[Python][OpenCV]使用影像差分處理來檢測瑕疵

這次我們使用影像差分處理，用來檢測圖像中的瑕疵。

首先定義瑕疵樣態，以下原圖為例，較淡的可能是錫油的反光，較亮的部分可能是瑕疵或者是刮痕造成，那我們的目的就是檢測出這些瑕疵或者是刮痕。

原圖

具體的步驟如下：

1. 使用中值模糊：平滑圖像，減少噪聲。
2. 與原圖進行差分：將模糊膨脹後的圖像與原圖相減，突出瑕疵部分。
3. 閾值篩選：只顯示灰階值大於 設定值 的區域，這些區域代表可能的瑕疵。
4. 將瑕疵顯示為紅色：在原圖上將瑕疵部分標示為紅色，便於識別。
5. 定義瑕疵面積：在原圖上將瑕疵面積大於設定值用紅框標示。

結果圖

程式範例

import numpy as np
import cv2
import matplotlib.pyplot as plt

#秀圖的函式
def show(img,title):
    _# OpenCV 使用 BGR 讀取圖像，需要轉換為 RGB 顯示
    rgb_image = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    # 使用 Matplotlib 顯示圖像
    plt.imshow(rgb_image)
    plt.title(f'{title}')
    plt.axis('off')  # 不顯示座標軸
    plt.show()

# 讀取原圖
image = cv2.imread('圖片路徑')
# 將圖像轉為灰階
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用中值模糊
blurred_image = cv2.medianBlur(gray_image,7)
# 進行膨脹操作
dilated_image = cv2.dilate(blurred_image, (7,7))
# 與原圖進行差分
diff_image = cv2.absdiff(gray_image, dilated_image)
# 將瑕疵區域標記為紅色，原圖為背景
show_img = np.zeros_like(gray_image)
show_img[diff_image > 100] = 255

result_image = image.copy()
# 檢測輪廓
contours, _ = cv2.findContours(show_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

# 遍歷每個輪廓
for contour in contours:
    # 計算輪廓的面積
    area = cv2.contourArea(contour)
    # 設定一個合理的面積範圍來過濾掉雜訊
    if  2000 > area > 2:  # 根據實際情況調整範圍
        # 計算外接矩形
        x, y, w, h = cv2.boundingRect(contour)
        # 在原圖上繪製矩形框 (紅色)
        cv2.rectangle(result_image, (x, y), (x + w, y + h), (0, 0, 255), 2)
            
show(result_image,'result_image')

處理的過程圖

灰階的圖像

模糊化過的圖

等一下膨脹後，在跟灰階圖相減取絕對值

模糊膨脹後的圖

待會要跟灰階圖做相減，以利突顯出瑕疵。

相減過的圖

瑕疵就會顯得特別突出了

設定條件過濾

保留出想要的瑕疵形狀

喜歡的話，希望可以追蹤，加入沙龍，並點愛心給予我們鼓勵 謝謝