网格缺陷检测

进入正题，本篇对网格缺陷检测的思路很简单：

1. 动态阈值处理

2. 面积筛选显示缺陷

opencv实现：

    Mat src = imread("D:/opencv练习图片/网格缺陷检测1.png");
    imshow("原图", src);
    cvtColor(src, gray, COLOR_RGB2GRAY);
    GaussianBlur(gray, gray, Size(3, 3), 1, 0);    //双阈值方法
    threshold(gray, binary1, 25, 255, THRESH_BINARY);
    threshold(gray, binary2, 80, 255, THRESH_BINARY_INV);
    bitwise_and(binary1, binary2, binary);
    imshow("双阈值二值化", binary);
    vector<vector<Point>>contours;
    findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());    for (int i = 0; i < contours.size(); i++)
    {        float area = contourArea(contours[i]);        if (area>350)
        {
            drawContours(src, contours, i, Scalar(0, 0, 255), 2, 8);            int baseline = 0;
            Size textSize = getTextSize("Mesh Not OK", FONT_HERSHEY_SIMPLEX, 1.0, 2, &baseline);        
            rectangle(src, Rect(10, 10, textSize.width, textSize.height + baseline), Scalar(212, 233, 252), -1, 8);
            putText(src, "Mesh Not OK", Point(10, 5 + textSize.height + baseline), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2, 8);
        }        else
        {            int baseline = 0;
            Size textSize = getTextSize("Mesh OK", FONT_HERSHEY_SIMPLEX, 1.0, 2, &baseline);
            rectangle(src, Rect(10, 10, textSize.width, textSize.height + baseline), Scalar(212, 233, 252), -1, 8);
            putText(src, "Mesh OK", Point(10, 5 + textSize.height + baseline), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2, 8);
        }
    }
    imshow("缺陷", src);

这里采用的是双阈值处理。我们可以对比三种阈值处理的情况：

（1）全局阈值OTSU方法：

 可以看到有部分正常孔洞和网格相连，会导致正常孔洞也被标记为缺陷。

（2）自适应阈值：

 可以看到效果还不错。

（3）双阈值：

 对比自适应阈值，可以看到分割的还是比较明显一点的。