二值图像分析的典型案例

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,(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
forcntinrange(len(contours)):
area=cv.contourArea(contours[cnt])
ifarea

	

	问题2的完整代码如下：

	
importcv2ascv
importnumpyasnp

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
forcntinrange(len(contours)):
area=cv.contourArea(contours[cnt])
ifarea

	

	

	审核编辑：汤梓红