python opencv 图片缺陷检测（讲解直方图以及相关系数对比法）

  • Z时代
  • 2024-01-10
  • 分类：综合

python

一、利用直方图的方式进行批量的图片缺陷检测（方法简单）

 

二、步骤（完整代码见最后）

　　2.1灰度转换（将原图和要检测对比的图分开灰度化）

　　　　灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较

　

img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
#循环要检测的图，均灰度化
for i in range(1, 6):
    t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)

 

　　2.2 直方图计算（结果其实是二维的图表--用画图的方式展示）

calcHist参数讲解

  • 第一个参数：必须为列表[],哪怕只有一个图片，image输入图像

  • channels:：传入图像的通道，如果是灰度图像，那就不用说了，只有一个通道，值为0，如果是彩色图像（有3个通道），那么值为0,1,2,中选择一个，对应着BGR各个通道。这个值也得用[]传入。

  • mask：掩膜图像。如果统计整幅图，那么为none。主要是如果要统计部分图的直方图，就得构造相应的炎掩膜来计算。

  • histSize：灰度级的个数，需要中括号，比如[256]

  • ranges:像素值的范围，通常[0,256]，有的图像如果不是0-256，比如说你来回各种变换导致像素值负值、很大，则需要调整后才可以。

 #直方图计算的函数，反应灰度值的分布情况
    hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])
    h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])

 

 　　2.3 相关性比较

cv2.compareHist(H1, H2, method)
其中：

  • H1，H2 分别为要比较图像的直方图

  • method - 比较方式

  • 比较方式（method）

  • 相关性比较 (method=cv.HISTCMP_CORREL) 值越大，相关度越高，最大值为1，最小值为0-----------------------只用一种固然不是很严谨，但这里做示范，把阈值调高也差不多（取大于等于0.9）

  • 卡方比较(method=cv.HISTCMP_CHISQR 值越小，相关度越高，最大值无上界，最小值0

  • 巴氏距离比较(method=cv.HISTCMP_BHATTACHARYYA) 值越小，相关度越高，最大值为1，最小值为0

 

#相关性计算，采用相关系数的方式
    result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)

 

 　　2.4 展示结果（判断阈值）

相关系数含义参考表

 

 

 

 im = Image.open(str(i) + ".bmp")
    draw = ImageDraw.Draw(im)
    fnt = ImageFont.truetype(r\'C:\Windows\Fonts\simsun.ttc\', 30)
    #这里视作》=0.9认为相似，即合格
    if result >=0.9:
        draw.text((5, 10), u\'合格\', fill=\'red\', font=fnt)
    else:
        draw.text((5, 10), u\'不合格\', fill=\'red\', font=fnt)
    im.show("result" +str(i) + ".png")

 

三、完整代码

# -*- coding: UTF-8 -*-
import cv2
from PIL import Image, ImageDraw, ImageFont
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
for i in range(1, 6):
    t1=cv2.cvtColor(cv2.imread(str(i)+".bmp"),cv2.COLOR_RGB2GRAY)
    #直方图计算的函数，反应灰度值的分布情况
    hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])
    h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])
    #相关性计算，采用相关系数的方式
    result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)
    im = Image.open(str(i) + ".bmp")
    draw = ImageDraw.Draw(im)
    fnt = ImageFont.truetype(r\'C:\Windows\Fonts\simsun.ttc\', 30)
    #这里视作》=0.9认为相似，即合格
    if result >=0.9:
        draw.text((5, 10), u\'合格\', fill=\'red\', font=fnt)
    else:
        draw.text((5, 10), u\'不合格\', fill=\'red\', font=fnt)
    im.show("result" +str(i) + ".png")

参考博文：

  1. Python-Opencv中用compareHist函数进行直方图比较进行对比图片：https://blog.csdn.net/qq_44262417/article/details/89217011

  2. OpenCV-Python 直方图-1：查找、绘制和分析｜二十六：http://baijiahao.baidu.com/s?id=1655424859576397139&wfr=spider&for=pc

 希望帮助能大家理解直方图以及比较函数作用！！!

 

以上是 python opencv 图片缺陷检测（讲解直方图以及相关系数对比法） 的全部内容， 来源链接： utcz.com/z/386764.html

回到顶部