opencv复杂背景下的轮廓提取与缺陷检测

开门见山，在一个论坛上，看到了一个案例，对一个复杂背景下的物体进行缺陷检测。论坛上有人给出了halcon、的代码，简介明了，不过在此我尝试用c++写出来了

多数是因为缺陷不是很明显特征，这个时候直接增强干扰太多，直接二值化又容易干掉它，但是中值滤波是一个很好得手段，可以保留明显特征，而去掉中间特征的滤波器，通过它之后，跟原图求差值图象，就得到了缺陷不明显特征，然后二值化之后再分析就会有结果，是传统基于二值分析缺陷检测固定套路之一！
halcon的写法：添加链接描述

这个图真的是密集恐惧症慎点，大晚上看的话还有点害怕，面对这样的一个图片，如何对他中间区域的提取分割呢。
首先把这个物体比喻成一个眼球，对眼球周围部分的密集纹路进行一个过滤，转为灰度后然后进行中值滤波，然后尝试用图像做差过滤掉大部分纹路，然后二值化。
对于二值化的图像，根据其图像结果，进行开操作，去除干扰，然后做闭运算，将缺陷部位进行连接，最后使用轮廓查找后绘制
整理一下思路：
1.灰度化后使用中值滤波
2.灰度图与滤波图做差，然后二值化
3.开操作，去除干扰
4.闭操作，连接缺陷
5.轮廓查找与绘制

1.预处理

	Mat image = imread("1234.BMP");
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	Mat mean;
	medianBlur(gray, mean, 201);