前言 

目前地铁上检修螺丝后，会涂抹一种红色标记线，来代表检测完成，日后检修员就可以通过肉眼来观察螺丝是否松动，这样可以大大提高检修的效率问题。所以我们参照这个思路，通过opencv来实现螺丝是否松动检测。

正文

1. 首先我们通过目标检测算法，识别出图像中螺丝的区域。这里不实现了就，自行通过yolo等算法实现。
2. 识别出目标区域后，我们首先提取图像中的红色区域（假设我们用红色标记）

   void extract_red_area(const cv::Mat &image, cv::Mat &redMat) {
   	int width = image.cols;
   	int height = image.rows;
   	int x, y;
   	double B = 0.0, G = 0.0, R = 0.0, H = 0.0, S = 0.0, V = 0.0;
   	redMat = Mat::zeros(image.size(), CV_8UC1);
   	for (x = 0; x < height; x++)
   	{
   		for (y = 0; y < width; y++)
   		{
   			B = image.at<Vec3b>(x, y)[0];
   			G = image.at<Vec3b>(x, y)[1];
   			R = image.at<Vec3b>(x, y)[2];
   			RGB2HSV(R, G, B, H, S, V);
   			//红色范围，范围参考的网上。可以自己调
   			if ((H >= 312 && H <= 360) && (S >= 17 && S <= 100) && (V > 18 && V < 100))
   				redMat.at<uchar>(x, y) = 255;
   		}
   	}
   }

         

3. 提取红色区域轮廓信息，这里我们需要过滤一些，因为有一些轮廓是我们不需要的。(根据实际情况来过滤)

   	// 2.提取轮廓
   	std::vector<std::vector<cv::Point>> contours;
   	std::vector<cv::Vec4i> hierarchy;
   	cv::findContours(
   		redMat,               // 输入二值图
   		contours,             // 存储轮廓的向量
   		hierarchy,            // 轮廓层次信息
   		RETR_TREE,            // 检索所有轮廓并重建嵌套轮廓的完整层次结构
   		CHAIN_APPROX_NONE);   // 每个轮廓的全部像素
   	printf("find %d contours \n", contours.size());
   
   

   // 过滤轮廓
   void filter_contours(std::vector<cv::Vec4i> &hierarchy, std::vector<std::vector<cv::Point>> &contours) {
   	std::vector<std::vector<cv::Point>>::iterator itc = contours.begin();
   	std::vector<cv::Vec4i>::iterator itc_hierarchy = hierarchy.begin();
   	int i = 0;
   	int min_size = 20;
   	int max_size = 500;
   	while (itc_hierarchy != hierarchy.end())
   	{
   		//验证轮廓大小
   		//if (!(hierarchy[i][2] < 0 && hierarchy[i][3] < 0)) // 存在子轮廓/父轮廓
   		if (hierarchy[i][3] > 0) // 存在父轮廓
   		{
   			itc = contours.erase(itc);
   			itc_hierarchy = hierarchy.erase(itc_hierarchy);
   		}
   		else
   		{
   			//验证轮廓大小
   			if (itc->size() < min_size || itc->size() > max_size)
   			{
   				itc = contours.erase(itc);
   				itc_hierarchy = hierarchy.erase(itc_hierarchy);
   			}
   			else
   			{
   				++itc;
   				++itc_hierarchy;
   			}
   
   			++i;
   		}
   	}
   }

4.  提取每一个轮廓的最小外接矩形，并绘制最小外接矩形的每条边和中心点，并计算每一个区域的角度，最后通过每一个区域的角度来判断是否对齐。

   void draw_center(cv::Mat &dstImg, std::vector<std::vector<cv::Point>> &contours, std::vector<cv::Point> &vec) {
   	std::vector<RotatedRect> box(contours.size()); //定义最小外接矩形集合
   	Point2f rect[4];
   	for (int i = 0; i < contours.size(); i++)
   	{
   		box[i] = minAreaRect(Mat(contours[i])); 
   		cv::circle(dstImg, Point(box[i].center.x, box[i].center.y), 2, cv::Scalar(0, 255, 255), cv::FILLED);
   		box[i].points(rect);
   		for (int j = 0; j < 4; j++)
   		{
   			line(dstImg, rect[j], rect[(j + 1) % 4], Scalar(255, 0, 255), 1, 8);  //绘制最小外接矩形每条边
   		}
   		std::cout << "angel:" << box[i].angle << std::endl;
   	}
   }

    

     5. 以上差不多就是大概实现过程。主要实现思路就是: 识别螺丝 -> 提取红色区域 -> 识别轮廓 -> 筛选轮廓 -> 计算最小外接矩形、中心点、角度 -> 通过角度来判断是否对齐，从而来判断螺丝是否松动。

demo：基于opencv，实现螺丝防松动检测_螺丝松动检测-互联网文档类资源-CSDN下载

最后

以上实现思路都是个人想法，所以如果有小伙伴有更好的算法，欢迎楼下留言，非常感谢。最后祝大家新年快乐，在新的一年里工作顺利，技能大长。