二值图像分析案例精选

OpenCV学堂 2023-12-05 21:52

点击上方↑↑↑OpenCV学堂”关注我

面向CV技术爱好者征稿,点击底部【合作交流】即可

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。

 

问题一

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。

问题二

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:

代码

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, (33))
dst = cv.morphologyEx(gray, cv.MORPH_GRADIENT, se)
ret, binary = cv.threshold(dst, 0255, cv.THRESH_OTSU | cv.THRESH_BINARY)

# 形态学处理
se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (55))
binary = cv.morphologyEx(binary, cv.MORPH_OPEN, se)
se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (1010))
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-10:w]
        src_roi = src[tbins[i]:h-10: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] - 10:w]
        src_roi = src[tbins[i-1]:tbins[i] - 10: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), (5050), cv.FONT_HERSHEY_SIMPLEX, 1.0, (00255), 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, (33), 0)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
edge = cv.Canny(src, 50100)

se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (1010))
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, (25500), 2)

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


以上这些都来自《OpenCV4应用开发 - 入门、进阶与工程化实践》书中第六、第七、第八章相关知识点的实际应用。图书作者贾志刚 拥有多年OpenCV开发与工程化经验,全书共计16个章节,重点聚焦OpenCV开发常用模块详解与工程化开发实践,提升OpenCV应用开发能力,助力读者成为OpenCV开发者,同时包含深度学习模型训练与部署加速等知识,帮助OpenCV开发者进一步拓展技能地图,满足工业项目落地所需技能提升。购买请点链接: 
https://item.jd.com/10092255924058.html
书中全部源代码已经基于OpenCV4.8 + VS2017调试通过。购买本书请扫码(此链接已经优惠打折!


