测量金属零件上孔的直径图片，用远心单色相机拍摄

Question

设置：

• 相机：Blackfly S Mono 20.0万像素
• 镜头：光学远心镜头TC23080
• 灯：16个绿色LED
• Python:3.7.3
• 开放式CV:4.0+

对不起图片链接，但一张图片大约是20MB，也不想丢失任何质量

图像示例：

https://drive.google.com/file/d/11PU-5fzvSJt1lKlmP-lQXhdsuCJPGKbN/view?usp=sharing https://drive.google.com/file/d/1B3lSFx8YvTYv3hzuuuYtphoHBuyEdc4o/view

案例： 有不同形状的金属部件，尺寸从5x5到10x10（cm）。在这些金属零件内部有很多2到10个圆孔，必须非常精确地检测出来。孔的实际尺寸未知，因为可能的零件种类繁多。目标是用OpenCV编写一个通用算法，可以处理任何金属零件并检测圆孔。在

我们所做的： 我们尝试用HoughCircles算法来检测这些漏洞，但几乎没有成功。该算法要么过于敏感，要么根本检测不到漏洞。我们尝试了不同的param1和param2值，但是没有成功。在使用HoughCircles之前，我们也尝试过模糊图像并将其传递给Canny，但这样的方法并没有产生更好的效果。同样的算法在分辨率较低的图片上效果更好。然而，不能牺牲分辨率，因为在这个项目中精度是极其重要的。在

https://drive.google.com/file/d/1TRdDbperi37bha0uJVALS4C2dBuaNz6u/view?usp=sharing

使用以下参数检测到上述圆圈：

minradius=0
maxradius=0
dp=1
param1=100
param2=21

通过使用上述参数，我们几乎可以得到我们想要的结果。当我们对不同的图片使用相同的参数时，问题就出现了。在

我们想要得到的最终结果是一个给定圆的直径，并且我们希望相同的算法可以用于不同的零件图片

这个问题与其他问题不同的是，我们不知道给定圆的近似半径（因此我们无法操纵minradius、maxradius、param1、param2或任何其他值）。在

Answer 1

---

这是一种方法

• 将图像转换为灰度和高斯模糊
• 自适应阈值
• 对平滑/过滤图像执行形态变换
• 查找等高线
• 求周长的等高线
• 求出边界矩形和质心得到直径

在找到轮廓后，我们进行轮廓近似。其思想是，如果近似轮廓有三个顶点，那么它必须是一个三角形。类似地，如果它有四个，它必须是正方形或矩形。因此，我们可以假设，如果它的顶点数大于某个数，那么它就是一个圆。在

有几种方法可以得到直径，一种方法是找到轮廓的边界矩形并使用其宽度。另一种方法是从质心坐标计算。在

import cv2

image = cv2.imread('1.bmp')

# Gray, blur, adaptive threshold
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Morphological transformations
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

# Find contours
cnts = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

for c in cnts:
    # Find perimeter of contour
    perimeter = cv2.arcLength(c, True)
    # Perform contour approximation
    approx = cv2.approxPolyDP(c, 0.04 * perimeter, True)

    # We assume that if the contour has more than a certain
    # number of verticies, we can make the assumption
    # that the contour shape is a circle
    if len(approx) > 6:

        # Obtain bounding rectangle to get measurements
        x,y,w,h = cv2.boundingRect(c)

        # Find measurements
        diameter = w
        radius = w/2

        # Find centroid
        M = cv2.moments(c)
        cX = int(M["m10"] / M["m00"])
        cY = int(M["m01"] / M["m00"])

        # Draw the contour and center of the shape on the image
        cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),4)
        cv2.drawContours(image,[c], 0, (36,255,12), 4)
        cv2.circle(image, (cX, cY), 15, (320, 159, 22), -1) 

        # Draw line and diameter information 
        cv2.line(image, (x, y + int(h/2)), (x + w, y + int(h/2)), (156, 188, 24), 3)
        cv2.putText(image, "Diameter: {}".format(diameter), (cX - 50, cY - 50), cv2.FONT_HERSHEY_SIMPLEX, 3, (156, 188, 24), 3)

cv2.imwrite('image.png', image)
cv2.imwrite('thresh.png', thresh)
cv2.imwrite('opening.png', opening)