基于python-OpenCV实现低对比度图像脏污区域检测

基于python-OpenCV实现低对比度图像脏污区域检测

网上找到一篇不错的C++程序，我这里把它python化了，嘿嘿。
源文章连接地址

import cv2
#可能我应该写成"from cv2 import *"的，懒得改了
from cv2 import convertScaleAbs
from cv2 import MORPH_ERODE
from cv2 import MORPH_RECT
from cv2 import MORPH_DILATE
import numpy as np



'''
1,对图像进行高斯模糊去噪，梯度计算对噪声很敏感；
2,调用Sobel函数计算图像在x,y方向梯度；
3,调用convertScaleAbs函数将x,y梯度图像像素值限制在0-255；
4,调用addWeight函数将x,y梯度图像融合；
5,调用threshold函数对融合图像进行二值化；
6,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；
7,调用findContours方法查找脏污区域轮廓。
'''
im = cv2.imread(r"C:\Users\blob.JPEG")
im_copy = np.copy(im)
#多通道图像转化为单通道
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
#高斯滤波除噪
gray = cv2.GaussianBlur(gray,(23,23),0)#我这里调整了高斯核大小，当你图片中的缺陷检测不出来时，调整它准没错！
# cv2.imshow("1",gray)
# cv2.waitKey(0)

#利用梯度变化检测缺陷（bobel算子）
#dst= cv2.Sobel(src,ddepth,dx,dy,ksize)
# dx=1,dy=0  表示计算水平方向的，不计算竖直方向，谁为1，计算谁
sobelX = cv2.Sobel(gray,cv2.CV_16S,1,0,7)
sobelY = cv2.Sobel(gray,cv2.CV_16S,0,1,7)
#上面的cv2.CV_16S会输出负数，需要下面的convertScaleAbs做绝对值转换
sobelX = cv2.convertScaleAbs(sobelX)
sobelY = cv2.convertScaleAbs(sobelY)
#对两个方向的图叠加
add_img = cv2.addWeighted(sobelX,1,sobelY,1,0)

ret,thres = cv2.threshold(add_img,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)

#腐蚀
kernel1 = cv2.getStructuringElement(MORPH_RECT,(11,11))
morph = cv2.morphologyEx(thres,MORPH_ERODE,kernel1)
#膨胀
kernel2 = cv2.getStructuringElement(MORPH_RECT,(5,5))
morph = cv2.morphologyEx(morph,MORPH_DILATE,kernel2)

#边缘检测
contours,hierarchy = cv2.findContours(morph,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
cv2.drawContours(im_copy,contours,-1,(0,0,255),3)
cv2.imshow("2",im_copy)

cv2.waitKey(0)
cv2.imshow("2",morph)
cv2.waitKey(0)

原图

效果图