如何使用python3

Question

normal bean sample

defect bean sample-1

我要判斷這個bean是正常還是缺陷檢測缺陷豆。 我試圖使用Canny方法（找到邊緣）等等......但我失敗了。 我只是用形狀來解決它（破碎的豆&不定形的豆...） 請給我一些想法來解決它。

對不起，我的英語不是我的第一語言。

Answer 1

在圖像中「填充裂縫」最廣泛使用的方法之一是擴張腐蝕。簡單地說，你可以讓你的二值圖像在邊緣「成長」，因此裂縫被填滿，然後你扭轉過程並使邊緣「收縮」 - 但是，由於裂紋已經被填滿，所以沒有關於他們留在圖像中，所以他們保持填充。也許，你可以使用它，然後看看你的原始圖像和擴大腐蝕後的圖像之間的差異：如果幾乎沒有裂紋，那麼幾乎沒有差別，如果有大量裂紋，有很大的區別。

例如。讓我們將圖像轉換爲二進制黑色和白色口罩：

def get_th_binary_mask(img): 
    gs = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    ret, thresh = cv2.threshold(gs, 0, 255, cv2.THRESH_BINARY) 
    mask = np.zeros(thresh.shape, np.uint8) 
    mask[thresh == 255] = 0 
    mask[thresh == 0] = 1 
    return mask 

現在，只要求和矩陣，這讓我們的白色像素數的元素，擴張，侵蝕，和再次，減去的款項：

def get_de_difference(binary_image): 
    s_before = np.sum(binary_image) 
    kernel = np.ones((17, 17), np.uint8) 
    d = cv2.dilate(binary_image, kernel, 1) 
    d = cv2.erode(d, kernel, 1) 
    s_after = np.sum(d) 
    return abs(s_after - s_before) 

對於「好」豆它使72個像素不同，對於「壞」一個它給1158

可以通過使用更復雜的閾值函數得到進一步改進，例如，基於大津和抓鬥：

def get_gc_binary_mask(img): 
    gs = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    ret, thresh = cv2.threshold(gs, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) 

    mask = np.zeros(thresh.shape, np.uint8) 
    mask[thresh == 255] = cv2.GC_PR_BGD 
    mask[thresh == 0] = cv2.GC_FGD 

    bgdModel = np.zeros((1,65),np.float64) 
    fgdModel = np.zeros((1,65),np.float64) 

    cv2.grabCut(img, mask, (0, 0, 1365, 767), bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_MASK) 

    mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8') 
    return mask2 

使用它而不是上一個給出的「良好」bean只有1個像素的差異（儘管是一個不幸的神器 - 見下文），而對於「壞」的豆它給741。改變你的照片的背景，在拍攝你的照片和使用色度鍵控之前，先將一些明亮的綠色/藍色表單放在那裏。

這是從左到右的樣子：原始圖像（第1列），基本閾值，擴張，腐蝕，otsu/grabcut閾值，擴張，腐蝕。第2列和第4列之間以及第5列和第7列之間的區別是重要的。