2. 图像预处理：灰度化、直方图均衡化、滤波去噪、边缘增强

拿到一张材料缺陷的原始图像，别急着往上套检测算法。我做了这么多年缺陷检验，吃过不少亏——原始图像里全是噪声、光照不均、对比度低，直接处理的话，后面标注出来的全是假缺陷。

图像预处理，说白了就是给原始图像“洗个澡”，把干扰信息去掉，把缺陷特征凸显出来。这一步做不好，后面再牛的算法也白搭。

2.1 灰度化：去掉颜色干扰

大多数材料缺陷图像是彩色图，但颜色信息对缺陷检测帮助不大。比如金属表面的裂纹、陶瓷的气孔，灰度图就足够表达了。彩色图还多出两个通道的数据，处理起来慢，没必要。

常用的灰度化方法：

import cv2
import numpy as np

# 读取彩色图像
img = cv2.imread('defect_sample.jpg')

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 保存结果
cv2.imwrite('gray_defect.jpg', gray)

2.2 直方图均衡化：把对比度拉出来

灰度化之后，你可能会发现图像灰蒙蒙的，缺陷和背景分不开。为什么会这样？因为像素值都挤在中间一段，没有拉开。

直方图均衡化就是干这个的——把像素值的分布“拉伸”开，让暗的更暗、亮的更亮。我见过不少新手直接拿原始灰度图去检测，结果裂纹和背景几乎一个颜色，漏检率极高。

两种均衡化方式：

• 全局直方图均衡化： 对整个图像做一次均衡。简单粗暴，但容易放大噪声。
• 自适应直方图均衡化（CLAHE）： 把图像分成小块，每块单独均衡，最后拼接。效果更细腻，不会过度增强噪声。

# 全局直方图均衡化
equ = cv2.equalizeHist(gray)

# CLAHE 自适应均衡化
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_result = clahe.apply(gray)

2.3 滤波去噪：别让噪声骗了你的算法

图像里总有些“脏东西”——传感器噪声、光照反射、灰尘颗粒。这些在缺陷检测里都是干扰项。滤波的目的就是把这些噪声去掉，同时尽量保留缺陷的边缘。

常用滤波器对比：

# 中值滤波
median = cv2.medianBlur(clahe_result, 5)

# 双边滤波
bilateral = cv2.bilateralFilter(clahe_result, 9, 75, 75)

2.4 边缘增强：让缺陷轮廓“跳”出来

滤波去噪之后，图像干净了，但缺陷的边缘也可能被削弱了。这时候需要做边缘增强，把缺陷的轮廓重新“勾”出来。

我个人最常用的是 拉普拉斯算子 和 Sobel 算子。拉普拉斯对细节敏感，但容易放大噪声；Sobel 有方向性，适合检测特定方向的裂纹。

增强的两种思路：

• 直接增强： 原图 + 边缘图 × 权重。适合缺陷边缘清晰的情况。
• 反锐化掩模： 原图 - 模糊图 + 原图。适合缺陷边缘模糊的情况。

# Sobel 边缘增强
sobelx = cv2.Sobel(median, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(median, cv2.CV_64F, 0, 1, ksize=3)
sobel_combined = cv2.addWeighted(cv2.convertScaleAbs(sobelx), 0.5, 
                                 cv2.convertScaleAbs(sobely), 0.5, 0)

# 拉普拉斯增强
laplacian = cv2.Laplacian(median, cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)

# 原图 + 边缘增强
enhanced = cv2.addWeighted(median, 1.0, laplacian, 0.5, 0)

2.5 预处理流程总览

上面四个步骤不是每次都要全做。你想想看，如果原始图像质量已经很好，滤波和增强反而会引入伪影。我一般按这个流程判断：

2.6 避坑指南

这些年我见过不少同行在预处理上翻车，总结几个常见问题：

• 过度滤波： 把缺陷边缘也滤掉了，细小裂纹直接消失。记住，滤波的核大小不要超过缺陷尺寸的一半。
• 均衡化过度： 背景噪声被放大，看起来像缺陷。CLAHE 的 clipLimit 从 1.5 开始试，别一上来就设 5.0。
• 顺序搞反： 先增强再滤波，噪声会被放大。正确的顺序是：灰度化 → 均衡化 → 滤波 → 增强。
• 忽略图像格式： 保存中间结果时用 PNG 或 TIFF，别用 JPEG。JPEG 的有损压缩会引入块状伪影，我吃过这个亏。

预处理做扎实了，后面的缺陷标注和检测才能靠谱。嗯，这一步花的时间，后面会十倍地省回来。