我一直在尝试各种方法来检测打印图像中的缺陷。被认定为缺陷的特征可能包括划痕、变色等。

我在图像处理方面不是很有经验，不确定我的方法是否可以接受。

我尝试了几种方法：

给定两张图片（一张是好的，另一张是缺陷的）

1. 阈值和模糊
2. 运行 Canny 边缘检测
3. 使用去除噪音fastNlMeansDenoising
4. 对这两个图像进行异或运算，并用于SIFT查找可能被归类为缺陷的突出特征。

它工作得很好——在非常有限的情况下。

正如本文所见，这种方法似乎在工业中被使用/提出了一点（？）。但它的问题是，如果你有两个图像没有对齐到最轻微的位置，那么你会遇到问题，因为你所有的 XOR 都会导致一个非常错误的 XOR-ed 图像。所以对我来说，这似乎不是一个可接受的解决方案，因为不可能每次都完美地对齐两个图像（或者我可以尝试重新对齐图像）。

我应该如何处理这个问题。有没有一种类似于 XOR-ing 的方法更能容忍细微的差异？或者，也许是一种完全不同的方法。

可能的替代方案

将两个图像分成 n × n 像素的块。计算并比较从图像 A 到图像 B 分解的每个像素块的直方图。即使其中一个图像有点模糊，直方图应该仍然相似（不确定这是否是一个合理的假设）。如果任何块包含黑色或白色斑点，这应该标记该块以供进一步检查。

检测较深的字体颜色

检测不应该存在的眉毛

检测褪色/变亮区域