基于 OpenCV 的机器视觉入门实验：零件瑕疵检测

一、实验目的

通过学习使用 OpenCV 库中的图像处理相关函数，掌握基本的机器视觉技术，实现零件瑕疵检测。

二、实验原理

零件瑕疵检测是机器视觉应用的典型案例之一，其基本流程如下：

图像采集：使用相机等设备对待检测的零件进行拍摄，获取待检测的图像。
图像预处理：对采集的图像进行预处理，包括灰度化、滤波、二值化等操作，以便后续的处理。
特征提取：根据待检测零件的特征，提取出与瑕疵有关的特征信息。
瑕疵检测：通过特征提取的结果，对图像中的瑕疵进行检测，判断零件是否存在瑕疵。
结果输出：根据瑕疵检测的结果，输出检测结果，包括瑕疵位置、类型等信息。

在本实验中，我们将使用 OpenCV 库中的函数实现图像的预处理、特征提取和瑕疵检测。

三、实验内容

本实验的主要内容是利用 OpenCV 库实现零件瑕疵检测，具体步骤如下：

图像采集：使用相机等设备对待检测的零件进行拍摄，获取待检测的图像。在本实验中，我们使用的是预先准备好的图像文件。

图像预处理：对采集的图像进行预处理，包括灰度化、滤波、二值化等操作，以便后续的处理。具体步骤如下：

(1) 读取图像文件并显示：

import cv2

img = cv2.imread('part.jpg', cv2.IMREAD_COLOR)  # 读取彩色图像
cv2.imshow('Original Image', img)  # 显示原图像
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

(2) 灰度化：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度化
cv2.imshow('Gray Image', gray)  # 显示灰度图像
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

(3) 滤波：

blur = cv2.GaussianBlur(gray, (5, 5), 0)  # 高斯滤波
cv2.imshow('Blur Image', blur)  # 显示滤波后的图像
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

(4) 二值化：

ret, binary = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)  # 二值化
cv2.imshow('Binary Image', binary)  # 显示二值化后的图像
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

特征提取：根据待检测零件的特征，提取出与瑕疵有关的特征信息。在本实验中，我们将使用图像中的轮廓信息进行特征提取，具体步骤如下：

contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 提取轮廓
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)  # 绘制轮廓
cv2.imshow('Contours Image', img)  # 显示绘制轮廓后的图像
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

瑕疵检测：通过特征提取的结果，对图像中的瑕疵进行检测，判断零件是否存在瑕疵。在本实验中，我们将检测轮廓的面积是否符合要求，判断是否存在瑕疵，具体步骤如下：

for i in range(len(contours)):
    area = cv2.contourArea(contours[i])  # 计算轮廓面积
    if area < 500:  # 判断面积是否符合要求
        cv2.drawContours(img, contours, i, (0, 255, 0), 2)  # 绘制瑕疵轮廓
        cv2.putText(img, 'defect', tuple(contours[i][0][0]), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)  # 在瑕疵轮廓上标注文字
cv2.imshow('Defect Image', img)  # 显示检测结果
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

四、实验结果

经过图像预处理、特征提取和瑕疵检测，我们得到了零件瑕疵检测的结果，如下图所示：

可以看出，经过检测，该零件存在一个瑕疵，检测结果正确。

五、实验总结

本实验通过使用 OpenCV 库中的函数实现了零件瑕疵检测，掌握了基本的机器视觉技术，包括图像预处理、特征提取和瑕疵检测等。同时也了解到了在实际应用中，需要根据具体情况选择不同的算法和参数，以达到更好的检测效果。