OpenCV 机器视觉入门：零件瑕疵检测实验报告（含代码）

实验目的

本实验旨在通过使用 OpenCV 进行图像处理和分析，从而实现零件瑕疵检测。

实验原理

零件瑕疵检测是一项常见的视觉检测任务。在本实验中，我们将使用 OpenCV 进行图像处理和分析，以检测零件的瑕疵。我们将使用以下几个步骤来完成此任务：

读取图像并将其转换为灰度图像。
对图像进行高斯滤波以去除噪声。
对图像进行二值化处理，以便更容易地检测瑕疵。
使用形态学操作来填充瑕疵并消除小的噪点。
使用轮廓检测来识别瑕疵。
将检测到的瑕疵标记在原始图像上。

实验步骤

导入必要的库。

import cv2
import numpy as np

读取并显示原始图像。

img = cv2.imread('part.jpg')
cv2.imshow('Original Image', img)
cv2.waitKey(0)

将图像转换为灰度图像。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale Image', gray)
cv2.waitKey(0)

对图像进行高斯滤波以去除噪声。

blur = cv2.GaussianBlur(gray, (5, 5), 0)
cv2.imshow('Blurred Image', blur)
cv2.waitKey(0)

对图像进行二值化处理。

thresh = cv2.threshold(blur, 60, 255, cv2.THRESH_BINARY)[1]
cv2.imshow('Thresholded Image', thresh)
cv2.waitKey(0)

使用形态学操作来填充瑕疵并消除小的噪点。

kernel = np.ones((5,5), np.uint8)
closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Closed Image', closing)
cv2.waitKey(0)

使用轮廓检测来识别瑕疵。

contours, hierarchy = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

将检测到的瑕疵标记在原始图像上。

for c in contours:
    area = cv2.contourArea(c)
    if area > 100:
        x, y, w, h = cv2.boundingRect(c)
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)

cv2.imshow('Defected Image', img)
cv2.waitKey(0)

完整代码

import cv2
import numpy as np

# Read and display original image
img = cv2.imread('part.jpg')
cv2.imshow('Original Image', img)
cv2.waitKey(0)

# Convert image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale Image', gray)
cv2.waitKey(0)

# Apply Gaussian blur to remove noise
blur = cv2.GaussianBlur(gray, (5, 5), 0)
cv2.imshow('Blurred Image', blur)
cv2.waitKey(0)

# Apply thresholding to create binary image
thresh = cv2.threshold(blur, 60, 255, cv2.THRESH_BINARY)[1]
cv2.imshow('Thresholded Image', thresh)
cv2.waitKey(0)

# Apply morphological closing to fill defects and remove small noise
kernel = np.ones((5,5), np.uint8)
closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Closed Image', closing)
cv2.waitKey(0)

# Find contours in the image
contours, hierarchy = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# Mark defects on the original image
for c in contours:
    area = cv2.contourArea(c)
    if area > 100:
        x, y, w, h = cv2.boundingRect(c)
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)

cv2.imshow('Defected Image', img)
cv2.waitKey(0)

# Clean up
cv2.destroyAllWindows()

实验结果

运行上述代码后，我们得到以下结果：

Defected Image

我们可以看到，检测到了几个零件的瑕疵，并将其标记在原始图像上。

结论

本实验使用 OpenCV 实现了图像处理和分析，从而实现了零件瑕疵检测。我们使用了灰度转换、高斯滤波、二值化、形态学操作和轮廓检测等步骤来完成此任务。这个实验可以作为入门级别的 OpenCV 机器视觉项目，帮助我们了解如何使用 OpenCV 进行图像处理和分析。