写一段python程序实现基于opencv识别PCB板上的蓝膜针点是否扎的合理,在针孔60%面积范围内即为合理

时间: 2024-03-23 21:41:27 浏览: 11
好的,我可以帮你编写一段基于OpenCV的Python程序来实现PCB板上蓝膜针点的自动识别。以下是程序的主要步骤: 1. 导入必要的库和模块: ```python import cv2 import numpy as np ``` 2. 读取图像并进行预处理: ```python img = cv2.imread('pcb.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) ``` 3. 提取图像中的蓝色区域: ```python lower_blue = np.array([100, 50, 50]) upper_blue = np.array([130, 255, 255]) mask = cv2.inRange(hsv, lower_blue, upper_blue) ``` 4. 对提取出来的蓝色区域进行形态学处理,以便更好地检测针点: ```python kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) closed = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) ``` 5. 通过轮廓检测找到针点,并计算针孔面积占比: ```python contours, hierarchy = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in contours: area = cv2.contourArea(c) (x, y, w, h) = cv2.boundingRect(c) aspect_ratio = w / float(h) if aspect_ratio >= 0.5 and aspect_ratio <= 2.0 and area > 20: cv2.drawContours(img, [c], -1, (0, 255, 0), 2) percent = float(area) / float(w * h) if percent >= 0.6: print('针点合理') else: print('针点不合理') ``` 完整的程序如下: ```python import cv2 import numpy as np img = cv2.imread('pcb.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) lower_blue = np.array([100, 50, 50]) upper_blue = np.array([130, 255, 255]) mask = cv2.inRange(hsv, lower_blue, upper_blue) kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) closed = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) contours, hierarchy = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in contours: area = cv2.contourArea(c) (x, y, w, h) = cv2.boundingRect(c) aspect_ratio = w / float(h) if aspect_ratio >= 0.5 and aspect_ratio <= 2.0 and area > 20: cv2.drawContours(img, [c], -1, (0, 255, 0), 2) percent = float(area) / float(w * h) if percent >= 0.6: print('针点合理') else: print('针点不合理') cv2.imshow('result', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 你可以将程序中的`pcb.jpg`替换成你自己的PCB板图像,然后运行程序即可得到针点是否合理的结果。

相关推荐

最新推荐

recommend-type

Python Opencv实现图像轮廓识别功能

主要为大家详细介绍了Python Opencv实现图像轮廓识别功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

基于python-opencv实现木质工件的污渍和划痕识别和分类

缺陷识别 简介: 这个项目是我的本科毕业设计,主要...通过工件的每一帧位移量来确定是否为同一个工件 将每一个工件截取出来,进行缺陷的提取 将提取的缺陷进行直方图计算,通过直方图来值归一化,通过颜色值分布来分类
recommend-type

python+opencv实现动态物体识别

主要为大家详细介绍了python+opencv实现动态物体识别,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

基于Python+Open CV的手势识别算法设计

其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效...
recommend-type

opencv python在视屏上截图功能的实现

OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。这篇文章主要介绍了opencv python在视屏上截图,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。