OpenCV实现低对比度图像脏污区域检测

程序员文章站 2022-03-22 11:04:28

目录3. c++源码实现1. 低对比度图像脏污区域检测先上图：第一张图如果不是标注结果，我都没有发现脏污区域在哪里，第二张图还清晰一些，基本可以看出来图像靠近左边缘的位置有偏暗的区域，这就是我们所说的...

1. 低对比度图像脏污区域检测

先上图：

第一张图如果不是标注结果，我都没有发现脏污区域在哪里，第二张图还清晰一些，基本可以看出来图像靠近左边缘的位置有偏暗的区域，这就是我们所说的脏污区域了，也是我们要检测的区域。

标注结果图：

OpenCV实现低对比度图像脏污区域检测

2. 实现方法介绍

这里介绍两种实现方法，
第一种是用c++实现参考博文的方法，即利用梯度方法来检测，具体步骤如下：

对图像进行高斯模糊去噪，梯度计算对噪声很敏感；
调用sobel函数计算图像在x,y方向梯度；
调用convertscaleabs函数将x,y梯度图像像素值限制在0-255；
调用addweight函数将x,y梯度图像融合；
调用threshold函数对融合图像进行二值化；
使用先腐蚀、后膨胀的形态学处理方法对二值图像进行非脏污区域过滤；
调用findcontours方法查找脏污区域轮廓。

第二种方法是本人根据提高图像对比度思路实现的，具体步骤如下：
8. 对图像进行高斯模糊去噪；
9. 使用局部直方图均衡化方法来提高图像对比度；
10. 使用otsu二值化阈值方法来粗略分割脏污区域；
11. 对二值图像使用腐蚀的形态学操作过滤掉部分非脏污区域；
12. 调用findcontours方法查找脏污区域轮廓。

3. c++源码实现

#include <iostream>
#include <opencv2\imgcodecs.hpp>
#include <opencv2\core.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
#include <vector>

int main()
{
	using namespace cv;

	std::string strimgfile = "c:\\temp\\common\\workspace\\opencv\\images\\led1.jpg";
	mat msrc = imread(strimgfile);

	cv_assert(msrc.empty() == false);

	mat msrc2 = msrc.clone();

	cv_assert(msrc2.empty() == false);

	mat mgray;
	cvtcolor(msrc, mgray, color_bgr2gray);

	gaussianblur(mgray, mgray, size(5, 5), 1.0);
	mat mgray2 = mgray.clone();

	cv_assert(mgray.empty() == false);
	imshow("gray", mgray.clone());

	//方法1：利用梯度变化检测缺陷
	mat msobelx, msobely;
	sobel(mgray, msobelx, cv_16s, 1, 0, 7);
	sobel(mgray, msobely, cv_16s, 0, 1, 7);
	convertscaleabs(msobelx, msobelx);
	convertscaleabs(msobely, msobely);

	mat medge;
	addweighted(msobelx, 1, msobely, 1, 0, medge);
	imshow("edge", medge);

	mat mthresh;
	threshold(medge, mthresh, 0, 255, thresh_binary | thresh_otsu);
	imshow("thresh", mthresh);

	mat kernel1 = getstructuringelement(morph_rect, size(11, 11));
	cv_assert(kernel1.empty() == false);

	mat mmorph;
	morphologyex(mthresh, mmorph, morph_erode, kernel1);
	imshow("erode", mmorph);

	mat kernel2 = getstructuringelement(morph_rect, size(5, 5));
	morphologyex(mmorph, mmorph, morph_dilate, kernel2);
	imshow("dilate", mmorph);

	std::vector<std::vector<point>> contours;
	findcontours(mmorph, contours, retr_external, chain_approx_none);

	for (int i = 0; i < contours.size(); i++)
	{
		float area = contourarea(contours[i]);
		if (area > 200)
		{
			drawcontours(msrc, contours, i, scalar(0, 0, 255));
		}
	}

	imshow("result1", msrc.clone());

	//方法2： 利用局部直方图均衡化方法检测缺陷
	ptr<clahe> ptrclahe = createclahe(20, size(30, 30));
	ptrclahe->apply(mgray2, mgray2);
	imshow("equalizehist", mgray2);

	mat mthresh2;
	threshold(mgray2, mthresh2, 0, 255, thresh_binary_inv | thresh_otsu);
	cv_assert(mthresh2.empty() == false);
	imshow("thresh", mthresh2);

	mat kernel2_1 = getstructuringelement(morph_rect, size(9, 9));
	mat mmorph2;
	morphologyex(mthresh2, mmorph2, morph_erode, kernel2_1);

	cv_assert(mmorph2.empty() == false);

	imshow("morph2", mmorph2);

	std::vector<std::vector<point>> contours2;
	findcontours(mmorph2, contours2, retr_external, chain_approx_none);

	for (int i = 0; i < contours2.size(); i++)
	{
		float area = contourarea(contours2[i]);
		if (area > 200)
		{
			drawcontours(msrc2, contours2, i, scalar(0, 0, 255));
		}
	}

	imshow("result2", msrc2);

	waitkey(0);
	destroyallwindows();

	system("pause");
	return 0;
}