佛山房地产网站建设企业网站设计公司

python-opencv划痕检测

这次实验，我们将对如下图片进行划痕检测，其实这个比较有难度，因为清晰度太差了。

我们做法如下：
（1）读取图像为灰度图像，进行自适应直方图均衡化处理，增强图片对比度
（2）然后进行三次图像去噪 - 高斯滤波
（3）然后我们再进行一次直方图均衡操作增强图片
（4）然后使用canny进行边缘检测
（5）最后使用霍夫曼直线检测，检测划痕线段并绘制

代码实现如下：

import cv2
import copy
import math
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import ospath=r'sta.bmp'img=cv2.imread(path)def cv_show(name,img):cv2.imshow(name,img)#cv2.waitKey(0),接收0，表示窗口暂停cv2.waitKey(0)#销毁所有窗口cv2.destroyAllWindows()def histogram_equalization(image):gray = imageequalized = cv2.equalizeHist(gray)return equalizedcv_show('img',img)
# 图像去噪 - 高斯滤波
def gaussian_filtering(image):blurred = cv2.GaussianBlur(image, (3, 3), 0)return blurred#img=gaussian_filtering(img)#img = histogram_equalization(img)
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)kernel=np.ones((3,3),np.uint8)rows = img_gray.shape[0]  # rows、cols 行列数，rows 也就是高度
cols = img_gray.shape[1]#for i in range(rows):
#    for j in range(cols):
#        print(img_gray[i][j])
#dilate_img=cv2.dilate(img_gray,kernel=kernel,iterations=1)
#ret,dst1=cv2.threshold(img_gray,135,255,cv2.THRESH_BINARY)clahe = cv2.createCLAHE(5,(3,3))
dst = clahe.apply(img_gray)
for i in range(3):dst=gaussian_filtering(dst)
dst=histogram_equalization(dst)
cv_show('dst',dst)kernel=np.ones((3,3),np.uint8)kernel=np.ones((3,3),np.uint8)
kernel=kernel+5img_gray=dst# 转换成灰度图
gray = img_gray
# 边缘检测, Sobel算子大小为3
edges = cv2.Canny(gray, 150, 185, apertureSize=3)
orgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
oShow = orgb.copy()
# 霍夫曼直线检测
lines= cv2.HoughLinesP(edges,1,np.pi/180,10,minLineLength=60,maxLineGap=6)
#遍历
l = lines[:,0,:]
for x1,y1,x2,y2 in l [:]: cv2.line(orgb,(x1,y1),(x2,y2),(0,0,255),1)
#展示
plt.subplot(121)
plt.imshow(gray,'gray')
plt.axis('off')
plt.subplot(122)
plt.imshow(orgb,'gray')
plt.axis('off')plt.show()os.system("pause")

检测结果如下：

有一点效果，但不多。