怎么在Python中利用Opencv识别PCB板图片 - 行业资讯 - 肥雀云

　　介绍

这篇文章给大家介绍怎么在Python中利用Opencv识别PCB板图片,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。

1,在整个图像区域发现与给定子图像匹配的小块区域

2,选取模板图像T(给定的子图像)

3,另外需要一个待检测的图像,源图像S

4,工作方法:在检测图像上,从左到右,从上到下计算模板图像与重叠,子图像的匹配度,匹配程度越大,两者相同的可能性就越大。

Opencv提供了6种模板匹配算法:

平方差匹配法CV_TM_SQDIFF;

归一化平方差匹配法CV_TM_SQDIFF_NORMED;

,代码部分展示:

import cv2 　　import numpy as np 　　得到matplotlib import pyplot as plt 　　　　#读取检测图像　　时间=img cv2.imread (& # 39; img8.bmp& # 39;,, 0) 　　#读取模板图像　　template1=cv2.imread (& # 39; moban1.bmp& # 39;,, 0) 　　template2=? 　　#建立模板列表　　模板=[template1 template2、template3 template4] 　　#,模板匹配:归一化相关系数匹配方法　　res1=cv2.matchTemplate (img, template1,, cv2.TM_CCOEFF_NORMED) 　　它=cv2.matchTemplate (……) 　　#提取相关系数　　min_val1, max_val1, min_loc1, max_loc1 =cv2.minMaxLoc (res1) 　　min_val2,…… 　　　　#相关系数对比(max_val),越接近1匹配程度越高　　max_val=[1-max_val1 1-max_val2、1-max_val3 1-max_val4] 　　j=max_val.index (min (max_val)) 　　　　#根据提取的相关系数得出对应匹配程度最高的模板　　时间=h, w 模板[j] .shape[2],, #,计算模板图像的高和宽,行→h,关口→w 　　pes=cv2.matchTemplate (img,模板[j], cv2.TM_CCOEFF_NORMED), #模板匹配　　in_val, ax_val, in_loc, ax_loc =cv2.minMaxLoc (pes) 　　　　#在原图中框出模板匹配的位置　　时间=left_top ax_loc , #,左上角　　right_bottom =, (left_top [0], +, w, left_top [1], +, h),, #,右下角　　cv2.rectangle (img, left_top, right_bottom,, 255,, 2), #,画出矩形位置　　#绘制模板图像　　plt.subplot (121), plt.imshow(模板[j],提出=& # 39;灰色# 39;) 　　plt.title (& # 39; pcb 类型# 39;),plt.xticks ([]), plt.yticks ([]) 　　#绘制检测图像　　plt.subplot (122), plt.imshow (img,提出=& # 39;灰色# 39;) 　　plt.title (& # 39; img # 39;),, plt.xticks ([]), plt.yticks ([]) 　　plt.show ()

关于怎么在Python中利用Opencv识别PCB板图片就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看的到。