OpenCV在低对比度缺陷检测中的应用实例
导读本文主要介绍opencv在低对比度缺陷检测中的应用实例。
实例一（lcd屏幕脏污检测）
参考实例来源：
https://stackoverflow.com/questions/27281884/low-contrast-image-segmentation
分析与说明：上图中的脏污图像因为对比度较低，所以无法通过常用的阈值方法处理提取，有时人眼观察也较费劲。常用的方法有梯度提取或频域提取。
链接主题中提到了kmeans聚类分割后提取：
二分类：
三分类：
乍一看效果还不错，但问题是我到底应该设置几个类别？第一张图我如何确定哪个区域正好是我的缺陷部分？本文采用了梯度方法来检测。
实现步骤与演示
实现步骤： ① 图像滤波--滤除杂讯； ② sobel提取边缘； ③ 形态学处理剔除杂讯； ④ 阈值提取--分割脏污区域； ⑤ 轮廓提取与标注。图像一：
gray = cv2.cvtcolor（img， cv2.color_bgr2gray）blur = cv2.gaussianblur（gray，（15，15），0）
x = cv2.sobel（blur，cv2.cv_16s，1，0，ksize=7）y = cv2.sobel（blur，cv2.cv_16s，0，1，ksize=7）absx = cv2.convertscaleabs（x） # 转回uint8absy = cv2.convertscaleabs（y）edged = cv2.addweighted（absx，1，absy，1，0）cv2.imshow（‘sobel’， edged）
k1=np.ones（（11，11）， np.uint8）thres = cv2.morphologyex（thres， cv2.morph_erode， k1）#膨胀操作cv2.imshow（‘morph_erode’，thres） #结果显示
contours，hierarchy = cv2.findcontours（thres， cv2.retr_external， cv2.chain_approx_none）for cnt in contours： （x， y， w， h） = cv2.boundingrect（cnt） if w 》 2 and h 》 2： cv2.drawcontours（img，cnt，-1，（0，0，255），1）
—版权声明—
仅用于学术分享，版权属于原作者。
若有侵权，请联系删除或修改！
先楫工业4.0全面解决方案Q&A
预计2026年我国3D人脸识别的市场规模超过98亿元人民币！
运营商今年的移动网络流量平均资费将再降低20%以上
关于cob led显示屏的报价，是由哪些因素影响的
用于AI推理的Ergo边缘处理器脱颖而出
OpenCV在低对比度缺陷检测中的应用实例
不断冒险造就百度，纵观百度的发展历程
直线马达3D打印技术被用于制作全自动咽拭子机器人
国家电网公司将全力推进2020重大攻关计划
华为否认A股传闻之后任正非卸任副董事女儿接替
华为P40 Pro或坐稳明年DxO第一霸主位置
十余年精耕研发，致力提升新能源磁元件性能
不使用辅助线圈是否可行?比如在初级线圈上检测来做原边反馈？
洲明体育成为曼城足球俱乐部LED显示战略合作伙伴
创基Type-C扩展坞8+1多功能拓展
dcdc电源与LDO电源的区别 dcdc电路和ldo电路的优缺点
雅马哈公布了一款可堪地表最强行列的电机 配置到1877马力！
一文知道NB-IOT的成本优势
采用微电脑处理技术的家庭无线电话防盗报警系统设计
三星推出全新智能激光投影仪
实例一（lcd屏幕脏污检测）
参考实例来源：
https://stackoverflow.com/questions/27281884/low-contrast-image-segmentation
分析与说明：上图中的脏污图像因为对比度较低，所以无法通过常用的阈值方法处理提取，有时人眼观察也较费劲。常用的方法有梯度提取或频域提取。
链接主题中提到了kmeans聚类分割后提取：
二分类：
三分类：
乍一看效果还不错，但问题是我到底应该设置几个类别？第一张图我如何确定哪个区域正好是我的缺陷部分？本文采用了梯度方法来检测。
实现步骤与演示
实现步骤： ① 图像滤波--滤除杂讯； ② sobel提取边缘； ③ 形态学处理剔除杂讯； ④ 阈值提取--分割脏污区域； ⑤ 轮廓提取与标注。图像一：
gray = cv2.cvtcolor（img， cv2.color_bgr2gray）blur = cv2.gaussianblur（gray，（15，15），0）
x = cv2.sobel（blur，cv2.cv_16s，1，0，ksize=7）y = cv2.sobel（blur，cv2.cv_16s，0，1，ksize=7）absx = cv2.convertscaleabs（x） # 转回uint8absy = cv2.convertscaleabs（y）edged = cv2.addweighted（absx，1，absy，1，0）cv2.imshow（‘sobel’， edged）
k1=np.ones（（11，11）， np.uint8）thres = cv2.morphologyex（thres， cv2.morph_erode， k1）#膨胀操作cv2.imshow（‘morph_erode’，thres） #结果显示
contours，hierarchy = cv2.findcontours（thres， cv2.retr_external， cv2.chain_approx_none）for cnt in contours： （x， y， w， h） = cv2.boundingrect（cnt） if w 》 2 and h 》 2： cv2.drawcontours（img，cnt，-1，（0，0，255），1）
—版权声明—
仅用于学术分享，版权属于原作者。
若有侵权，请联系删除或修改！
先楫工业4.0全面解决方案Q&A
预计2026年我国3D人脸识别的市场规模超过98亿元人民币！
运营商今年的移动网络流量平均资费将再降低20%以上
关于cob led显示屏的报价，是由哪些因素影响的
用于AI推理的Ergo边缘处理器脱颖而出
OpenCV在低对比度缺陷检测中的应用实例
不断冒险造就百度，纵观百度的发展历程
直线马达3D打印技术被用于制作全自动咽拭子机器人
国家电网公司将全力推进2020重大攻关计划
华为否认A股传闻之后任正非卸任副董事女儿接替
华为P40 Pro或坐稳明年DxO第一霸主位置
十余年精耕研发，致力提升新能源磁元件性能
不使用辅助线圈是否可行?比如在初级线圈上检测来做原边反馈？
洲明体育成为曼城足球俱乐部LED显示战略合作伙伴
创基Type-C扩展坞8+1多功能拓展
dcdc电源与LDO电源的区别 dcdc电路和ldo电路的优缺点
雅马哈公布了一款可堪地表最强行列的电机 配置到1877马力！
一文知道NB-IOT的成本优势
采用微电脑处理技术的家庭无线电话防盗报警系统设计
三星推出全新智能激光投影仪