Python+OpenCV实现表面缺陷检测

落日邮差

发布时间：2026-10-15 | 4人浏览过

原创

本文介绍使用Python结合OpenCV库进行精密器件表面缺陷检测的方法。核心流程包括图像二值化去噪、形态学腐蚀与膨胀操作以增强特征，随后进行轮廓检测并筛选符合面积阈值的缺陷区域。通过多阶段处理提高检测精度，最终绘制出缺陷轮廓。

工业检测背景与精度要求

当前许多工业检测场景，尤其是针对精密器件的筛选任务，通常要求达到像素级别的精度，以确保极高的检测准确度。

核心处理流程

主要思想

第一步是将原始图像转换为二值图像，以简化后续处理。
接着对图像执行腐蚀或膨胀处理，以优化图像特征。
随后进行轮廓检测，提取图像中的边界信息。
根据目标尺寸筛选符合条件的轮廓，排除面积过小的误差轮廓。
最后再次进行膨胀处理，并将筛选后的轮廓信息绘制输出。

代码实现与参数设置

import cv2
import os
import numpy as np
import time


t1 = time.time()
img = cv2.imread('./label/28901647.jpg', 0)
img_copy = cv2.imread('./label/28901647.jpg', 0)
mask = np.zeros_like(img)
print(np.shape(img))
# 先利用二值化去除图片噪声
ret, img = cv2.threshold(img, 80, 255, cv2.THRESH_BINARY)




es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (4, 2))
img = cv2.dilate(img, es, iterations=1)  # 形态学膨胀


kernel = np.ones(shape=[5,5],dtype=np.uint8)
img = cv2.erode(img,kernel=kernel)  # 腐蚀操作

cv2.imshow('aa',img)
cv2.waitKey(0)


contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)


n = len(contours)  # 轮廓的个数
cv_contours = []
for contour in contours:
    area = cv2.contourArea(contour)

    if area <= 500:# 筛选面积大于500的，小于500的全部变为255，
        cv_contours.append(contour)
        # 方式一
        # x, y, w, h = cv2.boundingRect(contour) # 这个函数可以获得一个图像的最小矩形边框一些信息，参数img是一个二值图像，它可以返回四个参数，左上角坐标，矩形的宽高 (轮廓集合  contour)
        # img[y:y + h, x:x + w] = 255
        
    else:

        cv2.drawContours(img_copy, [contour], -1, (0, 0, 255), 0) # 多边形轮廓绘制

        print('area:', area)
        continue
# 方式二
cv2.fillPoly(img, cv_contours, (255, 255, 255)) # 多个多边形填充

t2 = time.time()
print('时间：',t2-t1)
cv2.imwrite('./output/28901647.jpg', img)