python图像缺陷检测_python OpenCV 实现缺陷检测

机器视觉第七次实验

一、实验目的

通过OpenCV第七次进行实验，对图片进行缺陷检测。

二、实验内容

对图片进行缺陷测量。

三、实验过程

我在实验中运用Python编程语言及其OpenCV库来实现图片缺陷检测功能模块。在实验过程中，我们需导入cv2模块用于图像处理；同时引入PIL库中的Image、ImageDraw和ImageFont子模块。

1)读取图片并且将其灰度化

我们通过一个for循环结构来获取全部需要被检测的图片数据，并对这些图像进行灰度化处理；随后调用imread()函数来读取这些图像数据。

代码实例：

img = cv2.imread("0.bmp")

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

for i in range(1, 6):

t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)

图3.1图片灰度化

2)计算图片的直方图

使用calcHist()函数进行计算：

实例代码：

#计算图像直方图

hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])

h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])

3)图片上字体，字号

输入的代码：

#对比图片相似度

result = sum(hist - h1)[0]

#打开PIL创建的图像

im = Image.open(str(i) + ".bmp")

#创建一个操作对象

draw = ImageDraw.Draw(im)

#字体对象为simsun，字大小为30号

fnt = ImageFont.truetype(r'C:\Windows\Fonts\simsun.ttc', 30)

4)判断图片是否合格

使用一个if语句，如果图片对比原图相似度小于10，则合格；否则不合格。

实例代码：

if result < 10:

draw.text((5, 10), u'合格', fill='red', font=fnt)

else:

draw.text((5, 10), u'不合格', fill='red', font=fnt)

5)显示图片

实例代码：

im.show("result"+str(i)+".png")

图3.2显示合格与否的图片

四、实验中的错误

此次实验中未遇到到太大的问题。

五、实验总结

学习了OpenCV的缺陷检测技术，提升了自己的能力。