06OpenCVSharp 角点检测 检测平整度。 代码仅供参考。
工厂里检测金属板平整度这事可太常见了。老师傅拿个游标卡尺左量右测，咱们程序猿当然要琢磨怎么用代码搞定。今天说个骚操作——用角点检测判断平面平整度，听着不靠谱？别急，看完代码再说。
先整张带折痕的铝板照片（图1），咱们用OpenCVSharp开搞。核心代码就二十行：
var src = Cv2.ImRead("metal_sheet.jpg", ImreadModes.Color); var gray = new Mat(); Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY); // 关键参数在这！ var corners = Cv2.GoodFeaturesToTrack( gray, maxCorners: 50, qualityLevel: 0.01, minDistance: 10); foreach (var p in corners) { Cv2.Circle(src, (int)p.X, (int)p.Y), 5, Scalar.Red, -1); }这GoodFeaturesToTrack方法用的是Shi-Tomasi角点检测算法。重点看三个参数：maxCorners控制最大角点数，试过设成100结果满屏红点根本没法看；qualityLevel是筛选阈值，我习惯从0.01开始慢慢调；minDistance决定角点间最小间距，防止扎堆。
跑完代码发现个怪现象：平整区域角点分布均匀，但有折痕的地方突然冒出密集红点（图2）。后来想明白了——材料变形导致表面纹理产生不规则突变，算法把这些突变点都当角点了。反过来想，这不正好用来检测缺陷么？
06OpenCVSharp 角点检测 检测平整度。 代码仅供参考。
进阶玩法可以统计角点分布方差。写个统计函数：
double CalculateSpreadVariance(Point2f[] points) { var center = new Point2f( points.Average(p => p.X), points.Average(p => p.Y)); return points.Sum(p => Math.Pow(p.X - center.X, 2) + Math.Pow(p.Y - center.Y, 2)); }算出来的方差值越大，说明表面平整度越差。实测效果比单纯看角点数量靠谱，毕竟有些材料本身就有规则纹理。
遇到过坑爹情况：反光严重的金属板会干扰检测。解决方法先做个直方图均衡化：
var clahe = Cv2.CreateCLAHE(2.0, new Size(8,8)); clahe.Apply(gray, gray);对比度拉高后，表面细微凹凸更容易被识别。不过CLAHE的参数要看具体材质，不锈钢和铝板的最佳参数能差三倍。
最后提醒，别拿这方法去检航天零件哈！工业场景要求99.9%精度时还是得上激光扫描。但日常质检应付个把毫米级误差，这套代码足够让质检大姐少唠叨你两回了。
