基于机器视觉的旋转编码器缺陷检测python源码+项目说明.zip

from cv2 import cv2 import numpy as np def getRoi(path): #读取图像 o=cv2.imread(r'data1\text1.bmp') #创建空模板，为后面画轮廓做准备 mask=np.zeros(o.shape,np.uint8) #将原图转为单通道的灰度图像 gray=cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) #获得最佳阈值t t,otsu=cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) #将灰度图像二值化 ret,binary=cv2.threshold(gray,t,255,cv2.THRESH_BINARY) #创建图像副本 copy_1=binary.copy() #创建闭操作所需核函数 kernel=np.ones((50,50),np.uint8) #将原图副本进行闭操作处理 close=cv2.morphologyEx(copy_1,cv2.MORPH_CLOSE,kernel, iterations=1) #获得二值图的各个轮廓 contours,hierarchy=cv2.findContours(close,cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE) l=len(contours) #创建一个空列表用来装各个轮廓面积值 a=[] #将面积值装入空列表中 for i in range(l): a.append(cv2.contourArea(contours[i])) #初始化面积最大值max和面积最大时的轮廓索引号n max=a[0] n=0 #找出面积最大时的轮廓索引号n for j in range(l): if a[j]>max: max=a[j] n=j #创建roi模板。注意，此处不可直接将contours【n】与原图相与，因为他们大小，类型都不一致，会报错！此处或许有更简便的方法。 mask=cv2.drawContours(mask,contours,n,(255,255,255),-1) #模板是rgb图像，要将其转为单通道的灰度图像，否则与操作将会报错！！！ mask_gray=cv2.cvtColor(mask,cv2.COLOR_BGR2GRAY) #利用与操作获得roi区域,此处特别注意原图需要为灰度图像，若是用二值化图像，则会出现操作之后的图片比原图稍微大一点的现象！！！ s=cv2.bitwise_and(gray,mask_gray) res = cv2.cvtColor(s,cv2.COLOR_GRAY2BGR) return res #保存图片 cv2.imwrite(r'data1\text1roi.bmp',s) print("成功获取roi图像")