python - 使用 OpenCV 进行裂纹检测之前去除背景纹理图案

Question

我想检测移动的传送带上的裂缝。下面是一个例子:

对于上图，我可以先使用 GaussianBlur，然后使用 Canny，然后使用 findContour 来检测裂缝。但是在其他情况下，我需要检测带厚图案的皮带上的裂纹。例如，下面是没有裂纹的“重纹”腰带。 (抱歉，我找不到这种类型的腰带有裂纹)。

我的旧方法在这种类型的腰带上效果不佳。如果我为 GaussianBlur 使用更大的内核，我可以移除皮带图案。但它也减少/消除了裂纹。

更新:这是另一个 blob 类型的破解图像。

我尝试使用 SimpleBlobDetector 检测它。但是在厚重的花纹带上，它给出了很多误报。关于如何检测带图案的皮带上的类似 Blob 有什么建议吗？

更新 2:

我听从了 @nathancy 关于 bilateralFilter 的建议:

min_area = 400
blur = cv2.bilateralFilter(gray, 11, 125, 125)
thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,3,2)
canny = cv2.Canny(thresh, 120, 255, 1)

放大后的图像如下。

对于这些特定的图片，我可以做一个“min_area = 400”来区 split 缝和图案。然而，较大的内核模糊也会将部 split 缝与图案一起擦掉。所以我预计 min_area 选择在更复杂的真实环境(即不同的光照条件等)中不会非常稳定。我有一个问题，因为图案总是 +-45 度。是否有任何过滤器可以帮助去除这些方向的图案？

Answer 1

这是一个潜在的解决方案

• 将图像转换为灰度和中值模糊
• 自适应阈值
• Canny 边缘检测
• 用于清除噪声的形态学转换
• 扩张以增强轮廓
• 寻找轮廓
• 遍历轮廓并使用最小阈值区域进行过滤

---

这是结果

一个潜在的预处理步骤是在检测裂缝之前移除黑暗部分，因为它搞砸了中值模糊和自适应阈值。例如，如果您能够删除最后一张图像上的黑色部分，您将得到这样的结果。

潜在的优化是使用中值模糊，因为这有助于平滑传送带上的图案。您还可以调整最小阈值区域以控制检测到的裂纹的大小

import cv2
import numpy as np

image = cv2.imread('1.png')

blur = cv2.medianBlur(image, 7)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,3)

canny = cv2.Canny(thresh, 120, 255, 1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
opening = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel)
dilate = cv2.dilate(opening, kernel, iterations=2)

cnts = cv2.findContours(dilate, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

min_area = 3000
for c in cnts:
    area = cv2.contourArea(c)
    if area > min_area:
        cv2.drawContours(image, [c], -1, (36, 255, 12), 2)

cv2.imshow('image', image)
cv2.imwrite('image.png', image)
cv2.waitKey(0)