import numpy as np from PIL import Image , ImageDraw , ImageFont import matplotlib . pyplot as plt #用于给图片添加中文字符的函数 def cv2ImgAddText ( img , text , left , top , textColor = ( 0 , 255 , 0 ) , textSize = 20 ) : # 判断是否OpenCV图片类型 if ( isinstance ( img , np . ndarray ) ) : img = Image . fromarray ( cv2 . cvtColor ( img , cv2 . COLOR_BGR2RGB ) ) # 创建一个可以在给定图像上绘图的对象 draw = ImageDraw . Draw ( img ) # 字体的格式 fontStyle = ImageFont . truetype ( "font/simsun.ttc" , textSize , encoding = "utf-8" ) # 绘制文本 draw . text ( ( left , top ) , text , textColor , font = fontStyle ) # 转换回OpenCV格式 return cv2 . cvtColor ( np . asarray ( img ) , cv2 . COLOR_RGB2BGR ) # plt绘图显示中文 plt . rcParams [ 'font.family' ] = 'SimHei' img0 = cv2 . imread ( r "C:\Users\pc\Desktop\0.bmp" ) cv2 . imshow ( 'img' , img0 ) # 彩色图转灰度图 img1 = cv2 . cvtColor ( img0 , cv2 . COLOR_BGR2GRAY ) # 缺陷检测 for i in range ( 1 , 6 ) : defect_img0 = cv2 . imread ( r "C:\Users\pc\Desktop\%d.bmp" % i ) # 获取灰度图像 defect_img1 = cv2 . cvtColor ( defect_img0 , cv2 . COLOR_BGR2GRAY ) # 获取原图像的灰度直方图 hist0 = cv2 . calcHist ( [ img1 ] , [ 0 ] , None , [ 256 ] , [ 0.0 , 255.0 ] ) # 获取待检测图像的灰度直方图 hist1 = cv2 . calcHist ( [ defect_img1 ] , [ 0 ] , None , [ 256 ] , [ 0.0 , 255.0 ] ) # 为图像添加标题 plt . title ( "原图与待检测img%d对比" % i ) # 添加图例 plt . plot ( hist0 , label = '原图' ) plt . plot ( hist1 , label = '待检测img%d' % i ) # 相似度比较 rst = cv2 . compareHist ( hist0 , hist1 , method = cv2 . HISTCMP_CORREL ) # res >= 0.95即认为合格 cv2 . imshow ( str ( i ) + ".img" , cv2ImgAddText ( defect_img0 , "合格" if rst >= 0.95 else "不合格" , 20 , 20 , ( 255 , 0 , 0 ) , 25 ) ) # 设置x轴的数值范围 plt . xlim ( [ 0 , 256 ] ) plt . legend ( loc = 'upper left' ) plt . show ( ) cv2 . waitKey ( 0 )

问题及解决方法
1.获取原图的直方图
参考链接
方式：
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]])

• images ：输入的图像
• channels ：选择图像的通道
• mask ：是一个大小和 image 一样的 np 数组，其中把需要处理的部分指定为1，不需要处理的部分指定为0，一般设置为 None ，表示处理整幅图像。
• histSize ：使用多少个 bin (柱子)，一般为256
• ranges ：像素值的范围，一般为[0,255]表示0~255

该函数结果返回一个二维数组，该数组反应画面中亮度的分布和比例。

2.比较两个直方图的相似度
参考链接
方式：
cv2.compareHist(H1, H2, method)

• H1 ：第一个直方图数组
• H2 ：第二个直方图数组（与第一个纬度相同）
• method ：所使用的方式

该函数返回一个 [0,1] 的相似度值，值越接近一就表名相似度越高。

3.相似度参数微调
由于 compareHist 函数返回一个 [0,1] 的值，需要自己调整一个阈值来选取哪些合格，经过调整后，发现阈值取 [0.90, 0.95] 能够正确选取与实验的结果，代码中取的是0.95，即待检测图与原图之间的相似度如果小于0.95则不合格。

4.通过plot显示原图与待检测图的关系折线
参考链接
通过 calcHist 函数返回的hist数组值，运用 matplotlib 绘制原图和待检测图之间的关系折线图。对比两个曲线的差异。

题目描述利用opencv或其他工具编写程序实现缺陷检测。实现过程# -*- coding: utf-8 -*-'''作者 : 丁毅开发时间 : 2021/4/21 15:30'''import cv2import numpy as npfrom PIL import Image, ImageDraw, ImageFontimport matplotlib.pyplot as plt#用于给图片添加中文字符的函数def cv2ImgAddText(img, text, left import numpy as np img = cv.imread('star.jpg') img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) ret,thresh = cv.threshold(img_gray, 127,...