如何用OpenCV评估3D打印Linear Advance/Flow校准线条的一致性？

一、图像预处理 #

• 灰度转换与二值化：先将彩色图像转为灰度图，调用cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)，再用自适应二值化（cv2.adaptiveThreshold）处理，适配光照不均场景，把线条与背景清晰分离；若光照稳定，也可使用固定阈值二值化。
• 噪声去除：用高斯模糊（cv2.GaussianBlur）或中值滤波（cv2.medianBlur）过滤打印线条的细微噪点，避免干扰后续轮廓提取。
• ROI提取：通过轮廓检测或手动框选，定位所有线条的独立区域，仅保留每条线条的ROI，避免不同线条之间的干扰。

二、线条宽度分析 #

• 轮廓提取：调用cv2.findContours提取每条线条的最外层轮廓，采用cv2.RETR_EXTERNAL检索模式，只获取线条主体轮廓。
• 宽度采样计算：假设线条为水平/垂直排列（若倾斜可先做仿射变换矫正），沿线条长度方向每隔固定步长，取垂直于线条方向的截面，统计截面内白色像素数量即对应位置的线条宽度。
• 一致性指标计算：对每条线条的所有采样宽度，计算平均值和标准差。标准差越小，说明线条宽度的一致性越好，即为目标最优线条。

三、缺陷与最优线条标记 #

• 缺陷标记：设定阈值（例如平均值±2倍标准差），当某段采样宽度超出阈值范围时，用红色矩形框标记该缺陷区域，调用cv2.rectangle实现。
• 最优线条标记：遍历所有线条，筛选出标准差最小的那条，用绿色矩形框标记其整体区域。

四、代码实现步骤 #

1. 读取图像：img = cv2.imread("calibration_lines.jpg")
2. 预处理流水线：灰度化→滤波→二值化
3. 分割线条：通过轮廓检测或行列分割（线条整齐排列时），得到每条线条的独立图像
4. 计算每条线条的宽度均值与标准差
5. 排序筛选：按标准差从小到大排序，选出最优线条
6. 绘制标记：在原图上绘制缺陷红框与最优绿框
7. 输出结果：显示或保存处理后的图像，cv2.imshow("Result", img) / cv2.imwrite("marked_result.jpg", img)

关键注意点 #

• 拍摄时保证光照均匀，避免阴影导致二值化错误；可固定相机参数与打光条件。
• 若线条倾斜，先通过轮廓外接矩形计算倾斜角度，用仿射变换矫正为水平/垂直方向，方便宽度采样。
• 采样步长需平衡精度与效率，建议根据线条长度取50-200个采样点。

内容的提问来源于stack exchange，提问作者Danilo Lemes