如何使用OpenCV Python顺利检测焊接接头？

我已尝试使用本问题最后一部分中随附的代码检测焊接接头（焊道）。我的目标是在关节上画一个轮廓，如第三张图所示，但我的结果很差，看起来与预期的结果不相似。以下是我所做工作的总结，但代码非常清楚： 1.读取图像

.jpg

格式 2.图像模糊 3.阈值 4.形态学运算 5.创建掩码 6.寻找等高线

但结果并不乐观，我怎么能从这里脱身呢

img_new = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
blur_image = cv2.bilateralFilter(img_new,5,21,21)
thresh = cv2.adaptiveThreshold(blur_image,255,
                               cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                               cv2.THRESH_BINARY_INV,15,3)
kernel = np.ones((5,5),dtype='uint8')
thresh_dilated = cv2.dilate(thresh, kernel, iterations = 1)
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh_dilated, connectivity=4)
sizes = stats[1:,-1]
min_size = 5000
num_labels = num_labels -1
img2 = np.zeros((labels.shape))
for i in range(0,num_labels):
    if sizes[i]>=min_size:
        img2[labels==i+1]=255
closing = cv2.morphologyEx(img2,cv2.MORPH_CLOSE,kernel)
opening = cv2.morphologyEx(closing,cv2.MORPH_OPEN,kernel)
result = opening.copy()
new_result = result.astype(dtype=np.uint8)

black = np.full((new_result.shape[0],new_result.shape[1],3),(0,0,0),np.uint8)
black1 = cv2.ellipse(black,(700,750),(300,140),0,0,360,(255,255,255),-1)
grayscale = cv2.cvtColor(black1,cv2.COLOR_BGR2GRAY)
ret,b_mask = cv2.threshold(grayscale,127,255,0)
img_result = cv2.bitwise_and(new_result,b_mask)

contours, hierarchy = cv2.findContours(img_result, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,255,0), 2)
cv2.imshow('result',img)
cv2.waitKey(0)```

读过吗

这是否适用于装配线上多个焊接接头的自动加工？这是否必须适用于许多其他类似的图像？在这种情况下，对单个图片的算法进行微调是没有意义的

如果是，则需要使用更多图像来创建算法，可能需要使用不同的灯光设置，可能需要在焊接后立即使用红外摄像机拍摄图像以获得“热”遮罩。或者分别使用左、右视线的光线将两幅图像合并为一个标记

另一件非常有用的事情是从零件中获得“之前”的图像。没有焊接接头。那样的话，事情就容易了。您只需创建图像之间的差异，进行一些过滤以删除焊道和红色层

编辑1：

---

另一件我忘了提及的事情是，请分别查看RGB层。这是你应该尽早尝试的事情。通常有一些有用的东西可以看，例如，在你的例子中，蓝色层可能很有趣。请在问题中添加图层。

是。它必须处理许多焊接接头（16幅图像）。你说的完全正确，因为当我尝试平滑和检测一张图像时，结果与第一张图像的结果不同。我在想，如果有人有一个想法，可以帮助我自动化上述算法，这样它就可以正确或近似地检测其余图像的焊接接头添加更多信息（关于RGB）。只有一件事：像这样的图像处理通常是反复试验。有一些概念需要应用，但您通常需要进行大量微调才能真正满足您的需要。感谢您的贡献。。。。。你的意思是你需要上传更多的图像（RGB）吗？这将使我们有可能做出贡献。但你肯定应该看看它们。我有一种感觉，蓝色层可能很有趣。