如何用diplib检测智能卡接触针凹坑与划痕并过滤干扰

1. 凹坑检测的多余局部高度过滤 #

在智能卡制造中，探针卡顿会在接触针上留下凹坑。使用dip.Tophat+dip.HysteresisThreshold能提取凹坑，但会误识别接触针外部/边缘的多余局部高度，需过滤此类干扰。

现有实现代码：

import diplib as dip

height = dip.ImageRead('my2.png')

local_height = dip.Tophat(height, 9)

dip.viewer.ShowModal(local_height)

inselbergs = dip.HysteresisThreshold(local_height, 20, 30)

dip.viewer.ShowModal(inselbergs)

dip.viewer.ShowModal(dip.Overlay(height, inselbergs))

labels = dip.Label(inselbergs, minSize = 3, maxSize = 20)

dip.viewer.ShowModal(dip.Overlay(height, labels))

dip.ImageWrite(dip.Overlay(height, labels), 'out.jpg')

result = dip.MeasurementTool.Measure(labels, features=['Size', 'Center'])
print(result)

（图：两根卡顿探针在接触针上留下的凹坑）
（图：需过滤的多余局部高度）

2. 划痕检测的干扰过滤 #

需检测接触针上的划痕，使用dip.FrangiVesselness能识别线条，但存在三类干扰：接触针外部/边缘的多余线条、非划痕线条、模块左下角的预打孔，需全部过滤。

现有实现代码：

import diplib as dip

height = dip.ImageRead('my2.png')

vess = dip.FrangiVesselness(height, sigmas=0.6, polarity='black')
dip.viewer.ShowModal(vess)

myout = dip.HysteresisThreshold(vess,0.2,0.4)
dip.viewer.ShowModal(dip.Overlay(height, myout))

labels = dip.Label(myout, minSize = 3, maxSize = 30)
dip.viewer.ShowModal(dip.Overlay(height, labels))

dip.ImageWrite(dip.Overlay(height, labels), 'out2.jpg')

（图：接触针上的划痕）
（图：dip::FrangiVesselness识别出大量线条）

一、凹坑检测的多余区域过滤 #

核心是先提取接触针区域掩码，仅在掩码内部保留检测结果，彻底排除外部干扰。

实现步骤： #

1. 阈值分割提取接触针大致区域（接触针灰度通常与背景差异明显，需根据实际图像调整阈值）。
2. 用形态学开闭操作优化掩码，填补孔洞、去除小噪点。
3. 将原始检测结果与掩码做按位与，过滤外部区域。

修改后代码：

import diplib as dip

height = dip.ImageRead('my2.png')

# 1. 生成接触针区域掩码
mask = height > 150  # 替换为匹配图像的实际阈值
mask = dip.MorphologicalOpening(mask, dip.SE(3))  # 去除小噪点
mask = dip.MorphologicalClosing(mask, dip.SE(5))  # 填补接触针区域内的孔洞

# 2. 原凹坑检测流程
local_height = dip.Tophat(height, 9)
inselbergs = dip.HysteresisThreshold(local_height, 20, 30)

# 3. 过滤接触针外部的多余区域
inselbergs_filtered = inselbergs * mask

# 后续标注与测量
labels = dip.Label(inselbergs_filtered, minSize=3, maxSize=20)
dip.viewer.ShowModal(dip.Overlay(height, labels))
dip.ImageWrite(dip.Overlay(height, labels), 'out_filtered.jpg')

result = dip.MeasurementTool.Measure(labels, features=['Size', 'Center'])
print(result)

二、划痕检测的多类干扰过滤 #

基于接触针掩码排除外部干扰，同时通过形态特征过滤非划痕区域，并针对预打孔的固定位置做坐标排除。

实现步骤： #

1. 生成接触针区域掩码（同凹坑检测步骤）。
2. 用掩码过滤外部线条。
3. 测量标注区域的形态特征：保留**长宽比>3（细长）、圆形度<0.5（非圆形）**的区域，排除接近圆形的非划痕干扰。
4. 根据预打孔的固定位置，通过坐标范围排除此类干扰。

修改后代码：

import diplib as dip

height = dip.ImageRead('my2.png')

# 1. 生成接触针区域掩码
mask = height > 150  # 调整阈值匹配实际图像
mask = dip.MorphologicalOpening(mask, dip.SE(3))
mask = dip.MorphologicalClosing(mask, dip.SE(5))

# 2. 原划痕检测流程
vess = dip.FrangiVesselness(height, sigmas=0.6, polarity='black')
myout = dip.HysteresisThreshold(vess, 0.2, 0.4)

# 3. 过滤接触针外部的线条
myout_filtered = myout * mask

# 4. 标注区域并过滤非划痕、预打孔
labels = dip.Label(myout_filtered, minSize=3)
# 测量关键形态特征
measurements = dip.MeasurementTool.Measure(labels, height, features=['Elongation', 'Circularity', 'Center'])

# 生成过滤后的标注图
filtered_labels = dip.Image(labels.Sizes(), labels.DataType())
for obj_id in measurements.Objects():
    elongation = measurements[obj_id]['Elongation']
    circularity = measurements[obj_id]['Circularity']
    center_x, center_y = measurements[obj_id]['Center']
    
    # 排除预打孔：假设预打孔在模块左下角，需根据实际坐标调整范围
    is_pre_punch = center_x < 50 and center_y > height.Rows() - 50
    
    # 保留细长、非圆形的划痕区域
    if elongation > 3 and circularity < 0.5 and not is_pre_punch:
        filtered_labels[labels == obj_id] = obj_id

# 显示与保存结果
dip.viewer.ShowModal(dip.Overlay(height, filtered_labels))
dip.ImageWrite(dip.Overlay(height, filtered_labels), 'out2_filtered.jpg')

内容的提问来源于stack exchange，提问作者HotCat