python - 如何使用python3检测缺陷bean

Question

normal bean sample

defect bean sample-1

我想判断这个bean是正常的还是有缺陷的。我尝试使用 Canny 方法(寻找边缘)等等......但我失败了。我只是用形状来解决它。( splinter 的 bean 和未成型的 bean ......)请给我一些解决办法。

对不起我的英语，它不是我的第一语言。

Answer 1

在图像中“填充裂缝”的最广泛使用的方法之一是膨胀腐 eclipse 。简单地说，你让你的二进制图像在边缘“增长”，所以裂缝被填充，然后你反转这个过程并让它在边缘“收缩” - 但是，由于裂缝已经被填充，没有关于它们留在图像中，因此它们保持填充状态。或许，您可以使用它，然后查看原始图像和扩张腐 eclipse 后图像之间的差异:如果裂缝很少或没有裂缝，则差别很小或没有，如果裂缝很多，则会有差异很大。

例如。让我们将图像转换为二进制黑白蒙版:

def get_th_binary_mask(img):
    gs = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gs, 0, 255, cv2.THRESH_BINARY)
    mask = np.zeros(thresh.shape, np.uint8)
    mask[thresh == 255] = 0
    mask[thresh == 0] = 1
    return mask

现在，只需对矩阵的元素求和，得到白色像素的数量，扩张-腐 eclipse ，再次求和，减去和:

def get_de_difference(binary_image):
    s_before = np.sum(binary_image)
    kernel = np.ones((17, 17), np.uint8)
    d = cv2.dilate(binary_image, kernel, 1)
    d = cv2.erode(d, kernel, 1)
    s_after = np.sum(d)
    return abs(s_after - s_before)

对于“好”bean，它给出了 72 个不同的像素，对于“坏”bean，它给出了 1158 个像素。

可以通过使用更复杂的阈值函数进一步改进，例如，基于 Otsu 和 Grab cut:

def get_gc_binary_mask(img):
    gs = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gs, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    mask = np.zeros(thresh.shape, np.uint8)
    mask[thresh == 255] = cv2.GC_PR_BGD
    mask[thresh == 0] = cv2.GC_FGD

    bgdModel = np.zeros((1,65),np.float64)
    fgdModel = np.zeros((1,65),np.float64)

    cv2.grabCut(img, mask, (0, 0, 1365, 767), bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_MASK)

    mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
    return mask2

使用它而不是前一个，“好”bean 仅产生 1 个像素差异(尽管有一个不幸的伪像 - 见下文)，而“坏”bean 则为 741。或者，如果您可以更改背景你的照片，只需在拍照前放一些亮绿色/蓝色的纸，然后使用色度键控。

这是它的外观，从左到右:原始图像(第 1 列)、基本阈值、膨胀、腐 eclipse 、otsu/grabcut 阈值、膨胀、腐 eclipse 。重要的是第 2 列和第 4 列之间以及第 5 列和第 7 列之间的区别。