OpenCV如何实现低对比度图像脏污区域检测

这篇文章主要介绍OpenCV如何实现低对比度图像脏污区域检测，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

1. 低对比度图像脏污区域检测

先上图：

第一张图如果不是标注结果，我都没有发现脏污区域在哪里，第二张图还清晰一些，基本可以看出来图像靠近左边缘的位置有偏暗的区域，这就是我们所说的脏污区域了，也是我们要检测的区域。

标注结果图：

2. 实现方法介绍

这里介绍两种实现方法，
第一种是用C++实现参考博文的方法，即利用梯度方法来检测，具体步骤如下：

• 对图像进行高斯模糊去噪，梯度计算对噪声很敏感；

• 调用Sobel函数计算图像在x,y方向梯度；

• 调用convertScaleAbs函数将x,y梯度图像像素值限制在0-255；

• 调用addWeight函数将x,y梯度图像融合；

• 调用threshold函数对融合图像进行二值化；

• 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；

• 调用findContours方法查找脏污区域轮廓。
  

第二种方法是本人根据提高图像对比度思路实现的，具体步骤如下：
8. 对图像进行高斯模糊去噪；
9. 使用局部直方图均衡化方法来提高图像对比度；
10. 使用OTSU二值化阈值方法来粗略分割脏污区域；
11. 对二值图像使用腐蚀的形态学操作过滤掉部分非脏污区域；
12. 调用findContours方法查找脏污区域轮廓。

3. C++源码实现

#include #include #include #include #include #include int main(){        using namespace cv;        std::string strImgFile = "C:\\Temp\\common\\Workspace\\Opencv\\images\\led1.jpg";        Mat mSrc = imread(strImgFile);        CV_Assert(mSrc.empty() == false);        Mat mSrc2 = mSrc.clone();        CV_Assert(mSrc2.empty() == false);        Mat mGray;        cvtColor(mSrc, mGray, COLOR_BGR2GRAY);        GaussianBlur(mGray, mGray, Size(5, 5), 1.0);        Mat mGray2 = mGray.clone();        CV_Assert(mGray.empty() == false);        imshow("gray", mGray.clone());        //方法1：利用梯度变化检测缺陷        Mat mSobelX, mSobelY;        Sobel(mGray, mSobelX, CV_16S, 1, 0, 7);        Sobel(mGray, mSobelY, CV_16S, 0, 1, 7);        convertScaleAbs(mSobelX, mSobelX);        convertScaleAbs(mSobelY, mSobelY);        Mat mEdge;        addWeighted(mSobelX, 1, mSobelY, 1, 0, mEdge);        imshow("edge", mEdge);        Mat mThresh;        threshold(mEdge, mThresh, 0, 255, THRESH_BINARY | THRESH_OTSU);        imshow("thresh", mThresh);        Mat kernel1 = getStructuringElement(MORPH_RECT, Size(11, 11));        CV_Assert(kernel1.empty() == false);        Mat mMorph;        morphologyEx(mThresh, mMorph, MORPH_ERODE, kernel1);        imshow("erode", mMorph);        Mat kernel2 = getStructuringElement(MORPH_RECT, Size(5, 5));        morphologyEx(mMorph, mMorph, MORPH_DILATE, kernel2);        imshow("dilate", mMorph);        std::vector> contours;        findContours(mMorph, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);        for (int i = 0; i < contours.size(); i++)        {                float area = contourArea(contours[i]);                if (area > 200)                {                        drawContours(mSrc, contours, i, Scalar(0, 0, 255));                }        }        imshow("result1", mSrc.clone());        //方法2： 利用局部直方图均衡化方法检测缺陷        Ptr ptrCLAHE = createCLAHE(20, Size(30, 30));        ptrCLAHE->apply(mGray2, mGray2);        imshow("equalizeHist", mGray2);        Mat mThresh3;        threshold(mGray2, mThresh3, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);        CV_Assert(mThresh3.empty() == false);        imshow("thresh", mThresh3);        Mat kernel2_1 = getStructuringElement(MORPH_RECT, Size(9, 9));        Mat mMorph3;        morphologyEx(mThresh3, mMorph3, MORPH_ERODE, kernel2_1);        CV_Assert(mMorph3.empty() == false);        imshow("morph3", mMorph3);        std::vector> contours2;        findContours(mMorph3, contours2, RETR_EXTERNAL, CHAIN_APPROX_NONE);        for (int i = 0; i < contours2.size(); i++)        {                float area = contourArea(contours2[i]);                if (area > 200)                {                        drawContours(mSrc2, contours2, i, Scalar(0, 0, 255));                }        }        imshow("result2", mSrc2);        waitKey(0);        destroyAllWindows();        system("pause");        return 0;}

4.结果

梯度方法检测结果：

局部直方图均衡化方法检测结果：

以上是"OpenCV如何实现低对比度图像脏污区域检测"这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注行业资讯频道！