OpenCV 图像零件瑕疵检测代码示例

本代码示例展示了如何使用 OpenCV 进行图像二值化和轮廓检测，实现简单的图像零件瑕疵检测。

import cv2

# 读入图像
img = cv2.imread('image.jpg')

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 轮廓检测
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

# 显示结果
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

该代码将读入一张名为 'image.jpg' 的图像，先将其转为灰度图像，然后进行二值化处理，接着进行轮廓检测，并将检测结果绘制在原图上。

注意：

该代码仅为示例，可能需要根据具体情况进行调整和优化。
请确保 'image.jpg' 文件存在于当前目录下。

进一步优化

您可以根据具体需求对代码进行以下优化：

使用更精确的二值化算法，例如自适应阈值法。
对轮廓进行筛选，例如面积、周长等。
使用更复杂的特征提取方法，例如形状特征、纹理特征等。
使用机器学习算法进行瑕疵分类。

希望本代码示例对您有所帮助。