基于AttentionGAN和区域生长分割算法的缺陷标注与分割

Introduction

This repo based on AttentionGAN result. Using AttentionGAN to generate saliency image and target image (In this repo., as defect-free image). Using defect image, saliency image and defect-free image to realisze automatic defect labeling and segmentation of defects.

Requirements

• cv2
• numpy
• skimage

AttentionGAN Result

• input

• output

This repo. result

• input image

  

• Defect label result(test_label.py)

  

• Defect segmention result(test_seg.py)

  

Detail of algorithm

函数segImage：

输入：缺陷原图input、分割后的二值Mask

输出：画出标注框的图

流程：

• 对二值Mask求导，由于输入是二维矩阵，所以得到二个方向的导数矩阵cx, cy
• 两个导数矩阵取绝对值相加，其中导数不为0的像素即为二值Mask的边界像素，得到类型为bool的矩阵
• 以标注框为红色为例，取出input的红色通道, 与bool型矩阵相比取最大。由于bool型矩阵不是False 就是True,True即为最大值255，则对应的边界像素取最大即为红色框

形态学重建imreconstruct