python图像缺陷检测_python opencv 图片缺陷检测!
一、利用直方图的方式进行批量的图片缺陷检测(方法简单)
二、步骤(完整代码见最后)
2.1灰度转换(将原图和要检测对比的图分开灰度化)
灰度化的影响源于后面的直方图比较需要以256像素为标准进行相关性比较
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
#循环要检测的图，均灰度化
for i in range(1, 6):
t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)
2.2 直方图计算(结果其实是二维的图表--用画图的方式展示)
calcHist参数讲解
第一个参数： 必须为列表[],哪怕只有一个图片 ，image输入图像
channels: 输入图像是一个多维数据结构，在其中每个像素由多个通道定义。对于灰度图来说，则只有一个通道（数值为0），而对于彩色图来说则有三个通道（数值分别为0、1、2），具体对应于BGR各通道。需要注意的是，在使用这些值时必须将其包裹在方括号内以确保正确性。
mask：遮罩图像。 若对全图进行统计，则结果为空；而当需要对部分图像计算其直方图时，则需相应构建炎状的遮罩来进行处理。
histSize：灰度级的个数， 需要中括号，比如[256]
像素值的范围：一般情况下处于0到256之间；然而，在某些情况下（如经过多种图像变换可能导致负值或超出常规范围），则需经过相应处理后才能使用。
#直方图计算的函数，反应灰度值的分布情况
hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])
h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])
2.3 相关性比较
cv2.compareHist(H1, H2, method)
其中：
H1，H2 分别为要比较图像的直方图
method - 比较方式
比较方式(method)
相关性比较 (method=cv.HISTCMP_CORREL)；数值越大，则关联程度越高；其最大可能取值为1；最小可能取值为0-----------------------单一应用显然不够严谨；为了演示目的单方面应用显然不够严谨；适当提高阈值也行得通（取大于等于0.9）
该方法采用cv.HISTCMP_CHISQR参数进行计算；其特点是当计算出的卡方值较小时表示两组数据之间的相关性较高。该方法的最大计算结果无上限；最小计算结果为0。
采用的方法是cv.HISTCMP_BHATTACHARYYA的巴氏距离计算指标中显示数值越低时相关性越高。该指标的最大取值为1而最小取值为0。
#相关性计算，采用相关系数的方式
result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)
2.4 展示结果(判断阈值)
相关系数含义参考表
im = Image.open(str(i) + ".bmp")
draw = ImageDraw.Draw(im)
fnt = ImageFont.truetype(r'C:\Windows\Fonts\simsun.ttc', 30)
#这里视作》=0.9认为相似，即合格
if result >=0.9:
draw.text((5, 10), u'合格', fill='red', font=fnt)
else:
draw.text((5, 10), u'不合格', fill='red', font=fnt)
im.show("result" +str(i) + ".png")
三、完整代码
-- coding: UTF-8 --
import cv2
from PIL import Image, ImageDraw, ImageFont
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
for i in range(1, 6):
t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)
#直方图计算的函数，反应灰度值的分布情况
hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])
h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])
#相关性计算，采用相关系数的方式
result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)
im = Image.open(str(i) + ".bmp")
draw = ImageDraw.Draw(im)
fnt = ImageFont.truetype(r'C:\Windows\Fonts\simsun.ttc', 30)
#这里视作》=0.9认为相似，即合格
if result >=0.9:
draw.text((5, 10), u'合格', fill='red', font=fnt)
else:
draw.text((5, 10), u'不合格', fill='red', font=fnt)
im.show("result" +str(i) + ".png")
源码加群：850591259