一、利用直方圖的方式進行批量的圖片缺陷檢測（方法簡單）

二、步驟（完整代碼見最后）

2.1灰度轉換（將原圖和要檢測對比的圖分開灰度化）

灰度化的作用是因為后面的直方圖比較需要以像素256為基準進行相關性比較

img = cv2.imread('0.bmp')#原圖灰度轉換gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)#循環要檢測的圖，均灰度化for i in range(1, 6): t1=cv2.cvtColor(cv2.imread(str(i)+'.bmp'),cv2.COLOR_RGB2GRAY)

2.2 直方圖計算（結果其實是二維的圖表--用畫圖的方式展示）

calcHist參數講解

第一個參數： 必須為列表[],哪怕只有一個圖片 ，image輸入圖像 channels:：傳入圖像的通道， 如果是灰度圖像，那就不用說了，只有一個通道，值為0 ，如果是彩色圖像（有3個通道），那么值為0,1,2,中選擇一個，對應著BGR各個通道。這個值也得用[]傳入。 mask：掩膜圖像。 如果統計整幅圖，那么為none 。主要是如果要統計部分圖的直方圖，就得構造相應的炎掩膜來計算。 histSize：灰度級的個數， 需要中括號，比如[256] ranges:像素值的范圍， 通常[0,256] ，有的圖像如果不是0-256，比如說你來回各種變換導致像素值負值、很大，則需要調整后才可以。

#直方圖計算的函數，反應灰度值的分布情況 hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0])

h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0])

2.3 相關性比較

cv2.compareHist(H1, H2, method)

其中：

H1，H2 分別為要比較圖像的直方圖 method - 比較方式 比較方式（method） 相關性比較 (method=cv.HISTCMP_CORREL) 值越大，相關度越高，最大值為1，最小值為0-----------------------只用一種固然不是很嚴謹，但這里做示范，把閾值調高也差不多（ 取大于等于0.9 ） 卡方比較(method=cv.HISTCMP_CHISQR 值越小，相關度越高，最大值無上界，最小值0 巴氏距離比較(method=cv.HISTCMP_BHATTACHARYYA) 值越小，相關度越高，最大值為1，最小值為0 #相關性計算，采用相關系數的方式 result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL)

2.4 展示結果（判斷閾值）

相關系數含義參考表

im = Image.open(str(i) + '.bmp') draw = ImageDraw.Draw(im) fnt = ImageFont.truetype(r’C:WindowsFontssimsun.ttc’, 30) #這里視作》=0.9認為相似，即合格 if result >=0.9: draw.text((5, 10), u’合格’, fill=’red’, font=fnt) else: draw.text((5, 10), u’不合格’, fill=’red’, font=fnt) im.show('result' +str(i) + '.png')

三、完整代碼

# -*- coding: UTF-8 -*-import cv2from PIL import Image, ImageDraw, ImageFontimg = cv2.imread('0.bmp')#原圖灰度轉換gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)for i in range(1, 6): t1=cv2.cvtColor(cv2.imread(str(i)+'.bmp'),cv2.COLOR_RGB2GRAY) #直方圖計算的函數，反應灰度值的分布情況 hist = cv2.calcHist([gray], [0], None, [256], [0.0,255.0]) h1 = cv2.calcHist([t1], [0], None, [256], [0.0,255.0]) #相關性計算，采用相關系數的方式 result = cv2.compareHist(hist,h1,method=cv2.HISTCMP_CORREL) im = Image.open(str(i) + '.bmp') draw = ImageDraw.Draw(im) fnt = ImageFont.truetype(r’C:WindowsFontssimsun.ttc’, 30) #這里視作》=0.9認為相似，即合格 if result >=0.9: draw.text((5, 10), u’合格’, fill=’red’, font=fnt) else: draw.text((5, 10), u’不合格’, fill=’red’, font=fnt) im.show('result' +str(i) + '.png')

參考博文：

Python-Opencv中用compareHist函數進行直方圖比較進行對比圖片：

https://www.jb51.net/article/184210.htm

OpenCV-Python 直方圖-1：查找、繪制和分析｜二十六： http://baijiahao.baidu.com/s?id=1655424859576397139&wfr=spider&for=pc希望幫助能大家理解直方圖以及比較函數作用！！!

總結

到此這篇關于python opencv實現圖片缺陷檢測（講解直方圖以及相關系數對比法）的文章就介紹到這了,更多相關python opencv 缺陷檢測內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！