一、检测需求
对某工业产品进行缺陷检测，图像示例如下所示，其缺陷为图中的大面积黑色区域
二、问题分析
上图为灰度图，由网格状排列黑点和大面积的黑点区域（即缺陷）组成，具体缺陷类型为粘连，其形态学特征为 连通域面积较大。
查找图中缺陷（大面积的黑点）算法的核心思想为：遍历所有的轮廓，根据面积判断缺陷，当连通域面积大于一定的值（面积比普通的黑点大），即判断为缺陷，并在原图上标出缺陷轮廓。
三、基本实现步骤
1、读取图像、修改尺寸并进行灰度化处理 【图像路径要用双斜杠】
2、对图片进行全局2值化处理 【二值化阈值要适度调整；因为目标连通域是黑色，故进行颜色翻转】
3、对图形进行腐蚀 【使图形变细，连通域断开，避免误检】
4、遍历连通域，按面积筛选缺陷 【findContours：查找所有连通域；aero：计算特定连通域的面积 ；drawContours：绘制特定连通域】
四、实现过程
4.1 读取图片并修改尺寸
读取图片后将图片修改成合适的大小，这样方便看到展示的效果。读取图片时要注意读取为彩色后，因为最后的缺陷检测出来后要用红色线条标记在原图上。
Mat img = imread("C:\\Users\\aaa\\Desktop\\缺陷检测.png");//注意文件名之间用双//
Mat img2;
resize(img, img2, {
600,400 });//将原图修改为600*400的图片
4.2 将尺寸合适的彩色图修改为灰度图
运用cvtColor函数将BGR颜色空间的图片（img2）转换为GRAY（灰度图），结果保存到gray_mat。
Mat gray_mat;
cvtColor(img2, gray_mat, cv::COLOR_BGR2GRAY);
imshow("01. 灰度图", gray_mat);
代码运行效果如下所示：
4.3 全局二值化
运用threshold函数将图片gray_mat进行全局二值化，结果存入bin_mat图片中。二值化阈值要根据不同的图片适度调整，也可以使用大津法进行全局二值化（THRESH_OTSU），亦可使用局部二值化方法。
Mat bin_mat;
threshold(gray_mat, bin_mat, 128, 255, THRESH_BINARY);
//threshold(gray_mat, bin_mat, 0, 255, THRESH_OTSU);//大津法
//adaptiveThreshold(img, ez_mat, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 35, 10);//局部二值化方法,自适应阈值
imshow("02.2值图", bin_mat);
代码运行效果如下所示：
4.4 颜色翻转
因为二值化后目标连通域是黑色，故进行颜色翻转，方便下一步的操作。代码如下图所示：
Mat inv_mat;
inv_mat = 255 - bin_mat;
imshow("03.颜色翻转", inv_mat);
代码运行效果如下所示：
颜色翻转之后，二值化后黑色的大面积连通区域（缺陷）就变为了白色。
4.5 腐蚀
使图形变细，连通域断开，避免误检（因为可能潜在边缘区域粘连）；腐蚀操作的结构元素（element ）的大小要按照实际效果进行调整。
//定义一个3*3的矩形元素
Mat erode_mat;
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
erode(inv_mat, erode_mat, element);//用element进行腐蚀
imshow("04.腐蚀", erode_mat);
代码运行效果如下所示：
4.5 连通域筛选
遍历所有连通域，按面积筛选缺陷 。运用findContours函数查找指定变量（erode_mat）的所有连通域，结果存在contours里面；运用aero函数计算特定连通域（contours[i]）的面积 ；当连通域面积大于指定值（1000）时运用drawContours函数绘制特定连通域（contours,i）到img2（修改尺寸后的彩色图）上。
//查找erode_mat的轮廓，结果存在contours里面
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(erode_mat, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());
//遍历所有轮廓，绘制缺陷轮廓
for (int i = 0; i < contours.size(); i++)
{
int aero=contourArea(contours[i]);//计算轮廓面积
if (aero > 1000) {
//绘制轮廓
drawContours(img2, contours, i, Scalar(0,0,255), -1, 8, hierarchy);
cout << i << " aero:" << aero<<endl;
}
}
imshow("05.Contours Image", img2); //轮廓
代码运行效果如下所示：
5、全部代码
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
#include <assert.h>
#include <vector>
#include <io.h>
#include <stdlib.h>
#include <stdio.h>
#include <windows.h>
#include <iostream>
#include <cstring>
#include <string>
using namespace std;
using namespace cv;
int main() {
/*进行基本缺陷检测，具体缺陷类型为粘连，具体形态学特征为 连通域面积较大
核心思想： 遍历所有的轮廓，根据面积判断缺陷
基本步骤：
1、读取图像、修改尺寸并进行灰度化处理 【图像路径要用双斜杠】
2、对图片进行全局2值化处理 【二值化阈值要适度调整；因为目标连通域是黑色，故进行颜色翻转】
3、对图形进行腐蚀 【使图形变细，连通域断开，避免误检】
4、遍历连通域，按面积筛选缺陷 【findContours：查找所有连通域；
aero：计算特定连同域的面积 ；drawContours：绘制特定连通域】
*/
Mat img = imread("C:\\Users\\aaa\\Desktop\\缺陷检测.png");
Mat img2;
resize(img, img2, {
600,400 });
imshow("0修改尺寸", img2);
Mat gray_mat;
cvtColor(img2, gray_mat, cv::COLOR_BGR2GRAY);
imshow("01. 灰度图", gray_mat);
Mat bin_mat;
threshold(gray_mat, bin_mat, 128, 255, THRESH_BINARY);
imshow("02.2值图", bin_mat);
Mat inv_mat;
inv_mat = 255 - bin_mat;
imshow("03.颜色翻转", inv_mat);
//定义一个3*3的矩形元素
Mat erode_mat;
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
erode(inv_mat, erode_mat, element);//用element进行腐蚀
imshow("04.腐蚀", erode_mat);
//查找erode_mat的轮廓，结果存在contours里面
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(erode_mat, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());
//遍历所有轮廓，绘制缺陷轮廓
for (int i = 0; i < contours.size(); i++)
{
int aero=contourArea(contours[i]);//计算轮廓面积
if (aero > 1000) {
//绘制轮廓
drawContours(img2, contours, i, Scalar(0,0,255), -1, 8, hierarchy);
cout << i << " aero:" << aero<<endl;
}
}
imshow("05.Contours Image", img2); //轮廓
waitKey(0);
return 0;
}