关于利用传统图像处理方法进行瑕疵检测的总结-轻识

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

   
         转自：https://blog.csdn.net/cshyxxxl/article/details/106382824
        作者：cshyxxxl
    以iPhone背壳为例，进行瑕疵检测

    
     需求：利用传统算法检测iPhone手机背壳是否瑕疵并给出瑕疵率
     工具：摄像头/iPhone 6s/偏振镜等
    
    传统算法方向的选择
    最近做图像处理与识别相关的事情，先从OpenCV/Matlab入手，看传统算法在瑕疵检测方向能做到什么程度。
    因之前并没有相关的经验，乍开始生怕闭门造车，遂多方搜寻，相关的会议与论述很多，不乏深度学习或者深度学习与传统算法相结合的，以有限的资源来看，深度学习并没有特别大的优势：表现在
    1. 深度学习对训练图库的要求很高，很难得到很好的训练结果
2. 深度学习的灵活度较低，若适用场景有些许改变，均需要重新训练，这在商用时会是很大的问题
3. 深度学习的部署成本较高，同时对部署场景有较高要求（光线/摄像效果等）
当然，深度学习大势所趋，也不必因噎废食，万一是一时的浅见呢。后续也会投身到这个方向去。
    瑕疵检测关注的两个问题
    瑕疵的标注
    对瑕疵的标注是为了更直观的展示，主要是给人看的
    瑕疵的量化
    真正机器关心的是怎么量化，是用数量表示还是百分比是个值得考虑的问题
    历程
    1.图像去噪->灰度化->二值化
    二值化之后就可以看到绝大部分的瑕疵点已经凸显出来了，但是有三个问题：
    1. 黑点瑕疵与白点瑕疵是二值化的两个极端，故无法同时出现。
2. 量化如何去除Logo与其他印刷的干扰
问题1后续用边缘检测替代
问题2采用像素点计数的方法，计算百分比，然后与无瑕疵的百分比作比较，准确度不高，也显得low low的。
    2.图像去噪->灰度化->canny->形态学（闭运算）->连通域
    边缘检测后进行闭运算，瑕疵会形成大大小小的连通域，可以统计连通域的个数，然后与无瑕疵logo与其他印刷形成的连通域个数作比较，这种情况几乎不会漏掉。这是感觉可行的选择之一。
    3.OpenCV matchTemplate
    实验室条件下，可以营造比较理想的条件，所以考虑了OpenCV的模板匹配，同时也测试了模板匹配在不理想情况下的表现。
结果证明因为手机瑕疵检测的需求目标较低，模板匹配是比较能够胜任的一个办法。只要模板与识别目标的拍摄角度差别不是太大，都可以很好的识别瑕疵。图片的轻微缩放大多也可以应付。
    其他处理
    前面都是软件方面处理的流程，在如何获得更加理想的图片方面也做了一些尝试：
    
     采用各种不同颜色的光源，如蓝光/红光，区别不大
     对图片进行白平衡调整，有改善
     摄像头加偏振镜防止图像反光，有改善但不明显
     图片浮雕处理，肉眼看上去瑕疵显著了，但对机器而言并没有区别，故没有采纳

          
           
            声明：部分内容来源于网络，仅供读者学习、交流之目的。文章版权归原作者所有。如有不妥，请联系删除。
            

                         
              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~