opencv复杂背景下的轮廓提取与缺陷检测
开门见山，在一个论坛上，看到了一个案例，对一个复杂背景下的物体进行缺陷检测。论坛上有人给出了halcon、的代码，简介明了，不过在此我尝试用c++写出来了
多数是因为缺陷不是很明显特征，这个时候直接增强干扰太多，直接二值化又容易干掉它，但是中值滤波是一个很好得手段，可以保留明显特征，而去掉中间特征的滤波器，通过它之后，跟原图求差值图象，就得到了缺陷不明显特征，然后二值化之后再分析就会有结果，是传统基于二值分析缺陷检测固定套路之一！
halcon的写法：添加链接描述
这个图真的是密集恐惧症慎点，大晚上看的话还有点害怕，面对这样的一个图片，如何对他中间区域的提取分割呢。
首先把这个物体比喻成一个眼球，对眼球周围部分的密集纹路进行一个过滤，转为灰度后然后进行中值滤波，然后尝试用图像做差过滤掉大部分纹路，然后二值化。
对于二值化的图像，根据其图像结果，进行开操作，去除干扰，然后做闭运算，将缺陷部位进行连接，最后使用轮廓查找后绘制
整理一下思路：
1.灰度化后使用中值滤波
2.灰度图与滤波图做差，然后二值化
3.开操作，去除干扰
4.闭操作，连接缺陷
5.轮廓查找与绘制
1.预处理
Mat image = imread("1234.BMP");
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
Mat mean;
medianBlur(gray, mean, 201);
灰度图
滤波后的图
做差后的图，可以看到缺陷部分有了突出，有点烟花的感觉啦~
然后进行二值化操作，进一步突出缺陷区域
Mat thresh_low, thresh_high;
threshold(diff, thresh_low, 41, 255, THRESH_BINARY);
二值化图像
接下进行形态学操作，首先是开操作，开操作可以删除二值图像中小的干扰块，降低图像二值化之后噪点过多的问题
Mat img2;
Mat element = getStructuringElement(MORPH_ELLIPSE, Size(17, 17),Point(-1,-1));
morphologyEx(thresh_low, img2, MORPH_OPEN, element);
开操作后图片
然后进行闭操作，闭操作可以填充二值图像中孔洞区域，形成完整的闭合区域连通组件。
Mat img3;
Mat element1 = getStructuringElement(MORPH_ELLIPSE, Size(35, 35), Point(-1, -1));
morphologyEx(img2, img3, MORPH_CLOSE, element1);
闭操作后图片
最后使用findcontours函数进行轮廓查询，使用drawcontours绘制轮廓
vector<vector<Point>>contours;
vector<Vec4i>hierachy;
vector<Rect>rects;
findContours(img3, contours, hierachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (size_t t = 0; t < contours.size(); t++)
{
Rect rect = boundingRect(contours[t]);
double area = contourArea(contours[t]);
rects.push_back(rect);
drawContours(image,contours, -1, Scalar(0, 0,255 ),2);
}
printf("缺陷个数:%d\n", rects.size());
printf("轮廓个数：%d\n", contours.size());
完成啦，但是这种方法只能针对此单一图片，若是对不同的缺陷大小不同的图片，则需要进一步优化。但是此方法可对复杂背景下的缺陷检测提供一个思路。后续若是接触了深度学习或者分割网络的方法，则进行进一步的研究~