OpenCV-3.基于OpenCV图像处理案例

OpenCV图像处理综合案例

图像校正实现案例

利用Opencv实现图片校正：

===>

"""
通过观察分析图片，制定校正流程：
1. 需要查找轮廓
2. 找到四个顶点坐标
3. 根据四个顶点坐标计算高度、宽度，进行透视变换
"""
# 图像校正示例
import cv2
import numpy as np
import math
from pylab import *

# 读取原图
im = cv2.imread("../data/paper.jpg")
# 灰度化处理
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 高斯模糊
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 膨胀（可填补分割后的空白）
dilate = cv2.dilate(blurred, (3, 3))
# 检测边沿（实验发现Canny效果较好）
edged = cv2.Canny(dilate,
                  30,  # 滞后阈值
                  120)  # 模糊度
# 轮廓检测
cnts, hie = cv2.findContours(edged.copy(),
                             cv2.RETR_EXTERNAL,  # 只检测外轮廓
                             cv2.CHAIN_APPROX_SIMPLE)  # 只保留该方向的终点坐标
docCnt = None
# 绘制轮廓
im_cnt = cv2.drawContours(im,  # 绘制图像
                          cnts,  # 轮廓点列表
                          -1,  # 绘制全部轮廓
                          (0, 0, 255),  # 轮廓颜色：红色
                          2)  # 轮廓粗细
# cv2.imshow("im_cnt", im_cnt)

# 计算轮廓面积，并排序
if len(cnts) > 0:
    cnts = sorted(cnts,  # 数据
                  key=cv2.contourArea,  # 排序依据，根据contourArea函数结果排序
                  reverse=True)
    for c in cnts:
        peri = cv2.arcLength(c, True)  # 计算轮廓周长
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)  # 轮廓多边形拟合
        # 轮廓为4个点表示找到纸张
        if len(approx) == 4:
            docCnt = approx
            break

# print(docCnt)

# 用圆圈标记处角点
points = []
for peak in docCnt:
    peak = peak[0]
    # 绘制圆
    cv2.circle(im,  # 绘制图像
               tuple(peak),  # 圆心
               10,  # 半径
               (0, 0, 255),  # 颜色
               2)  # 粗细
    points.append(peak)  # 添加到列表

# print(points)
# cv2.imshow("im_point", im)

# 根据勾股定理计算宽度、高度，再做透视变换
h = int(math.sqrt((points[0][0] - points[1][0]) ** 2 + (points[0][1] - points[1][1]) ** 2))
w = int(math.sqrt((points[0][0] - points[3][0]) ** 2 + (points[0][1] - points[3][1]) ** 2))
# print('h:{},w:{}'.format(h,w))

src = np.array(points, np.float32)
dst = np.array([[0, 0],
                [0, h],
                [w, h],
                [w, 0]], np.float32)

M = cv2.getPerspectiveTransform(src, dst)
im_rect = cv2.warpPerspective(gray,
                              M,
                              (w, h))
cv2.imshow("im_rect", im_rect)

while True:
    key = cv2.waitKey()
    if key == 27:
        cv2.destroyAllWindows()
        break

==>

==>

图像瑕疵检测案例

利用OpenCV实现芯片区域瑕疵检测：

===>

"""
1.读取图像
2.灰度化
3.二值化，查找到合适阈值
4.在二值化上查找轮廓(只检测外层轮廓)
5.构建和二值化shape一样的纯黑色图像(值为0)
6.将度盘区域轮廓，使用实心化填充，画在mask上，白色
7.二值化图像，与实心化填充的结果 做减法，找到瑕疵区域
8.对瑕疵区域做闭运算（先膨胀，后腐蚀）
9.找到瑕疵区域的轮廓
10.计算瑕疵区域的面积，判断是否属于瑕疵(大于10为瑕疵)
11.如果为瑕疵，拟合瑕疵区域的最小外接圆
12.将最小外接圆画在原始图像上
"""
import cv2
import numpy as np
import math

# 1. 读取图像
im_cpu = cv2.imread("../data/cv_cpu.png")
# 2. 灰度化
im_gray = cv2.cvtColor(im_cpu, cv2.COLOR_BGR2GRAY)
# 3. 二值化
ret, im_bin = cv2.threshold(im_gray, 162, 255, cv2.THRESH_BINARY)
#cv2.imshow("im_cpu", im_cpu)
#cv2.imshow("im_gray", im_gray)
#cv2.imshow("im_bin", im_bin)
# 4. 提取轮廓、绘制边沿
contours, hierarchy = cv2.findContours(im_bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# 5. 构建和二值化shape一样的纯黑色图像(值为0)
mask = np.zeros(im_bin.shape, np.uint8)
# 6. 将度盘区域轮廓，使用实心化填充，画在mask上，白色
mask = cv2.drawContours(mask, contours, -1, (255, 0, 0), -1)  # 绘制实心轮廓
#cv2.imshow("mask", mask)
# 7. 二值化图像，与实心化填充的结果 做减法，找到瑕疵区域
im_sub = cv2.subtract(mask, im_bin)
#cv2.imshow("im_sub", im_sub)
# 8.对瑕疵区域做闭运算（先膨胀，后腐蚀）
k = np.ones((10, 10), np.uint8)
im_close = cv2.morphologyEx(im_sub, cv2.MORPH_CLOSE, k, iterations=3)
#cv2.imshow("im_close", im_close)
# 9.找到瑕疵区域的轮廓
contours, hierarchy = cv2.findContours(im_close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

# 10.计算瑕疵区域的面积，判断是否属于瑕疵(大于12为瑕疵)
(x, y), radius = cv2.minEnclosingCircle(contours[1])
center = (int(x), int(y))
radius = int(radius)
area = math.pi * radius * radius
print("area:", area)
if area > 12:
    print("度盘表面有缺陷")
    # 11.如果为瑕疵，拟合瑕疵区域的最小外接圆
    print("center:", center, " radius:", radius)
    cv2.circle(im_close, center, radius, (255, 0, 0), 2)  # 绘制圆
    cv2.imshow("im_gaussian_blur2", im_close)
    # 12.将最小外接圆画在原始图像上
    cv2.circle(im_cpu, center, radius, (0, 0, 255), 2)  # 绘制圆
    cv2.imshow("im_cpu2", im_cpu)
else:
    print("无瑕疵")

while True:
    key = cv2.waitKey()
    if key == 27:
        cv2.destroyAllWindows()
        break

胶囊图像分类案例