织物（牛仔布）缺陷检测精度优化求助：误检多、框选偏移

核心问题拆解 #

• 误检过多：边缘检测对牛仔布本身的纹理（斜纹、纱线间隙）过度敏感，这类正常纹理被误判为缺陷边缘
• 框选仅覆盖边缘：基于边缘的检测只能捕捉缺陷轮廓，无法填充内部区域，导致缺陷mask不完整，最终框选范围偏离实际缺陷

针对性优化建议 #

一、替换边缘检测逻辑，直接提取缺陷区域 #

放弃单纯的边缘检测，改用纹理差异导向的区域分割，更适配牛仔布这类有规律纹理的织物：

1. 背景纹理建模与差分
   先对无缺陷的牛仔布区域生成纹理模板，通过输入图与模板的差分突出异常区域：

   # 生成背景模板（假设image是归一化后的灰度图）
   bg_template = cv2.GaussianBlur(image, (15,15), 0)
   # 计算差分并归一化
   diff_map = cv2.absdiff(image, bg_template)
   diff_map = cv2.normalize(diff_map, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
   

2. 自适应阈值分割
   替换手动阈值为自适应阈值，根据局部区域亮度调整阈值，过滤牛仔布纹理干扰：

   # 自适应阈值分割差分图
   defect_mask = cv2.adaptiveThreshold(diff_map, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                       cv2.THRESH_BINARY_INV, 11, 2)
   

二、优化形态学操作与后过滤逻辑 #

1. 定制化形态学核
   放弃固定3x3全1核，改用椭圆核或十字核，贴合织物缺陷的不规则形状，减少对正常纹理的误操作：

   # 生成椭圆核
   kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
   # 先闭运算填充缺陷内部空隙，再开运算去除小噪声
   defect_mask = cv2.morphologyEx(defect_mask, cv2.MORPH_CLOSE, kernel, iterations=1)
   defect_mask = cv2.morphologyEx(defect_mask, cv2.MORPH_OPEN, kernel, iterations=1)
   

2. 基于轮廓几何特征的过滤
   除面积外，增加圆度、长宽比过滤，排除类似牛仔布纹理的细长/规则轮廓：

   contours, _ = cv2.findContours(defect_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   for cnt in contours:
       area = cv2.contourArea(cnt)
       if area < min_contour_area:
           continue
       # 计算圆度（值越接近1越接近圆形）
       perimeter = cv2.arcLength(cnt, True)
       if perimeter == 0:
           continue
       circularity = 4 * np.pi * (area / (perimeter ** 2))
       # 过滤圆度过低的纹理轮廓（牛仔布纹理圆度通常<0.3）
       if circularity < 0.3:
           cv2.drawContours(defect_mask, [cnt], 0, 0, -1)
   

三、进阶：轻量级语义分割模型 #

如果传统方法达不到精度要求，直接用小型语义分割模型（如简化版U-Net）：

• 收集50-100张带标注的牛仔布缺陷样本
• 用预训练小模型微调，直接输出完整的缺陷mask，彻底解决边缘框选和误检问题

现有代码快速修改方案 #

若不想大幅改动现有逻辑，可先做以下调整：

1. 将边缘检测输入改为灰度图的拉普拉斯变换，同时捕捉边缘和内部区域的亮度突变
2. 把原cv2.dilate替换为闭运算，先填充边缘内部空隙再膨胀：

   # 替换原膨胀操作
   defect_mask = cv2.morphologyEx(defect_mask, cv2.MORPH_CLOSE, kernel, iterations=2)
   

3. 在框选循环中增加长宽比过滤，排除细长的纹理轮廓：

   # 在原循环内添加
   aspect_ratio = w / h
   if aspect_ratio > 5 or aspect_ratio < 0.2:  # 过滤过于细长的区域
       continue
   

内容的提问来源于stack exchange，提问作者Zac Neley