如何利用python3检测缺陷bean

Question

正常豆样

缺陷豆样本-1

我想判断这个豆是正常的还是缺陷的。我试着用Canny方法(寻找边缘)等等.但我失败了。我只是用形状来解决它。(有裂纹的豆子和未成形的豆子.)拜托，给我点解决办法吧。

对不起，这不是我的第一语言。

Answer 1

在图像中“填充裂缝”的最广泛使用的方法之一是膨胀腐蚀。简单地说，你让你的二值图像在边缘“生长”，所以裂缝被填充，然后你反转过程，使它在边缘“收缩”--但是，当裂缝被填充时，图像中就没有关于它们的信息，所以它们被填充了。也许，你可以用它，然后看看你的原始图像和膨胀腐蚀后的图像之间的区别:如果没有什么裂缝，那么就不会有什么不同，如果有很多裂缝，就会有很多不同。

例如。让我们将图像转换为二进制黑白掩码：

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

现在，把矩阵的元素和起来，它给我们白色像素的数目，膨胀侵蚀，和，再减去和：

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)

对于“好”bean，它给出了72个不同的像素，对于它给出的1158个“坏”像素。

可以通过使用更复杂的阈值处理功能来进一步改进，例如，基于Otsu和抓取切割：

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

使用它而不是前一个只给出一个像素差的“好”bean (尽管有一个不幸的工件-见下文)，而对于“坏”的bean，它提供741。或者，如果你可以改变你的图片的背景，只需在那里放置一些明亮的绿色/蓝色的床单，然后采取你的照片和使用色度键。

这就是它的外观，从左到右:原始图像(第1列)，基本阈值，膨胀，侵蚀，otsu/地堑阈值，膨胀，侵蚀。重要的是第2栏和第4栏以及第5栏和第7栏之间的区别。

​