Python线图案缺陷检测：线宽测量现有方案优化建议咨询

现有流程梳理 #

• 步骤1：OpenCV自适应阈值处理
• 步骤2：在缺陷区域中心放置mask
• 步骤3：通过cv2.minAreaRect()获取矩形宽度作为线宽

针对性优化建议 #

1. 自适应阈值参数动态调优 #

• 不要固定blockSize和C值，根据缺陷区域的尺寸动态调整：缺陷框宽高较小时，减小blockSize（保证为奇数）避免线条断裂；尺寸较大时适当增大参数。示例代码：

  h, w = defect_roi.shape[:2]
  block_size = max(3, min(h, w) // 8 * 2 + 1)  # 确保为奇数
  adaptive_thresh = cv2.adaptiveThreshold(defect_roi, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, block_size, 2)
  

• 对比ADAPTIVE_THRESH_MEAN_C和ADAPTIVE_THRESH_GAUSSIAN_C两种模式，选择更适配你场景的阈值计算方式。

2. Mask放置逻辑适配线条走向 #

• 不要仅固定在区域中心，先通过霍夫变换检测线条角度，再将mask沿线条方向放置，确保完全覆盖目标线条。示例：

  lines = cv2.HoughLinesP(thresh_roi, 1, np.pi/180, threshold=20, minLineLength=w//2, maxLineGap=5)
  if lines is not None:
      line = lines[0][0]
      angle = np.arctan2(line[3]-line[1], line[2]-line[0]) * 180 / np.pi
      # 旋转mask匹配线条角度
      mask_mat = cv2.getRotationMatrix2D((w//2, h//2), angle, 1.0)
      rotated_mask = cv2.warpAffine(original_mask, mask_mat, (w, h))
  

• 调整mask尺寸：宽度设为预估线厚的2-3倍，长度设为缺陷区域宽度的1/2，避免覆盖无关噪点或遗漏线条。

3. 线宽测量方法升级 #

• 替代cv2.minAreaRect()，尝试垂直投影法：对mask覆盖的二值图，沿垂直线条方向做像素投影，统计非零像素区间的平均宽度，结果更贴合实际线厚。示例：

  # 假设已通过霍夫变换得到线条角度angle
  proj_angle = angle + 90
  # 旋转图像使线条水平，便于垂直投影
  rot_mat = cv2.getRotationMatrix2D((w//2, h//2), proj_angle, 1.0)
  rotated_roi = cv2.warpAffine(thresh_roi, rot_mat, (w, h))
  # 计算垂直方向像素投影
  projection = np.sum(rotated_roi == 255, axis=1)
  # 统计非零区间的平均宽度
  non_zero_indices = np.where(projection > 0)[0]
  line_thickness = np.mean(np.diff(non_zero_indices)) if len(non_zero_indices) > 1 else 0
  

• 结合轮廓分析：用cv2.findContours()提取线条轮廓，计算轮廓外接矩形的短边长度，或通过cv2.minEnclosingCircle()的等效直径估算线宽。

4. 阈值后处理补全细节 #

• 对阈值处理后的图像做形态学运算：用小尺寸矩形结构元素先做闭运算填补线条细小断裂，再做开运算去除孤立噪点。示例：

  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
  processed_thresh = cv2.morphologyEx(adaptive_thresh, cv2.MORPH_CLOSE, kernel)
  processed_thresh = cv2.morphologyEx(processed_thresh, cv2.MORPH_OPEN, kernel)
  

内容的提问来源于stack exchange，提问作者Suranggi Gautama