Python-OpenCV实现图像缺陷检测的实例_Python

Python-OpenCV实现图像缺陷检测的实例

2021-11-30 10:02圈er Python

本文将结合实例代码，在Jupyter Notebook上使用Python+opencv实现如下图像缺陷检测。需要的朋友们下面随着小编来一起学习学习吧

在jupyter notebook上使用python+opencv实现如下图像缺陷检测。关于opencv库的安装可以参考：python下opencv库的安装过程与一些问题汇总。

Python-OpenCV实现图像缺陷检测的实例

1.实现代码

				?

									import cv2

									import numpy

									from pil import image, imagedraw, imagefont

									#用于给图片添加中文字符

									def imgtext_cn(img, text, left, top, textcolor=(0, 255, 0), textsize=20):

									    if (isinstance(img, numpy.ndarray)):  #判断是否为opencv图片类型

									        img = image.fromarray(cv2.cvtcolor(img, cv2.color_bgr2rgb))

									    draw = imagedraw.draw(img)

									    fonttext = imagefont.truetype("font/simhei.ttf", textsize, encoding="utf-8")

									    draw.text((left, top), text, textcolor, font=fonttext)

									return cv2.cvtcolor(numpy.asarray(img), cv2.color_rgb2bgr)

									#读取原图片

									image0=cv2.imread("0.bmp")

									cv2.imshow("image0", image0)

									#灰度转换

									gray0 = cv2.cvtcolor(image0, cv2.color_rgb2gray)

									cv2.imshow("gray0", gray0)for i in range(1,6):

									    img0=cv2.imread(str(i)+".bmp")#原图片

									    img=cv2.cvtcolor(cv2.imread(str(i)+".bmp"),cv2.color_rgb2gray)#灰度图

									    #使用calchist()函数计算直方图，反映灰度值的分布情况

									    hist = cv2.calchist([gray0], [0], none, [256], [0.0,255.0])

									    h1 = cv2.calchist([img], [0], none, [256], [0.0,255.0]) 

									    #计算图片相似度

									    result = cv2.comparehist(hist,h1,method=cv2.histcmp_bhattacharyya)#巴氏距离比较，值越小相关度越高，最大值为1，最小值为0

									    #print(result)

									    #设定阈值为0.1，若相似度小于0.1则为合格，否则不合格

									    if result <0.1:

									        detect=imgtext_cn(img0, '合格', 10, 10, textcolor=(255, 0, 0), textsize=30)

									    else:

									        detect=imgtext_cn(img0, '不合格', 10, 10, textcolor=(255, 0, 0), textsize=30)

									    cv2.imshow("detect_" +str(i),detect)

									cv2.waitkey(0)