编写程序实现基于opencv python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
时间: 2024-03-23 18:41:11 浏览: 47
基于opencv的测试代码
好的,这里是一个基于OpenCV Python的蓝膜针点检测程序,可以实现对测试图片中的针点进行检测,并判断是否符合规定的区域要求:
```python
import cv2
import numpy as np
# 读取测试图片
img = cv2.imread('test_image.jpg')
# 裁剪图片以便处理
x, y, w, h = 100, 100, 400, 400
img = img[y:y+h, x:x+w]
# 将图片转换为HSV颜色空间,提取蓝色区域
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower_blue = np.array([90, 80, 80])
upper_blue = np.array([120, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# 对蓝色区域进行形态学操作,去除噪点并增强连通性
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
mask = cv2.erode(mask, kernel, iterations=2)
mask = cv2.dilate(mask, kernel, iterations=2)
# 利用霍夫圆检测算法,检测圆形目标(针点)
circles = cv2.HoughCircles(mask, cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=30, minRadius=0, maxRadius=0)
# 判断针点是否在测试点的60%区域内
test_pad_center = (img.shape[1] // 2, img.shape[0] // 2) # 假设测试点在图片正中心
test_pad_radius = 50 # 假设测试点半径为50像素
if circles is not None:
for circle in circles[0, :]:
center = (circle[0], circle[1])
radius = circle[2]
cv2.circle(img, center, radius, (0, 255, 0), 2)
distance = np.linalg.norm(np.array(center) - np.array(test_pad_center))
if distance <= 0.6 * test_pad_radius:
print('针点合规')
else:
print('针点不合规')
# 显示处理结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
在这个程序中,我们首先读取测试图片,并进行裁剪以便后续处理。然后,我们将图片转换为HSV颜色空间,提取蓝色区域,并对其进行形态学操作,去除噪点并增强连通性。接着,我们利用霍夫圆检测算法,检测蓝色区域中的圆形目标,即针点。最后,我们根据测试点的位置和大小,确定针点的合规范围,即距离测试点中心的半径范围,判断检测到的针点是否在合规范围内。
需要注意的是,在实际应用中,测试点的位置和大小可能会有所不同,您需要根据具体情况进行调整。此外,需要针对不同的测试图片进行测试和优化,以提高检测的精度和鲁棒性。
阅读全文