欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Opencv+Python識別PCB板圖片的步驟

 更新時間:2021年01月07日 16:29:42   作者:X_peng  
這篇文章主要介紹了Opencv+Python識別PCB板圖片的步驟,幫助大家更好的理解和使用python進行機器學習,感興趣的朋友可以了解下

任務要求:

基于模板匹配算法識別PCB板型號

使用工具:

Python3、OpenCV

使用模板匹配算法,模板匹配是一種最原始、最基本的模式識別方法,研究某一特定對象物的圖案位于圖像的什么地方,進而識別對象物,模板匹配具有自身的局限性,主要表現(xiàn)在它只能進行平行移動,即原圖像中的匹配目標不能發(fā)生旋轉或大小變化。

事先準備好待檢測PCB與其對應的模板:

子模版:

基本流程如下:

1、在整個圖像區(qū)域發(fā)現(xiàn)與給定子圖像匹配的小塊區(qū)域

2、選取模板圖像T(給定的子圖像)

3、另外需要一個待檢測的圖像——源圖像S

4、工作方法:在檢測圖像上,從左到右,從上到下計算模板圖像與重疊, 子圖像的匹配度,匹配程度越大,兩者相同的可能性就越大。

OpenCV提供了6種模板匹配算法:

平方差匹配法CV_TM_SQDIFF;

歸一化平方差匹配法CV_TM_SQDIFF_NORMED;

相關匹配法CV_TM_CCORR;

歸一化相關匹配法CV_TM_CCORR_NORMED;

相關系數(shù)匹配法CV_TM_CCOEFF;

歸一化相關系數(shù)匹配法CV_TM_CCOEFF_NORMED;

后面經(jīng)過實驗,我們主要是從以上的六種中選擇了歸一化相關系數(shù)匹配法CV_TM_CCOEFF_NORMED,基本原理公式為:

 代碼部分展示:

import cv2
import numpy as np
from matplotlib import pyplot as plt

#讀取檢測圖像
img = cv2.imread('img8.bmp', 0)
#讀取模板圖像
template1=cv2.imread('moban1.bmp', 0)
template2=......
#建立模板列表
template=[template1,template2,template3,template4]
# 模板匹配:歸一化相關系數(shù)匹配方法
res1=cv2.matchTemplate(img, template1, cv2.TM_CCOEFF_NORMED)
res2=cv2.matchTemplate(......)
#提取相關系數(shù)
min_val1, max_val1, min_loc1, max_loc1 =cv2.minMaxLoc(res1)
min_val2, ......

#相關系數(shù)對比(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))

#根據(jù)提取的相關系數(shù)得出對應匹配程度最高的模板
h, w = template[j].shape[:2]  # 計算模板圖像的高和寬 rows->h, cols->w
pes=cv2.matchTemplate(img, template[j], cv2.TM_CCOEFF_NORMED) #模板匹配
in_val, ax_val, in_loc, ax_loc =cv2.minMaxLoc(pes)

#在原圖中框出模板匹配的位置
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) # 畫出矩形位置
#繪制模板圖像
plt.subplot(121), plt.imshow(template[j], cmap='gray')
plt.title('pcb type'),plt.xticks([]), plt.yticks([])
#繪制檢測圖像
plt.subplot(122), plt.imshow(img, cmap='gray')
plt.title('img'), plt.xticks([]), plt.yticks([])
plt.show()

實驗結果:

需要完整代碼以及圖片素材的,請留下評論可與博主進行聯(lián)系。

以上就是Opencv+Python識別PCB板圖片的步驟的詳細內(nèi)容,更多關于Opencv+Python識別PCB板的資料請關注腳本之家其它相關文章!

相關文章

最新評論