用Python编写一下提取工件缺陷几何特征代码

好的，以下是Python示例代码，可以用于提取工件缺陷的几何特征：

import cv2
import numpy as np

# 1. 读取工件图像
img = cv2.imread('工件图像.png')

# 2. 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 3. 对图像进行二值化处理，设置阈值为150
_, thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)

# 4. 执行形态学滤波，去除噪点和小的断口
kernel = np.ones((3,3), np.uint8)
morph = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)

# 5. 查找轮廓
contours, _ = cv2.findContours(morph, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 6. 遍历各个轮廓，提取几何特征
for c in contours:
    # 计算轮廓面积
    area = cv2.contourArea(c)
    
    # 计算轮廓周长
    perimeter = cv2.arcLength(c, True)
    
    # 计算轮廓的外接矩形
    x, y, w, h = cv2.boundingRect(c)
    
    # 计算轮廓的外接圆
    (cx, cy), radius = cv2.minEnclosingCircle(c)
    
    # 在原始图像中绘制轮廓以及提取的特征
    cv2.drawContours(img, [c], -1, (0, 0, 255), 2)
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    cv2.circle(img, (int(cx), int(cy)), int(radius), (255, 0, 0), 2)
    cv2.putText(img, "Area: {:.2f}".format(area), (x, y-20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 0), 2)
    cv2.putText(img, "Perimeter: {:.2f}".format(perimeter), (x, y-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 0), 2)

# 7. 显示结果图像
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上代码主要执行了以下步骤：

- 读取工件图像，并将其转换为灰度图像；
- 对灰度图像进行二值化处理，获得二值化图像；
- 对二值化图像进行形态学滤波，去除噪点和小的断口，获得更加平滑的图像；
- 查找图像中的轮廓，并遍历各个轮廓，计算几何特征，并在原始图像中绘制出轮廓和提取的特征；
- 显示结果图像。

请注意，以上代码只是示例代码，提取工件缺陷的具体几何特征需要根据实际情况进行相应的修改和调整。例如，可以使用不同的阈值和卷积核大小，以及选择不同的轮廓逼近方法和计算特征的方式。