如何利用掩码去除硬币磨砂区域以识别光亮部分划痕？

核心思路 #

基于你已有的磨砂区域轮廓图，通过掩码技术屏蔽磨砂区域，仅保留光亮区域后，再通过边缘检测+霍夫直线变换统计划痕数量，流程如下：

1. 从磨砂轮廓图生成完整的磨砂区域掩码
2. 用掩码过滤原灰度图，提取光亮区域
3. 对光亮区域做划痕检测与统计

代码实现（Python + OpenCV） #

先确保安装依赖：

pip install opencv-python numpy

完整代码：

import cv2
import numpy as np

# 1. 加载图像（替换为你的实际文件路径）
gray_coin = cv2.imread('无划痕硬币灰度图.jpg', cv2.IMREAD_GRAYSCALE)
contour_map = cv2.imread('磨砂区域轮廓图.png', cv2.IMREAD_GRAYSCALE)

# 2. 生成磨砂区域掩码
# 二值化轮廓图，提取磨砂边缘
_, binary_contour = cv2.threshold(contour_map, 127, 255, cv2.THRESH_BINARY)
# 查找轮廓（只取最外层轮廓）
contours, _ = cv2.findContours(binary_contour, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 创建与原图像尺寸一致的空白掩码
mask = np.zeros_like(gray_coin)
# 填充轮廓，得到完整的磨砂区域掩码（白色区域为磨砂区）
cv2.drawContours(mask, contours, -1, 255, thickness=cv2.FILLED)

# 3. 提取光亮区域
# 反转掩码：白色为光亮区，黑色为磨砂区
inverted_mask = cv2.bitwise_not(mask)
# 掩码与原灰度图做与运算，仅保留光亮区域
bright_area = cv2.bitwise_and(gray_coin, gray_coin, mask=inverted_mask)

# 4. 检测并统计光亮区域内的划痕
# Canny边缘检测提取划痕边缘
scratch_edges = cv2.Canny(bright_area, 50, 150)
# 霍夫直线变换检测划痕线条（参数可根据实际划痕调整）
lines = cv2.HoughLinesP(
    scratch_edges,
    rho=1,
    theta=np.pi/180,
    threshold=20,
    minLineLength=10,
    maxLineGap=5
)
# 统计划痕数量
scratch_num = len(lines) if lines is not None else 0
print(f"光亮区域划痕数量：{scratch_num}")

# 可选：可视化结果
cv2.imshow('仅保留光亮区域', bright_area)
cv2.imshow('划痕检测结果', scratch_edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数调整建议 #

• 如果磨砂区域掩码不够准确：调整cv2.threshold的阈值（127），或更换轮廓查找模式
• 如果划痕检测不准：修改Canny的阈值（50/150），或霍夫变换的threshold/minLineLength/maxLineGap参数，适配你的划痕粗细、长度

内容的提问来源于stack exchange，提问作者Ioanna Deroukaki