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



OpenCV学堂 专注计算机视觉开发技术分享,技术框架使用,包括OpenCV,Tensorflow,Pytorch教程与案例,相关算法详解,最新CV方向论文,硬核代码干货与代码案例详解!作者在CV工程化方面深度耕耘15年,感谢您的关注!
评论 (0)
  •   天空卫星健康状况监测维护管理系统:全方位解析  在航天技术迅猛发展的当下,卫星在轨运行的安全与可靠至关重要。整合多种技术,实现对卫星的实时监测、故障诊断、健康评估以及维护决策,有力保障卫星长期稳定运转。  应用案例       系统软件供应可以来这里,这个首肌开始是幺伍扒,中间是幺幺叁叁,最后一个是泗柒泗泗,按照数字顺序组合就可以找到。  一、系统架构与功能模块  数据采集层  数据处理层  智能分析层  决策支持层  二、关键技术  故障诊断技术  
    华盛恒辉l58ll334744 2025-04-10 15:46 63浏览
  • ‌亥姆霍兹线圈‌是由两组相同的线圈组成,线圈之间的距离等于它们的半径。当电流同时流过这两个线圈时,会在它们中间形成一个几乎均匀的磁场。这种设计克服了普通线圈磁场不均匀的缺陷,能够在中心区域形成稳定、均匀的磁场‌。‌亥姆霍兹线圈的应用领域‌包括材料、电子、生物、医疗、航空航天、化学、应用物理等各个学科。由于其操作简便且能够提供极微弱的磁场直至数百高斯的磁场,亥姆霍兹线圈在各研究所、高等院校及企业中被广泛用于物质磁性或检测实验。‌亥姆霍兹线圈可以根据不同的标准进行分类‌:‌按磁场方向分类‌:‌一维亥
    锦正茂科技 2025-04-09 17:20 134浏览
  • 行业痛点:电动车智能化催生语音交互刚需随着全球短途出行市场爆发式增长,中国电动自行车保有量已突破3.5亿辆。新国标实施推动行业向智能化、安全化转型,传统蜂鸣器报警方式因音效单一、缺乏场景适配性等问题,难以满足用户对智能交互体验的需求。WT2003HX系列语音芯片,以高性能处理器架构与灵活开发平台,为两轮电动车提供从基础报警到智能交互的全栈语音解决方案。WT2003HX芯片技术优势深度解读1. 高品质硬件性能,重塑语音交互标准搭载32位RISC处理器,主频高达120MHz,确保复杂算法流畅运行支持
    广州唯创电子 2025-04-10 09:12 163浏览
  • 政策驱动,AVAS成新能源车安全刚需随着全球碳中和目标的推进,新能源汽车产业迎来爆发式增长。据统计,2023年中国新能源汽车渗透率已突破35%,而欧盟法规明确要求2024年后新能效车型必须配备低速提示音系统(AVAS)。在此背景下,低速报警器作为车辆主动安全的核心组件,其技术性能直接关乎行人安全与法规合规性。基于WT2003H芯片开发的AVAS解决方案,以高可靠性、强定制化能力及智能场景适配特性,正成为行业技术升级的新标杆。WT2003H方案技术亮点解析全场景音效精准触发方案通过多传感器融合技术
    广州唯创电子 2025-04-10 08:53 188浏览
  • 行业变局:从机械仪表到智能交互终端的跃迁全球两轮电动车市场正经历从“功能机”向“智能机”的转型浪潮。数据显示,2024年智能电动车仪表盘渗透率已突破42%,而传统LED仪表因交互单一、扩展性差等问题,难以满足以下核心需求:适老化需求:35%中老年用户反映仪表信息辨识困难智能化缺口:78%用户期待仪表盘支持手机互联与语音交互成本敏感度:厂商需在15元以内BOM成本实现功能升级在此背景下,集成语音播报与蓝牙互联的WT2605C-32N芯片方案,以“极简设计+智能交互”重构仪表盘技术生态链。技术破局:
    广州唯创电子 2025-04-11 08:59 122浏览
  • 什么是车用高效能运算(Automotive HPC)?高温条件为何是潜在威胁?作为电动车内的关键核心组件,由于Automotive HPC(CPU)具备高频高效能运算电子组件、高速传输接口以及复杂运算处理、资源分配等诸多特性,再加上各种车辆的复杂应用情境等等条件,不难发见Automotive HPC对整个平台讯号传输实时处理、系统稳定度、耐久度、兼容性与安全性将造成多大的考验。而在各种汽车使用者情境之中,「高温条件」就是你我在日常生活中必然会面临到的一种潜在威胁。不论是长时间将车辆停放在室外的高
    百佳泰测试实验室 2025-04-10 15:09 71浏览
  • 由西门子(Siemens)生产的SIMATIC S7 PLC在SCADA 领域发挥着至关重要的作用。在众多行业中,SCADA 应用都需要与这些 PLC 进行通信。那么,有哪些高效可行的解决方案呢?宏集为您提供多种选择。传统方案:通过OPC服务器与西门子 PLC 间接通信SIMATIC S7系列的PLC是工业可编程控制器,能够实现对生产流程的实时SCADA监控,提供关于设备和流程状态的准确、最新数据。S7Comm(全称S7 Communication),也被称为工业以太网或Profinet,是西门
