Halcon缺陷检测实例转OpenCV实现(一)---网格缺陷检测

    Halcon缺陷检测实例转OpenCV实现(二)---PCB印刷缺陷检测

---

    本期文章继续介绍缺陷检测专题的第三个案例，用OpenCV实现Halcon中一个物体凸缺陷检测的实例，前两个案例链接如上↑↑↑。

    Halcon中对应的例子为fin.hdev，源图均有凸起缺陷，如下图所示：

    Halcon实例对应的效果和方法大家可以自己查看，这里做简单说明。核心算子共4个：

•  

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

---二值化获取右边白色亮区域，接下来转为检测白色区域的凹缺陷来检测

•  

closing_circle (Background, ClosedBackground, 250)

---使用半径为250的圆形结构元素做闭运算

•  

difference (ClosedBackground, Background, RegionDifference)

---二值化结果区域与闭运算结果区域做差

•  

opening_rectangle1 (RegionDifference, FinRegion, 5, 5)

---5x5的结构元素做开运算，滤除边缘噪点，剩余真正的缺陷区域

    下面介绍用Python-OpenCV来实现的步骤。第一种方法也采用上面的方式，将对应的算子转换成OpenCV对应的函数和方法。

(1) 二值化方法采用OTSU阈值方法，得到的效果基本与binary_threshold

(2) 闭运算结构元素采用半径125的圆形结构元素(这一点和Halcon有差异，如果设置为250，fin2.png腐蚀过度，有可能是算子或者结构元素差异造成)

(3) 做差使用cv2.absdiff()函数即可

(4) 开运算结构元素设置5x5圆形结构元素，效果比矩形结构元素好些

---

下面是完整代码(含关键步骤注释)和检测效果：

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

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阈值ret,background = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)cv2.imshow('thresh',background)
# 250*250圆形结构元素--闭运算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)#闭运算cv2.imshow('closing',closing)# 图像差分diff = cv2.absdiff(background, closing)cv2.imshow('diff',diff)
# 5*5圆形结构元素--开运算#k2=np.ones((5,5), np.uint8) #矩形结构元素k2 = np.zeros((5, 5),np.uint8)cv2.circle(k2,(2,2),2,(1,1,1),-1,cv2.LINE_AA)print(k2)
# 开运算opening = cv2.morphologyEx(diff, cv2.MORPH_OPEN, k2)#闭运算cv2.imshow('opening',opening)
# 轮廓查找contours,hierarchy = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
isNG = False# 结果判断(还可以自己设置缺陷大小来删选) 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()

运行结果：

    当然实现方法并不唯一，大家有好的方法可以在文末留言，欢迎大家一起交流。更多视觉图像处理相关内容不要忘记关注我们哟！

△长按关注OpenCV与AI深度学习，获取最新CV干货