编写一段代码，实现基于opencv python实现蓝膜针点检测，要求针点范围在对应测试点的60%区域内，否则判定为不合规

以下是一个简单的示例代码，用于实现基于OpenCV Python的蓝膜针点检测，根据测试点的60%区域内是否存在针点来判断是否合规：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread('test_image.png')

# 转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 设置蓝色区间的阈值，此处为蓝色范围的上下限
lower_blue = np.array([100, 50, 50])
upper_blue = np.array([130, 255, 255])

# 对图像进行阈值分割，得到蓝色区域的二值图像
mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 对二值图像进行形态学处理，去除噪点并增强针点的连通性
kernel = np.ones((5,5), np.uint8)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

# 查找轮廓
contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓，找到符合要求的针点
for contour in contours:
    # 计算当前轮廓的最小外接圆
    (x,y), radius = cv2.minEnclosingCircle(contour)
    center = (int(x),int(y))
    radius = int(radius)
    
    # 计算测试点区域的大小和位置
    test_point_x = 200  # 测试点的x坐标
    test_point_y = 300  # 测试点的y坐标
    test_point_radius = 30  # 测试点的半径
    test_point_area = np.pi * test_point_radius * test_point_radius  # 测试点的面积
    test_point_rect = (test_point_x - 0.6 * test_point_radius, test_point_y - 0.6 * test_point_radius, 1.2 * test_point_radius, 1.2 * test_point_radius)
    
    # 判断当前针点是否在测试点区域内
    if cv2.pointPolygonTest(contour, (test_point_x, test_point_y), True) >= 0:
        # 计算针点区域的大小和位置
        needle_area = np.pi * radius * radius
        needle_rect = (x - radius, y - radius, 2 * radius, 2 * radius)
        
        # 判断针点是否在测试点的60%区域内
        intersection = (min(needle_rect[0] + needle_rect[2], test_point_rect[0] + test_point_rect[2]) - max(needle_rect[0], test_point_rect[0])) * (min(needle_rect[1] + needle_rect[3], test_point_rect[1] + test_point_rect[3]) - max(needle_rect[1], test_point_rect[1]))
        if intersection > 0.6 * test_point_area:
            print('针点检测结果：合规')
            # 在原始图像上绘制针点区域和测试点区域
            cv2.circle(img, center, radius, (0, 255, 0), 2)
            cv2.circle(img, (test_point_x, test_point_y), test_point_radius, (255, 0, 0), 2)
        else:
            print('针点检测结果：不合规')
    else:
        print('针点检测结果：不合规')
        
# 显示结果
cv2.imshow('Original Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先读取了原始图像，然后将其转换为HSV颜色空间。接着，根据蓝色的颜色范围，使用cv2.inRange函数得到蓝色区域的二值图像。使用形态学处理，去除噪点并增强针点的连通性。然后，使用cv2.findContours函数查找所有轮廓，并遍历每个轮廓。对于每个轮廓，我们计算其最小外接圆，并使用cv2.pointPolygonTest函数判断针点是否在测试点区域内，然后计算针点区域的大小和位置。最后，判断针点是否在测试点的60%区域内，若在，则判定为合规，否则判定为不合规，并在原始图像上绘制针点区域和测试点区域。