Opencv-Python查找手机缺陷(含Gui界面-PyQt5实现)

• 
  
• 两个月前刚学Opencv的泄作(代码在文章下边)
  
  
  
  • 效果比力好的就是确定手机的屏幕
    
  • 查找缺陷方面效果不是很抱负
    
  • 有空会思量举行优化一下​​​​​​​        
    
  
  

• 接下就是Opencv代码部门
  
  
  
  • 起首从图片确定手机的位置
    
  • 缺陷分类辨认
    
  
  

<code>image = cv2.blur(image,(3,3))
image = cv2.blur(image,(3,3))
image = cv2.blur(image,(3,3))
复制代码

•            二值化图像得到抱负的外貌
  

<code>image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)             # 灰度图
t1, image  = cv2.threshold(image,170,255,cv2.THRESH_TOZERO)
复制代码

<code>listArea = [0]*100
for i in range(0, len(contours)):               # 遍历所有的统计的轮廓的次数
   x, y, w, h = cv2.boundingRect(contours[i])
                #       取最大矩形面积     #
                #       筛选      #
   Area = w * h
   listArea[i] = Area
a = max(listArea)
for i in range(0, len(contours)):               # 遍历所有的统计的轮廓的次数
   x, y, w, h = cv2.boundingRect(contours[i])
   Area = w * h
   if Area < a and Area > 400 :
    cv2.rectangle(image3, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 画矩形
    image10 = image3[y:y + h, x:x + w]  # 剪切屏幕出来
    cv2.imshow("10", image10)
   if Area == a:
       cv2.rectangle(image3, (x, y), (x + w, y + h), (0, 255, 0), 2)  # 画矩形
       cv2.putText(image3, "Phone", (x, y), cv2.FONT_HERSHEY_DUPLEX, 2, (0, 255, 0), 1)  # 放文字
复制代码

• 代码总体意思
  
  
  
  • ​​​​​​​检测物体外貌，然后通过cv2.boundingRect取外貌的最大外接矩形
    
  • Area = w * h求出Area的外貌的面积，像素差别的面积也肯定差别但是幸亏噪声的面积不会很大，这也就能通过筛选面积求脱手机的坐标信息了，
    
    
    
    • 第一个for起首求出全部外貌的正方形面积，然后在第二个for里边通过给出的全部面积来举行筛选
      
    • 这里对许多图像举行了一个测试一样平常一些噪声的面积都会在100左右，纵然图像分辨率很高面积也不会大于300以是只要面积大于400的我们认定他就是手机
      
    • 至于为什么这里有一个Max值a呢这是由于有些手机有外边的边框和里边的包裹的屏幕形成的以是我们会得到两个大于400的值，最大谁人自然就是边框了，比400大比最大值小的自然就是手机的屏幕，假如你想整部手机检测进去的话就在倒数第二个if语句改成Area == a即可
      
    
    
  
  

<code>image = cv2.add(image, image)
image = cv2.add(image, image)
        #       转灰      #
image = cv2.cvtColor(image, cv2.COLOR_RGBA2GRAY)
        #       二值化     #
t1, image = cv2.threshold(image, 250, 255, cv2.THRESH_BINARY)
image123 = image.copy()
        #       腐蚀      #
image123 = cv2.dilate(image123, (12, 12))
imageCAA = cv2.add(image123, image123)
imageCAA = cv2.dilate(imageCAA, (12, 12))
imageCAA = cv2.dilate(imageCAA, (12, 12))
imageCAA = cv2.dilate(imageCAA, (12, 12))
imageCAA = cv2.dilate(imageCAA, (12, 12))
复制代码

<code>imageCAA = cv2.medianBlur(imageCAA, 15)
复制代码