实际操作 检测缺陷刀片

号he

找到目标图像的缺陷位置，首先思路为对图像进行预处理，灰度-二值化-针对图像进行轮廓分析

//定义结构元素
Mat se = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(thre, tc, MORPH_OPEN, se, Point(-1, -1), 1);

目标图形为矩形，RECT，大概在3，3可以自己调整 位置在中心-1，-1.与开操作对图像进行处理

if (rect.height > (height / 2)) {
            continue;
        }
        if (area < 150) {
            continue;
        }根据不同的素材来做筛选，例如此类型就是以图形的行和面积来作为筛选条件，

1，rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
drawContours(image, contours, t, Scalar(0, 0, 255), 2, 8);效果

2，rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
drawContours(frame, contours, t, Scalar(0, 0, 255), 2, 8);效果

做好框架处理后进行目标工件的排序处理，此列以冒泡排序从小到大排序

void sort_box(vector<Rect>& boxes) {
    int size = boxes.size();
    for (int i = 0; i < size - 1; i++) {
        for (int j = i; j < size; j++) {
            int x = boxes[j].x;
            int y = boxes[j].y;
            if (y < boxes[i].y) {
                Rect temp = boxes[i];
                boxes[i] = boxes[j];
                boxes[j] = temp;
            }
        }
    }
}

进行排序好后可以从putText来验证排序结果，初始为6-0，改好后为0-6

---

---

前期的图像处理完毕，后面的思路要对模板图像以及后面的图像进行对比生成mask来确认具有缺陷的刀片。

tpl为刚才观察到的形态良好的工件，将其提取后与其他工件进行对比做差，对Mask进行开操作后观察

将白色部分的尺寸打印出来作为筛选

将白色像素大于50的打印出来

 

运行后发现出现了误检测，因为刀片宽度不统一，所以容易识别错误，所以需要在已经检测到的关键框架进行进一步的筛选。很明显的可以看到最后一个被误检测。首先对筛选出来的图像进行进一步处理

这样可以通过find来更加严谨的找到我们需要的有缺陷的工件。