利用python-OpenCV对成像有瑕疵的图片进行检测

任务

利用路由器将海康工业相机成像传递给工控机的过程中，部分图像出现成行的绿线，如下图所示，用python-OpenCV进行处理，追求在最短的时间内检测出有瑕疵的图片进行排除。

                                                                                                             图1

使用halcon18进行协助，按住CTRL，光标会显示该像素点的坐标以及gb，很方便发现绿线的rgb分别是（0，136，0）

思路：通道分离》二值化》遍历像素点的像素，找出符合条件像素，就进行累加》遍历完一行的像素点的像素值，对累加值与图片宽进行比较，判断是否是绿线。

         

第一次程序

 但是缺点十分明显，图片大，600万像素，遍历十分耗时，对图片的长宽都进行了缩放，再进行处理，缩小5倍，代码如下

import cv2 as cv
import time

startTime = time.time()
img = cv.imread(r'C:UsersAdministratorDesktop27.bmp')

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

dstHeight = int(height*0.2)
dstWdth = int(width*0.2)
dst = cv.resize(img,(dstWdth,dstHeight))
# cv.imshow('dst',dst)

b,g,r = cv.split(dst)
# cv.imshow('green',g)

ret1, thresh1 = cv.threshold(g,135,255,cv.THRESH_BINARY_INV)
# cv.imshow('th',thresh1)
h,w = thresh1.shape

num1 = 0
s = 0
for i in range(h):
    n = num1/w
    if n >= 0.2:   # 排除噪音干扰
        s += 1
    num1 = 0
    for j in range(w):
        if thresh1[i,j] == 0:
            num1 += 1
print('总共有 '+str(s) +' 条绿线')

endTime = time.time()
uesTime = endTime-startTime
print('总共花了 '+str(uesTime) +' 秒')

cv.waitKey(0)
cv.destroyAllWindows()

结果：只有4条线，完全不符合实际结果

 不对图像进行缩放

 仅仅对一张图片进行检测就耗时太久了，不符合实际项目要求。

第二次程序

解决方法：同时对图像的行与列进行压缩会使绿线的航速变少，为了减少程序时间，对图像进行列（宽）压缩，行（高）不变。

import cv2 as cv
import time

startTime = time.time()
img = cv.imread(r'C:UsersAdministratorDesktop27.bmp')

imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

dstHeight = int(height*1)
dstWdth = int(width*0.1)
dst = cv.resize(img,(dstWdth,dstHeight))
# cv.imshow('dst',dst)

b,g,r = cv.split(dst)
# cv.imshow('green',g)

ret1, thresh1 = cv.threshold(g,135,255,cv.THRESH_BINARY_INV)
# cv.imshow('th',thresh1)
h,w = thresh1.shape

num1 = 0
s = 0
for i in range(h):
    n = num1/w
    if n >= 0.2:   # 排除噪音干扰
        s += 1
    num1 = 0
    for j in range(w):
        if thresh1[i,j] == 0:
            num1 += 1
print('总共有 '+str(s) +' 条绿线')

endTime = time.time()
uesTime = endTime-startTime
print('总共花了 '+str(uesTime) +' 秒')

cv.waitKey(0)
cv.destroyAllWindows()

二值化处理图像效果如下（缩放为0.2，0.2）：

将宽压缩了十倍，绿线检测数量不变，时间直接减少将近十倍。对二十张图像进行检测，这种算法对目标缺陷检测无干扰，但能有效缩减时间。但是还是存在噪音干扰。

 最后程序

增加了图片不同通道图片的像素相减，代替了单纯的二值化处理

import cv2 as cv
import time

startTime = time.time()

endTime = time.time()
uesTime = endTime-startTime
print('总共花了 '+str(uesTime) +' 秒')


cv.waitKey(0)
cv.destroyAllWindows()

通道相减处理图像效果如下（缩放为0.2，0.2）：

 时间无太大变化，阈值取值更加简单明确，绿线检测数量一样。