表面缺陷检测算法代码

表面缺陷检测算法是一种用于检测物体表面缺陷的技术，常用于工业生产中的质量控制。以下是一个简单的表面缺陷检测算法的代码示例：

import cv2

def detect_defects(image_path):
    # 读取图像
    image = cv2.imread(image_path)
    
    # 转换为灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 进行边缘检测
    edges = cv2.Canny(gray, 100, 200)
    
    # 进行轮廓检测
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 检测缺陷
    defects = []
    for contour in contours:
        # 计算轮廓的面积
        area = cv2.contourArea(contour)
        
        # 根据面积判断是否为缺陷
        if area > 100:
            defects.append(contour)
    
    return defects

# 调用函数进行缺陷检测
defects = detect_defects("image.jpg")

# 显示检测结果
image = cv2.imread("image.jpg")
cv2.drawContours(image, defects, -1, (0, 0, 255), 2)
cv2.imshow("Defect Detection", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用OpenCV库实现了一个简单的表面缺陷检测算法。它首先读取图像，然后将图像转换为灰度图像，并进行边缘检测。接下来，通过轮廓检测找到物体的轮廓，并根据轮廓的面积判断是否为缺陷。最后，将检测结果标记在原始图像上并显示出来。