06OpenCVSharp角点检测与检测平整度

06OpenCVSharp 角点检测 检测平整度。 代码仅供参考。工厂里检测金属板平整度这事可太常见了。老师傅拿个游标卡尺左量右测咱们程序猿当然要琢磨怎么用代码搞定。今天说个骚操作——用角点检测判断平面平整度听着不靠谱别急看完代码再说。先整张带折痕的铝板照片图1咱们用OpenCVSharp开搞。核心代码就二十行var src Cv2.ImRead(metal_sheet.jpg, ImreadModes.Color); var gray new Mat(); Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY); // 关键参数在这 var corners Cv2.GoodFeaturesToTrack( gray, maxCorners: 50, qualityLevel: 0.01, minDistance: 10); foreach (var p in corners) { Cv2.Circle(src, (int)p.X, (int)p.Y), 5, Scalar.Red, -1); }这GoodFeaturesToTrack方法用的是Shi-Tomasi角点检测算法。重点看三个参数maxCorners控制最大角点数试过设成100结果满屏红点根本没法看qualityLevel是筛选阈值我习惯从0.01开始慢慢调minDistance决定角点间最小间距防止扎堆。跑完代码发现个怪现象平整区域角点分布均匀但有折痕的地方突然冒出密集红点图2。后来想明白了——材料变形导致表面纹理产生不规则突变算法把这些突变点都当角点了。反过来想这不正好用来检测缺陷么06OpenCVSharp 角点检测 检测平整度。 代码仅供参考。进阶玩法可以统计角点分布方差。写个统计函数double CalculateSpreadVariance(Point2f[] points) { var center new Point2f( points.Average(p p.X), points.Average(p p.Y)); return points.Sum(p Math.Pow(p.X - center.X, 2) Math.Pow(p.Y - center.Y, 2)); }算出来的方差值越大说明表面平整度越差。实测效果比单纯看角点数量靠谱毕竟有些材料本身就有规则纹理。遇到过坑爹情况反光严重的金属板会干扰检测。解决方法先做个直方图均衡化var clahe Cv2.CreateCLAHE(2.0, new Size(8,8)); clahe.Apply(gray, gray);对比度拉高后表面细微凹凸更容易被识别。不过CLAHE的参数要看具体材质不锈钢和铝板的最佳参数能差三倍。最后提醒别拿这方法去检航天零件哈工业场景要求99.9%精度时还是得上激光扫描。但日常质检应付个把毫米级误差这套代码足够让质检大姐少唠叨你两回了。