皮革表面劃痕檢測是質量控制中的重要環(huán)節(jié)，利用計算機視覺技術能夠快速、精準地識別皮革表面的缺陷。本文將詳細講解如何通過OpenCVSharp實現(xiàn)皮革劃痕的自動檢測。

實現(xiàn)方案

環(huán)境準備

首先，確保安裝以下NuGet包：

• OpenCvSharp4
• OpenCvSharp4.Windows

完整代碼實現(xiàn)

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using OpenCvSharp;

namespace AppScratchInspection
{
    publicclass LeatherScratchDetector
    {
        /// <summary>  
        /// 顯示圖像處理的每個階段  
        /// </summary>  
        /// <param name="imagePath">皮革圖像路徑</param>  
        public void DetectScratchWithVisualization(string imagePath)
        {
            // 讀取原始圖像  
            Mat originalImage = Cv2.ImRead(imagePath, ImreadModes.Color);
            ShowImage("原始圖像", originalImage);

            // 圖像預處理：轉換為灰度圖  
            Mat grayImage = new Mat();
            Cv2.CvtColor(originalImage, grayImage, ColorConversionCodes.BGR2GRAY);
            ShowImage("灰度圖", grayImage);

            // 圖像去噪  
            Mat denoiseImage = new Mat();
            Cv2.GaussianBlur(grayImage, denoiseImage, new Size(3, 3), 0);
            ShowImage("去噪圖像", denoiseImage);

            // 邊緣檢測（使用Canny算法）  
            Mat edges = new Mat();
            Cv2.Canny(denoiseImage, edges, 50, 90);
            ShowImage("邊緣檢測", edges);

            // 形態(tài)學操作：膨脹和腐蝕，突出劃痕特征  
            Mat kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(11, 11));
            Mat dilatedEdges = new Mat();
            Cv2.Dilate(edges, dilatedEdges, kernel, iterations: 2);
            ShowImage("膨脹處理", dilatedEdges);

            // 查找輪廓  
            Point[][] contours;
            HierarchyIndex[] hierarchies;
            Cv2.FindContours(dilatedEdges, out contours, out hierarchies,
                RetrievalModes.External,
                ContourApproximationModes.ApproxSimple);

            // 過濾和分析輪廓（劃痕）  
            List<Point[]> scratches = new List<Point[]>();
            Mat contourImage = originalImage.Clone();

            foreach (var contour in contours)
            {
                double area = Cv2.ContourArea(contour);

                // 根據面積和形狀過濾可能的劃痕  
                if (area > 50)
                {
                    double perimeter = Cv2.ArcLength(contour, true);
                    double ratio = 4 * Math.PI * area / (perimeter * perimeter);

                    // 長條狀特征判斷  
                    if (ratio < 0.5)
                    {
                        scratches.Add(contour);

                        // 繪制每個檢測到的輪廓  
                        Cv2.DrawContours(contourImage, new Point[][] { contour }, -1,
                            Scalar.Red, 2);
                    }
                }
            }

            // 顯示最終結果  
            ShowImage("劃痕檢測結果", contourImage);

            // 輸出劃痕數量  
            Console.WriteLine($"檢測到 {scratches.Count} 個劃痕");
        }

        /// <summary>  
        /// 封裝圖像窗口顯示方法  
        /// </summary>  
        /// <param name="windowName">窗口名稱</param>  
        /// <param name="image">待顯示圖像</param>  
        private void ShowImage(string windowName, Mat image)
        {
            // 調整圖像大小以適應屏幕  
            Mat resizedImage = new Mat();
            Cv2.Resize(image, resizedImage, new Size(640, 480));

            // 顯示窗口  
            Cv2.ImShow(windowName, resizedImage);

            // 等待按鍵  
            Cv2.WaitKey(1000); // 每個窗口停留1秒  
        }
    }
}

調用

using OpenCvSharp;

namespace AppScratchInspection
{
    internal class Program
    {
        static void Main(string[] args)
        {
            var detector = new LeatherScratchDetector();
            detector.DetectScratchWithVisualization("example.jpeg");

            // 保持最后一個窗口直到用戶關閉  
            Cv2.WaitKey(0);
            Cv2.DestroyAllWindows();
        }
    }
}

Cv2.Canny 函數參數

void Cv2.Canny(Mat image, Mat edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false);

參數說明

1. image
    (Mat):
• 輸入圖像，通常是經過灰度處理和去噪的圖像。
2. edges
    (Mat):
• 輸出圖像，包含檢測到的邊緣。
3. threshold1
    (double):
• 第一個閾值，用于邊緣連接。值越低，檢測到的邊緣越多。這個值用于哈希圖像的梯度強度，低于該值的梯度被認為是非邊緣強度。
4. threshold2
    (double):
• 第二個閾值，用于邊緣連接。值越高，邊緣檢測將更嚴格。只有當梯度強度高于該值時，才會被認為是潛在邊緣。Canny算法通過兩個閾值來連接邊緣，低于 `threshold1` 的邊緣被丟棄，介于兩個閾值之間的邊緣需要與高于 `threshold2` 的邊緣連接才能成為有效邊緣。
5. apertureSize
    (int, 可選):
• Sobel算子的大小，用于計算圖像梯度。它可以取值為3、5或7，默認為3。增大這個值可以提高邊緣檢測的平滑度，但可能會損失一些細節(jié)。
6. L2gradient
    (bool, 可選):
• 是否使用更精確的L2范數計算梯度的大小。如果為`true`，則使用L2范數；如果為`false`（默認），則使用L1范數。L2范數能提供更精確的邊緣。

示例

在您的代碼中，您使用的參數如下：

Cv2.Canny(denoiseImage, edges, 50, 90);

• threshold1
  : 50
• threshold2
  : 90

這意味著：

• 任何梯度低于50的點將被拋棄；
• 任何梯度超過90的點將被標記為邊緣；
• 凡是介于50和90之間的點，只有當它與一個標記為邊緣的點相連時，才會被視為邊緣。

注意

• 根據實際產品表面特征調整參數
• 光照和拍攝條件會影響檢測效果
• 建議采集大量樣本進行算法訓練和優(yōu)化

結語

通過OpenCVSharp，我們可以構建一個高效的產品表面劃痕檢測系統(tǒng)。結合計算機視覺技術和實際工業(yè)需求，可以顯著提高產品質量檢測的準確性和效率。

閱讀原文：原文鏈接