單純的二值化處理

import cv2 as cv
import time

startTime = time.time()

endTime = time.time()
uesTime = endTime-startTime
print('總共花了 '+str(uesTime) +' 秒')


cv.waitKey(0)
cv.destroyAllWindows()

通道相減處理圖像效果如下（縮放為0.2，0.2）：

 時間無太大變化，閾值取值更加簡單明確，綠線檢測數量一樣。