關(guān)于利用傳統(tǒng)圖像處理方法進行瑕疵檢測的總結(jié)

點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

   

    
     轉(zhuǎn)自：https://blog.csdn.net/cshyxxxl/article/details/106382824
    
    作者：cshyxxxl
    
以iPhone背殼為例，進行瑕疵檢測

    

     
需求：利用傳統(tǒng)算法檢測iPhone手機背殼是否瑕疵并給出瑕疵率
     
工具：攝像頭/iPhone 6s/偏振鏡等
    
    
傳統(tǒng)算法方向的選擇
    
最近做圖像處理與識別相關(guān)的事情，先從OpenCV/Matlab入手，看傳統(tǒng)算法在瑕疵檢測方向能做到什么程度。
    
因之前并沒有相關(guān)的經(jīng)驗，乍開始生怕閉門造車，遂多方搜尋，相關(guān)的會議與論述很多，不乏深度學習或者深度學習與傳統(tǒng)算法相結(jié)合的，以有限的資源來看，深度學習并沒有特別大的優(yōu)勢：表現(xiàn)在
    
1. 深度學習對訓練圖庫的要求很高，很難得到很好的訓練結(jié)果
2. 深度學習的靈活度較低，若適用場景有些許改變，均需要重新訓練，這在商用時會是很大的問題
3. 深度學習的部署成本較高，同時對部署場景有較高要求（光線/攝像效果等）
當然，深度學習大勢所趨，也不必因噎廢食，萬一是一時的淺見呢。后續(xù)也會投身到這個方向去。
    
瑕疵檢測關(guān)注的兩個問題
    
瑕疵的標注
    
對瑕疵的標注是為了更直觀的展示，主要是給人看的
    
瑕疵的量化
    
真正機器關(guān)心的是怎么量化，是用數(shù)量表示還是百分比是個值得考慮的問題
    
歷程
    
1.圖像去噪->灰度化->二值化
    
二值化之后就可以看到絕大部分的瑕疵點已經(jīng)凸顯出來了，但是有三個問題：
    
1. 黑點瑕疵與白點瑕疵是二值化的兩個極端，故無法同時出現(xiàn)。
2. 量化如何去除Logo與其他印刷的干擾
問題1后續(xù)用邊緣檢測替代
問題2采用像素點計數(shù)的方法，計算百分比，然后與無瑕疵的百分比作比較，準確度不高，也顯得low low的。
    
2.圖像去噪->灰度化->canny->形態(tài)學（閉運算）->連通域
    
邊緣檢測后進行閉運算，瑕疵會形成大大小小的連通域，可以統(tǒng)計連通域的個數(shù)，然后與無瑕疵logo與其他印刷形成的連通域個數(shù)作比較，這種情況幾乎不會漏掉。這是感覺可行的選擇之一。
    
3.OpenCV matchTemplate
    
實驗室條件下，可以營造比較理想的條件，所以考慮了OpenCV的模板匹配，同時也測試了模板匹配在不理想情況下的表現(xiàn)。
結(jié)果證明因為手機瑕疵檢測的需求目標較低，模板匹配是比較能夠勝任的一個辦法。只要模板與識別目標的拍攝角度差別不是太大，都可以很好的識別瑕疵。圖片的輕微縮放大多也可以應付。
    
其他處理
    
前面都是軟件方面處理的流程，在如何獲得更加理想的圖片方面也做了一些嘗試：
    

     
采用各種不同顏色的光源，如藍光/紅光，區(qū)別不大
     
對圖片進行白平衡調(diào)整，有改善
     
攝像頭加偏振鏡防止圖像反光，有改善但不明顯
     
圖片浮雕處理，肉眼看上去瑕疵顯著了，但對機器而言并沒有區(qū)別，故沒有采納
    
    


   

          

           

            
聲明：部分內(nèi)容來源于網(wǎng)絡，僅供讀者學習、交流之目的。文章版權(quán)歸原作者所有。如有不妥，請聯(lián)系刪除。
            


            
             

              下載1：OpenCV-Contrib擴展模塊中文版教程
              

             
             

              在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。
             
             

              

             
             

              下載2：Python視覺實戰(zhàn)項目52講
             
             

              在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。
             
             

              

             
             

              下載3：OpenCV實戰(zhàn)項目20講
             
             

              在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學習進階。
             
             

              

             
交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~