二值图像分析案例精选

最近一直有人向我提问很多二值图像分析相关的问题，特别选择了两个典型的轮廓分析问题。进行分析与编码实现与演示，废话不多说，先看第一个问题。

描述如下：

想找到工具盘中间缺少的几个点，统计出可以看到的工件数目

仔细分析图像发现，中间都毫无另外的有个白色很亮的圆圈，这个给了我两个思路

• 可以通过霍夫变换检测圆来提取到

• 可以通过二值图像分析来提取 + 轮廓分析来提取到这些点

得到这些轮廓点之后通过分析整个轮廓区域得到倾斜角度，进行纠偏，然后通过X与Y投影进行分割，得到每个零件的中心位置坐标，根据每一行的间隔设置阈值，从而实现缺少部分部分的标出与件数统计，确定了这样的思路以后，我就开始了写代码。代码实现是基于轮廓分析的思路，因为这个方法，用的阈值比较少，有利于算法稳定性检测。演示各部输出。二值化处理之后(形态学处理)：

轮廓发现与校正角度之后

投影分析与统计结果如下：

此外基于霍夫也是可以尝试的，霍夫的二值化效果也比较好，显示如下：

感兴趣的同学可以自己继续尝试下去。

描述如下：

如何统计下图中的对象个数，原图如下

看到这个图像之后，个人觉得解决十分简单，基于最外层轮廓发现即可，无需树形结构与层次分析，集合图像形态学分析或者距离变换就可以得到，最终代码的运行结果如下：

问题1的代码如下(已经添加各步骤注释了)：

src = cv.imread("D:/images/zsxq/zsxq_01.jpg")
cv.imshow("input", src)

# 二值化处理
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
se = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.morphologyEx(gray, cv.MORPH_GRADIENT, se)
ret, binary = cv.threshold(dst, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)

# 形态学处理
se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))
binary = cv.morphologyEx(binary, cv.MORPH_OPEN, se)
se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (10, 10))
binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, se)
cv.imshow("binary", binary)

# 轮廓分析
contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
result = np.zeros_like(binary)
total = 0
for cnt in range(len(contours)):
    area = cv.contourArea(contours[cnt])
    if area < 55:
        continue
    rrt = cv.minAreaRect(contours[cnt])
    cx, cy = rrt[0]
    cv.circle(result, (np.int32(cx), np.int32(cy)), 5, (255), -1)
    total += 1

# 几何纠偏
h, w = result.shape
pts = []
for row in range(h):
    for col in range(w):
        pv = result[row, col]
        if pv == 255:
            pts.append((col, row))

pts = np.array(pts)
rrt = cv.minAreaRect(pts)
print(rrt)
M = cv.getRotationMatrix2D(((w-1)/2.0,(h-1)/2.0),rrt[2],1)
dst = cv.warpAffine(result,M,(w,h))
src = cv.warpAffine(src,M,(w,h))

# Y方向投影
tbins = y_split(dst)

# X 方向投影
print("y-step", tbins)
for i in range(0, len(tbins), 1):
    if i == 0:
        roi = dst[0:tbins[i], 0:w]
        src_roi = src[0:tbins[i], 0:w, :]
        x_projection(roi, src_roi)
        cv.imshow("roi", roi)
        cv.waitKey(0)
    if i == len(tbins)-1:
        roi = dst[tbins[i]:h-1, 0:w]
        src_roi = src[tbins[i]:h-1, 0:w, :]
        x_projection(roi, src_roi)
        cv.imshow("roi", roi)
        cv.waitKey(0)
    if 0 < i < (len(tbins)-1):
        roi = dst[tbins[i-1]:tbins[i] - 1, 0:w]
        src_roi = src[tbins[i-1]:tbins[i] - 1, 0:w,:]
        x_projection(roi, src_roi)
        cv.imshow("roi", roi)
        cv.waitKey(0)

# 显示结果
cv.imshow("result", result)
cv.imshow("dst", dst)
cv.putText(src, "numbers: " + str(total), (50, 50), cv.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 2)
cv.imshow("detection", src)

cv.waitKey(0)
cv.destroyAllWindows()

问题2的完整代码如下：

import cv2 as cv
import numpy as np

src = cv.imread("D:/images/zsxq/zsxq_02.jpg")
cv.imshow("input", src)
src = cv.GaussianBlur(src, (3, 3), 0)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
edge = cv.Canny(src, 50, 100)

se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (10, 10))
binary = cv.morphologyEx(edge, cv.MORPH_CLOSE, se)
contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
count = 0
for cnt in range(len(contours)):
    area = cv.contourArea(contours[cnt])
    if area < 100:
        continue
    count += 1
    rrt = cv.minAreaRect(contours[cnt])

    # rotated rectangle
    box = cv.boxPoints(rrt)
    box = np.intp(box)
    cv.drawContours(src, [box], 0, (255, 0, 0), 2)

cv.imshow("binary", binary)
cv.imshow("result", src)
cv.waitKey(0)
cv.destroyAllWindows()

https://item.jd.com/10092255924058.html

购买图书有专属QQ群

负责贴身答疑解惑

读者专属QQ群 :657875553

进群暗号：OpenCV4读者