基于C++的OpenCV项目实战——零部件的自动光学检测

一、背景

首先任务背景是AOI（自动光学检测）

最重要的目的在于：将前景和物体进行分割与分类；

场景示意图：

需要注意，在螺母的传送带上，需要有前光和背光，给物体打光才能够拍摄清晰的图像；

二、基础知识

首先分为以下几步：

1、噪声抑制（预处理）

2、背景移除（分割）

3、二值化

4、连通域、轮廓查找算法

降噪算法：

​ 先使用中值滤波对椒盐噪声进行过滤，再使用高斯滤波对物体边缘进行模糊；

背景移除

首先有两种方案可以实现背景移除，也就是减法和除法；

连通图检测计数

首先连通域类型分为4路连通和8路连通：

使用连通图检测算法，可以将不连通的每个物体都用不同颜色划分出来；

三、代码实现

1、实现多窗口展示

如果想要多张图像展示在一个窗口中，也就是实现拼接图片的操作，使用Python代码实现起来可能比较便捷，C++代码需要定义一个类，并且实际编写也比较繁琐；

class Display {private:int cols, rows, width, height;String title;vector<String> win_names;vector<Mat> images;Mat canvas;public:Display(String t, int c, int r, int flags) :title(t), cols(c), rows(r) {height = 1080;width = 1920;namedWindow(title, flags);canvas = Mat(height, width, CV_8UC3);imshow(title, canvas);}int add_window(String win_name, Mat image, bool flag = true) {win_names.push_back(win_name);images.push_back(image);if (flag) {draw();}return win_names.size();}// 实现删除窗口int delete_window(String win_name) {int index = 0;for (const auto& it : win_names) {if (it == win_name) break;index++;}win_names.erase(win_names.begin() + index);images.erase(images.begin() + index);return win_names.size();}void draw() {canvas.setTo(Scalar(20, 20, 20));int single_width = width / cols;int single_height = height / rows;int max_win = win_names.size() > cols * rows ? cols * rows : win_names.size();int i = 0;auto iw = win_names.begin();for (auto it = images.begin(); it != images.end()&&i<max_win; it++,i++,iw++) {String win_name = *iw;Mat img = *it;int x = (single_width) * (i % cols);int y = (single_height)*floor(i * 1.0 / cols);Rect mask(x, y, single_width, single_height);rectangle(canvas, mask, Scalar(255, 255, 255), 9);Mat resized_img;resize(img, resized_img, Size(single_width, single_height));Mat sub_canvas(canvas, mask);if (resized_img.channels() == 1) {cvtColor(resized_img, resized_img, COLOR_GRAY2BGR);}resized_img.copyTo(sub_canvas);putText(sub_canvas, win_name, Point(50, 50), FONT_HERSHEY_COMPLEX, 2, Scalar(0, 0, 255), 3, LINE_AA);}imshow(title, canvas);}};// 使用智能指针shared_ptr<Display> multi_window;int main(int argc, char** argv){// 实现多窗口String total_path = "imgpath";String background_path = "imgpath";Mat abc = imread(total_path, 0);multi_window = make_shared<Display>("Review for all", 3, 2, WINDOW_NORMAL);multi_window->add_window("ABC", abc);multi_window->add_window("ABCC", abc);multi_window->delete_window("ABC");// 也支持删除窗口multi_window->draw();waitKey(0);return 0;}

2、降噪处理

采用中值滤波+高斯滤波结合的降噪方法：

Mat get_background(const Mat& bg){Mat img;medianBlur(bg,img,3);GaussianBlur(bg,img,Size(3,3),0);return img;}Mat smoothen_img(const Mat& noise_img){Mat img;medianBlur(noise_img,img,5);GaussianBlur(img,img,Size(3,3),0);return img;}

3、背景去除

分为两种方式，一种为减法，一种为除法；

Mat remove_background_divide(Mat image, Mat background) {Mat tmp;Mat fg, bg;image.convertTo(fg, CV_32F);background.convertTo(bg, CV_32F);tmp = 1 - (fg / bg);tmp.convertTo(tmp, CV_8U, 255);return tmp;}Mat remove_background_minus(Mat image, Mat background) {return background - image;}

从结果图上看，使用除法的方式能更好的保留白色部分的信息，因此选用除法的方式；

4、连通图实现

对二值化后的图像进行连通域划分，并且用随机颜色绘制到Mask图上；

void connection_check(Mat image) {Mat labels;int num = connectedComponents(image, labels);if (num <= 1) {cout << "No stuff detect!!" << endl;return;}else{cout << num << " objects detected!!" << endl;}Mat display = Mat::zeros(image.rows, image.cols, CV_8UC3);for (int i = 1; i < num; i++) {Mat mask = (labels == i);display.setTo(random_color_generator(seed), mask);}multi_window->add_window("Segment", display);}

5、计算连通域面积

OpenCV中也自带了对面积区域的计算：

void connection_heavy_check(Mat image) {Mat labels, stats, centroids;int num =connectedComponentsWithStats(image, labels, stats, centroids);if (num <= 1) {cout << "No stuff detect!!" << endl;return;}else{cout << num << " objects detected!!" << endl;}Mat display = Mat::zeros(image.rows, image.cols, CV_8UC3);for (int i = 1; i < num; i++) {// 得到连通域的质心点Point2i pt(centroids.at<double>(i, 0), centroids.at<double>(i, 1));// 打印标签和连通域坐标和面积cout << "Stuff #" << i << ", Position: " << pt << " ,Area: " << stats.at<int>(i, CC_STAT_AREA) << endl;Mat mask = (labels == i);display.setTo(random_color_generator(seed), mask);stringstream ss;ss << stats.at<int>(i, CC_STAT_AREA);putText(display, ss.str(), pt, FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 255, 255), 2);}multi_window->add_window("Segment more", display);}

6、轮廓检测

实现对物体轮廓的检测；

void get_contour(Mat image) {vector<vector<Point>> contours;findContours(image, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);Mat display = Mat::zeros(image.rows, image.cols, CV_8UC3);if (contours.size() == 0) {cout << "No contour detect!!" << endl;return;}else{cout << contours.size() << " contour detected!!" << endl;}for (int i = 0; i < contours.size(); i++) {drawContours(display, contours, i, random_color_generator(seed), 2);}multi_window->add_window("CONTOURS", display);}

从上结果图可知，检测到的轮廓并不包含内部轮廓，如果想检测所有轮廓应该将findContours函数中的类型参数改为RETR_LIST即可；

四、总结

本次项目中涉及的技术点如下：

多窗口展示背景去除连通图的实现轮廓边缘检测

并且在实际的C++代码中，还涉及了智能指针等高阶知识；

工业质检项目作为视觉领域较为成熟的落地项目，其大部分都是基于深度学习的方式实现了，但如果能掌握一些OpenCV的方法，也可以在项目中起到优化效果的作用；