使用计算机视觉进行产品检测 - 使用 opencv 进行边缘检测

Posted 2023-03-13

【中文标题】使用计算机视觉进行产品检测 - 使用 opencv 进行边缘检测

【英文标题】：Product inspection with Computer vision - edge detection with opencv

【发布时间】：2016-10-12 05:22:51

【问题描述】：

我是opencv的新用户。我目前正在做一个用opencv进行产品检查的项目。我打算提取好产品和坏产品的边缘，然后将它们的边缘与均方差进行比较。然而，作为第一步，清晰地提取边缘已经相当困难。

好样品：好产品 [![在此处输入图像描述][1]][1] 当我使用canny边缘检测时，好产品的边缘（图中蓝色部分）只包括部分产品，如下： 好产品的优势 [![在此处输入图片描述][2]][2]

我也尝试过使用adaptiveThreshold，让灰度图片更清晰，然后使用边缘检测。但是，由于噪声较多，检测到的边缘不如预期的好。

因此，我想寻求一种提取边缘的解决方案，或者用opencv比较好产品和坏产品的更好方法。抱歉上面的英语不好。

【问题讨论】：

最好的可能是获得更合适的照明和统一的背景

谢谢！如果我能成功提取出好产品和坏产品的边缘，我应该使用什么样的比较方法来进一步测试这两个边缘？如果我逐个像素使用平方差或直接差，由于图像偏移，这似乎是一个意想不到的差异。所以想问问有没有办法用opencv对齐两张图片，这样我可以直接提取或者用平方差来计算两张图片的相似度。

样本图片丢失

通常您首先必须匹配位置，例如使用单应性提取或 IPC。之后，您可以使用形状描述符或倒角匹配。

另外请提供劣质产品图片

【参考方案1】：

如果像下面这样的一些假设是有效的，这个任务可以变得简单。例如：

产品沿着同一条生产线移动，因此所有产品图像的照明都保持不变。 产品位于平行于相机焦平面的平面上，因此物体的旋转将仅围绕镜头的轴。 可以控制照明（这将帮助您获得更好的边缘，并且实际用于生产线图像处理）

由于我们看不到您添加的图像，因此很难了解具体情况。但如果上述假设成立，图像差分结合图像签名是一种可能的方法。

另一种可能性是使用好产品和坏产品来训练 Haar Cascade 分类器。有了这个，边缘和所有的东西都将得到处理。但是您必须收集大量数据并训练分类器。

【讨论】：

非常感谢~我打算做的如下： 1.使用OPENCV模板匹配功能，好的产品作为模板。然后它将从测试图像中提取感兴趣的区域。听起来模板匹配功能可以确保两个图像对齐（方向）。 2.使用Opencv形状距离计算模板和测试图像之间的差异。由于我还在测试期，我不确定上述方法是否有效。

我使用了opencv Shape_example作为基础。我尝试使用 shape_example 代码比较相同的图像......但是，我观察到即使对于相同的图像也会出现不同的距离数......对于相同的图像比较，我期待 0 或非常接近于 0......源代码可以是找到：github.com/Itseez/opencv/blob/master/samples/cpp/…