【cv智能检测】图像识别对产品中形状不合格的残次品的智能检测

CV对图像中产品的质量进行检测

检测原理：

	对图像进行系列操作完成图像的拆分，然后通过构建图像中物体的外接圆，并通过图像面积和外接圆面积的比值是否大于预先定义的阈值，来确定物品形状是不是残次品。

检测过程：

核心代码：

import cv2
from cv.basic.imsw import show,show2
import numpy as np
#读取图像
img = cv2.imread('img1/cutobj.jpg')
#预先处理步骤
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#图像二值化
ret,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
#开运算核定义
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
#形态学开运算
op=cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations=1)
#距离变换确定前景点,大于3为前景
dist_tf = cv2.distanceTransform(op,cv2.DIST_L2,3)
ret,fore = cv2.threshold(dist_tf,0.3*dist_tf.max(),255,0)
#把前景fore去噪
kernel=np.ones((3,3),np.uint8)
op2 = cv2.morphologyEx(fore,cv2.MORPH_OPEN,kernel)
#把去噪后的图像恢复数组图np.array()
op2 = np.array(op2,np.uint8)
#对图像进行精确提取轮廓
contours,_ = cv2.findContours(op2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#进行缺陷检测
count=0
good=0
font=cv2.FONT_HERSHEY_COMPLEX
for cnt in contours:(x,y),ras=cv2.minEnclosingCircle(cnt)center = (int(x),int(y))ras = int(ras)circle_img = cv2.circle(op2,center,ras,(255,255,255),1)area_circle = 3.14*ras*rasarea = cv2.contourArea(cnt)#通过轮廓面积和外接圆面积比大于阈值0.5证明没有缺陷，1百分百完美。if area/area_circle>=0.5:img=cv2.putText(img,'OK',center,font,1,(255,255,255),2)good+=1else:img = cv2.putText(img, 'bad', center, font, 1, (255, 255, 255), 2)count += 1
img = cv2.putText(img,('total={},OK={}'.format(count,good)),(20,30),font,1,(255,255,255),)
show(img)

结果输出

左图为源图，右图为结果图