点击上方“小白学视觉”，选择加"星标"或“置顶”

    
    
     
     
      
             
       
        重磅干货，第一时间送达

导读

本文将介绍使用OpenCV实现纺织物缺陷检测(脏污、油渍、线条破损缺陷)的详细步骤 + 代码。（来源公众号：OpenCV与AI深度学习）

背景介绍

机器视觉应用场景中缺陷检测的应用是非常广泛的，通常涉及各个行业、各种缺陷类型。今天我们要介绍的是纺织物的缺陷检测，缺陷类型包含脏污、油渍、线条破损三种，这三种缺陷与LCD屏幕检测的缺陷很相似，处理方法也可借鉴。

脏污缺陷

脏污缺陷图片如下，肉眼可见明显的几处脏污，该如何处理？

实现步骤：

【1】使用高斯滤波消除背景纹理的干扰。如下图所示，将原图放大后会发现纺织物自带的纹理比较明显，这会影响后续处理结果，所以先做滤波平滑。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)blur = cv2.GaussianBlur(gray, (7,7), 0)

高斯滤波结果：

【2】Canny边缘检测凸显缺陷。Canny边缘检测对低对比度缺陷检测有很好的效果，这里注意高低阈值的设置：

edged = cv2.Canny(blur, 10, 30)

Canny边缘检测结果：

【3】轮廓查找、筛选与结果标记。轮廓筛选可以根据面积、长度过滤掉部分干扰轮廓，找到真正的缺陷。

contours,hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)for cnt in contours:  length = cv2.arcLength(cnt,True)  if length >= 1:    cv2.drawContours(img,cnt,-1,(0,0,255),2)

轮廓筛选标记结果：

油污缺陷

油污缺陷图片如下，肉眼可见明显的两处油污，该如何处理？

实现步骤：

【1】将图像从RGB颜色空间转到Lab颜色空间。对于类似油污和一些亮团的情况，将其转换到Lab或YUV等颜色空间的色彩通道常常能更好的凸显其轮廓。

LabImg = cv2.cvtColor(img, cv2.COLOR_BGR2Lab)L,A,B = cv2.split(LabImg)

Lab颜色空间b通道效果：

【2】高斯滤波 + 二值化。

blur = cv2.GaussianBlur(B, (3,3), 0)ret,thresh = cv2.threshold(blur,130,255,cv2.THRESH_BINARY)

高斯滤波 + 二值化结果：

【3】形态学开运算滤除杂讯。

k1 = np.ones((3,3), np.uint8)thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, k1)

开运算处理结果：

【4】轮廓查找、筛选与结果标记。轮廓筛选可以根据面积、宽高过滤掉部分干扰轮廓，找到真正的缺陷。

contours,hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)for cnt in contours:  area = cv2.contourArea(cnt)  if area >= 50:    cv2.drawContours(img,cnt,-1,(0,0,255),2)

轮廓筛选标记结果：

线条破损缺陷

线条破损缺陷图片如下，肉眼可见明显的一处脏污，该如何处理？

实现步骤：

【1】将图像从RGB颜色空间转到Lab颜色空间 + 高斯滤波。

LabImg = cv2.cvtColor(img, cv2.COLOR_BGR2Lab)L,A,B = cv2.split(LabImg)blur = cv2.GaussianBlur(B, (3,3), 0)

B通道高斯滤波结果：

【2】Canny边缘检测凸显缺陷。

edged = cv2.Canny(blur, 5, 10)

Canny边缘检测结果：

【3】轮廓查找、筛选与结果标记。轮廓筛选可以根据面积、长度过滤掉部分干扰轮廓，找到真正的缺陷。

contours,hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)for cnt in contours:  length = cv2.arcLength(cnt,True)  if length >= 10:    cv2.drawContours(img,cnt,-1,(0,0,255),2)

轮廓筛选标记结果：

后记

对于上述缺陷大家可以尝试使用频域处理方法(如傅里叶变换等)，本文方法仅供参考，实际应用还要根据实际图像做批量测试和优化。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

实战 | OpenCV实现纺织物缺陷检测->脏污、油渍、线条破损(详细步骤 + 代码)

背景介绍

脏污缺陷

油污缺陷

线条破损缺陷

后记