如何检测圆形缺陷？

Question

有没有办法判断一个圆是否有这样的缺陷？圆度不起作用。或者有没有办法消除它们？

    perimeter = cv2.arcLength(cnts[0],True)
    area = cv2.contourArea(cnts[0])
    roundness = 4*pi*area/(perimeter*perimeter)
    print("Roundness:", roundness)

Answer 1

“圆度”测量对周长的精确估计很敏感。所做cv2.arcLength()的就是添加每个多边形边的长度，这严重高估了轮廓的长度。我想这就是这个措施对你不起作用的主要原因。使用更好的周长估算器，您将获得有用的结果。

另一种可能更有用的度量是“圆度”，定义为半径的变异系数。简而言之，您计算每个多边形顶点（即轮廓点）到质心的距离，然后确定这些距离的变异系数（== std /mean）。

我编写了一个快速的 Python 脚本来从 OpenCV 轮廓开始计算：

import cv2
import numpy as np

# read in OP's example image, making sure we ignore the red arrow
img = cv2.imread('jGssp.png')[:, :, 1]
_, img = cv2.threshold(img, 127, 255, 0)

# get the contour of the shape
contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contour = contours[0][:, 0, :]

# add the first point as the last, to close it
contour = np.concatenate((contour, contour[0, None, :]))

# compute centroid
def cross_product(v1, v2):
    """2D cross product."""
    return v1[0] * v2[1] - v1[1] * v2[0]

sum = 0.0
xsum = 0.0
ysum = 0.0
for ii in range(1, contour.shape[0]):
    v = cross_product(contour[ii - 1, :], contour[ii, :])
    sum += v
    xsum += (contour[ii - 1, 0] + contour[ii, 0]) * v
    ysum += (contour[ii - 1, 1] + contour[ii, 1]) * v

centroid = np.array([ xsum, ysum ]) / (3 * sum)

# Compute coefficient of variation of distances to centroid (==circularity)
d = np.sqrt(np.sum((contour - centroid) ** 2, axis=1))
circularity = np.std(d) / np.mean(d)