    宏集科技 2025-04-10 13:44 76浏览
  •   海上电磁干扰训练系统:全方位解析      海上电磁干扰训练系统,作为模拟复杂海上电磁环境、锻炼人员应对电磁干扰能力的关键技术装备,在军事、科研以及民用等诸多领域广泛应用。接下来从系统构成、功能特点、技术原理及应用场景等方面展开详细解析。   应用案例   系统软件供应可以来这里,这个首肌开始是幺伍扒,中间是幺幺叁叁,最后一个是泗柒泗泗,按照数字顺序组合就可以找到。   一、系统构成   核心组件   电磁信号模拟设备:负责生成各类复杂的电磁信号,模拟海上多样
    华盛恒辉l58ll334744 2025-04-10 16:45 94浏览
  • 背景近年来,随着国家对资源、能源有效利用率的要求越来越高,对环境保护和水处理的要求也越来越严格,因此有大量的固液分离问题需要解决。真空过滤器是是由负压形成真空过滤的固液分离机械。用过滤介质把容器分为上、下两层,利用负压,悬浮液加入上腔,在压力作用下通过过滤介质进入下腔成为滤液,悬浮液中的固体颗粒吸附在过滤介质表面形成滤饼,滤液穿过过滤介质经中心轴内部排出,达到固液分离的目的。目前市面上的过滤器多分为间歇操作和连续操作两种。间歇操作的真空过滤机可过滤各种浓度的悬浮液,连续操作的真空过滤机适于过滤含
    宏集科技 2025-04-10 13:45 70浏览
  • 文/Leon编辑/侯煜‍关税大战一触即发,当地时间4月9日起,美国开始对中国进口商品征收总计104%的关税。对此,中国外交部回应道:中方绝不接受美方极限施压霸道霸凌,将继续采取坚决有力措施,维护自身正当权益。同时,中国对原产于美国的进口商品加征关税税率,由34%提高至84%。随后,美国总统特朗普在社交媒体宣布,对中国关税立刻提高至125%,并暂缓其他75个国家对等关税90天,在此期间适用于10%的税率。特朗普政府挑起关税大战的目的,实际上是寻求制造业回流至美国。据悉,特朗普政府此次宣布对全球18
    华尔街科技眼 2025-04-10 16:39 87浏览
  •   卫星故障预警系统软件:卫星在轨安全的智能护盾   北京华盛恒辉卫星故障预警系统软件,作为确保卫星在轨安全运行的关键利器,集成前沿的监测、诊断及预警技术,对卫星健康状况予以实时评估,提前预判潜在故障。下面将从核心功能、技术特性、应用场景以及发展走向等方面展开详尽阐述。   应用案例   目前,已有多个卫星故障预警系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润卫星故障预警系统。这些成功案例为卫星故障预警系统的推广和应用提供了有力支持。   核心功能   实时状态监测:
    华盛恒辉l58ll334744 2025-04-09 19:49 159浏览
  •     前几天同事问我,电压到多少伏就不安全了?考虑到这位同事的非电专业背景,我做了最极端的答复——多少伏都不安全,非专业人员别摸带电的东西。    那么,是不是这么绝对呢?我查了一下标准,奇怪的知识增加了。    标准的名字值得玩味——《电流对人和家畜的效应》,GB/T 13870.5 (IEC 60749-5)。里面对人、牛、尸体分类讨论(搞硬件的牛马一时恍惚,不知道自己算哪种)。    触电是电流造成的生理效应
    电子知识打边炉 2025-04-09 22:35 178浏览
  • 技术原理:非扫描式全局像的革新Flash激光雷达是一种纯固态激光雷达技术,其核心原理是通过面阵激光瞬时覆盖探测区域,配合高灵敏度传感器实现全局三维成像。其工作流程可分解为以下关键环节:1. 激光发射:采用二维点阵光源(如VCSEL垂直腔面发射激光器),通过光扩散器在单次脉冲中发射覆盖整个视场的面阵激光,视场角通常可达120°×75°,部分激光雷达产品可以做到120°×90°的超大视场角。不同于传统机械扫描或MEMS微振镜方案,Flash方案无需任何移动部件,直接通过电信号控制激光发射模式。2.
    robolab 2025-04-10 15:30 89浏览
  •   卫星故障预警系统:守护卫星在轨安全的 “瞭望塔”   卫星故障预警系统作为保障卫星在轨安全运行的核心技术,集成多源数据监测、智能诊断算法与预警响应机制,实时监控卫星关键系统状态,精准预判故障。下面从系统架构、技术原理、应用场景以及发展趋势这四个关键维度展开深入解析。   应用案例   目前,已有多个卫星故障预警系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润卫星故障预警系统。这些成功案例为卫星故障预警系统的推广和应用提供了有力支持。   系统架构与组成   卫星故障
    华盛恒辉l58ll334744 2025-04-09 17:18 134浏览
我要评论
0
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