origin

OpenCV/detect_weld.py

@@ -0,0 +1,112 @@
+import cv2
+import numpy as np
+import math
+import os
+
+
+def find_and_mask_weld_seam_v3(image_path):
+    """
+    加载图像，使用更激进的预处理方法检测低对比度直线。
+    :param image_path: 输入图像的完整路径。
+    :return: None
+    """
+    # --- 步骤 1: 加载图像 ---
+    image = cv2.imread(image_path)
+    if image is None:
+        print(f"错误: 无法加载图像 '{image_path}'。")
+        return
+    visualization_image = image.copy()
+    height, width, _ = image.shape
+    image_center_x = width / 2
+
+    # --- 步骤 2: 图像预处理 (超强版) ---
+    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
+
+    # 2.1 高斯模糊以去除噪声
+    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
+
+    # 2.2 自适应阈值二值化 (关键步骤!)
+    # 这个操作对于光照不均、对比度低的区域效果非常好，能强制分离出边缘
+    # blocksize: 邻域大小，必须是奇数
+    # C: 从均值或加权均值中减去的常数，用于微调
+    binary_image = cv2.adaptiveThreshold(
+        blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
+        cv2.THRESH_BINARY_INV, 21, 5
+    )
+    # 使用THRESH_BINARY_INV是因为我们感兴趣的边缘是暗色背景下的亮色线条
+
+    # 2.3 形态学操作来清理和连接线条
+    # 创建一个垂直的结构元素，因为我们的目标是垂直线
+    kernel = np.ones((15, 1), np.uint8)  # 强调垂直方向
+    # 使用“闭运算”来填充断开的线段中的小洞
+    closed = cv2.morphologyEx(binary_image, cv2.MORPH_CLOSE, kernel)
+
+    # --- 步骤 3: 霍夫直线变换 (直接在处理后的二值图上进行) ---
+    # Canny不再是必需的，因为二值化已经完成了边缘提取
+    lines = cv2.HoughLinesP(
+        closed,  # 在闭运算结果上检测
+        rho=1,
+        theta=np.pi / 180,
+        threshold=100,  # 需要较高的阈值，因为线现在更连续了
+        minLineLength=int(height * 0.5),  # 线至少要有一半图像高度那么长
+        maxLineGap=50  # 允许较大的间隙
+    )
+
+    # --- 步骤 4: 筛选最佳直线 (逻辑与之前类似) ---
+    best_line = None
+    max_length = 0
+
+    if lines is not None:
+        for line in lines:
+            x1, y1, x2, y2 = line[0]
+            # 角度过滤，寻找近乎垂直的线
+            angle = abs(math.degrees(math.atan2(y2 - y1, x2 - x1)))
+            if abs(angle - 90) < 5:  # 检查角度是否在90度左右（垂直）
+                length = math.sqrt((x2 - x1) ** 2 + (y2 - y1) ** 2)
+                if length > max_length:
+                    max_length = length
+                    best_line = line[0]
+
+    # --- 步骤 5: 处理和显示结果 ---
+    if best_line is not None:
+        bx1, by1, bx2, by2 = best_line
+        print(f"成功找到直线！起点:({bx1}, {by1}), 终点:({bx2}, {by2})")
+
+        cv2.line(visualization_image, (bx1, by1), (bx2, by2), (0, 0, 255), 3)
+
+        # 显示中间处理结果以供调试
+        cv2.imshow('1. Original Image', image)
+        cv2.imshow('2. Adaptive Threshold', binary_image)
+        cv2.imshow('3. Morphological Closing', closed)  # 检查闭运算效果
+        cv2.imshow('4. Final Detection', visualization_image)
+
+    else:
+        print("未能在图像中找到符合条件的直线。")
+        cv2.imshow('1. Original Image', image)
+        cv2.imshow('2. Adaptive Threshold', binary_image)
+        cv2.imshow('3. Morphological Closing', closed)
+
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()
+
+
+# --- 主程序入口 ---
+if __name__ == '__main__':
+    try:
+        script_dir = os.path.dirname(os.path.abspath(__file__))
+    except NameError:
+        script_dir = os.getcwd()
+
+    # 请确保你的图片路径正确
+    image_filename = 'data/test3/l2.jpeg'
+    image_path = os.path.join(script_dir, image_filename)
+
+    if not os.path.exists(image_path):
+        # 如果找不到，尝试直接使用文件名（假设图片和脚本在同一目录）
+        image_path = '13-l.bmp'
+        if not os.path.exists(image_path):
+            print(f"错误: 输入文件 '{image_path}' 不存在。")
+        else:
+            find_and_mask_weld_seam_v3(image_path)
+    else:
+        find_and_mask_weld_seam_v3(image_path)