《機(jī)器視覺系統(tǒng)應(yīng)用》課件-液晶面板對位貼合案例檢測程序運(yùn)行演示

液晶面板對位貼合案例檢測程序運(yùn)行演示目錄情景引入代碼分析代碼演示一二三6S管理四能力目標(biāo)檢測CPU正反面并旋轉(zhuǎn)圖片將其三角形標(biāo)志置于右上角；知識目標(biāo)識別CPU正反面；如果不是針腳面，旋轉(zhuǎn)圖片將三角形標(biāo)準(zhǔn)位放于右上角。課程目標(biāo)情景導(dǎo)入

中央處理器（CPU），是電子計(jì)算機(jī)的主要設(shè)備之一，電腦中的核心配件。其功能主要是解釋計(jì)算機(jī)指令以及處理計(jì)算機(jī)軟件中的數(shù)據(jù)。CPU是計(jì)算機(jī)中負(fù)責(zé)讀取指令，對指令譯碼并執(zhí)行指令的核心部件。中央處理器主要包括兩個(gè)部分，即控制器、運(yùn)算器，其中還包括高速緩沖存儲器及實(shí)現(xiàn)它們之間聯(lián)系的數(shù)據(jù)、控制的總線。某公司推出一款新的CPU，受到市場的廣泛喜歡，銷量節(jié)節(jié)攀升，因此出貨量很多，但是在出貨量提高的同時(shí)，出貨質(zhì)量也要有保證，因此在CPU液晶面板對接環(huán)節(jié)必須要做好。

模擬企業(yè)端一情景引入二代碼分析

在Opencv中可直接使用函數(shù)cv2.cvColor()將彩色圖像轉(zhuǎn)為其它類型的圖像。其語法格式為：dst=cv2.cvtColor(src,code[,dstCn])式中：dst表示輸出圖像，與原始輸入圖像具有同樣的數(shù)據(jù)類型和深度。Src表示原始輸入圖像?？梢允?位無符號圖像、16位無符號圖像，或者單精度浮點(diǎn)數(shù)等。Code是色彩空間轉(zhuǎn)換碼，常用的有：cv2.COLOR_BGR2GRAY#彩色圖像轉(zhuǎn)換為灰度圖cv2.COLOR_GRAY2BGR#灰度圖像轉(zhuǎn)換為彩色圖cv2.COLOR_BGR2RGB#BGR彩色圖像轉(zhuǎn)換為RGB彩色圖dstCn是目標(biāo)圖像的通道數(shù)。如果參數(shù)為默認(rèn)的0，則通道數(shù)自動通過原始輸入圖像和code得到。圖像灰度化二代碼分析

在Opencv中可使用cv2.threshold()函數(shù)進(jìn)行閾值化處理，該函數(shù)的語法格式為：Retval,dst=cv2.threshold(src,thresh,maxval,type)式中：retval代表返回的閾值。dst代表閾值分割結(jié)果圖像，與原始圖像具有相同的大小和類型。src代表要進(jìn)行閾值分割的圖像，可以是多通道的，8位或32位浮點(diǎn)型數(shù)值。thresh代表要設(shè)定的閾值。maxval代表當(dāng)type參數(shù)為THRESH_BINARY或者THRESH_BINARY_INV類型時(shí)，需要設(shè)定的最大值。type代表閾值分割的類型，具體類型值如表所示。圖像二值化

二代碼分析一個(gè)輪廓對應(yīng)著一系列的點(diǎn)，這些點(diǎn)以某種方式表示圖像中的一條曲線。在Opencv中，函數(shù)cv2.findContours()用于查找圖像的輪廓，并能夠根據(jù)參數(shù)返回特定表示方式的輪廓（曲線）。函數(shù)cv2.drawContours()能夠?qū)⒉檎业降妮喞L制到圖像上，該函數(shù)可以根據(jù)參數(shù)在圖像上繪制不同樣式（實(shí)心/空心點(diǎn)，以及線條的不同粗細(xì)、顏色等）的輪廓，可以繪制全部輪廓也可以僅繪制制定的輪廓。函數(shù)cv2.findContours()的語法格式為：image,contours,hierarchy=cv2.findContours(image,mode,method)式中的返回值為：image:與函數(shù)參數(shù)中的原始圖像image一致。contours:返回的輪廓。hierarchy：圖像的拓?fù)湫畔ⅲㄝ喞獙哟危Ｊ街械膮?shù)為：image:原始圖像。8位單通道圖像，所以非零值被處理為1，所有零值保持不變。也就是說灰度圖像會被自動處理為二值圖像。在實(shí)際操作時(shí)，可以根據(jù)需要，預(yù)先使用閾值處理等函數(shù)將待查找輪廓的圖像處理為二值圖像。mode:輪廓檢索模式。method:輪廓的近似方法。輪廓提取

二代碼分析函數(shù)cv2.drawContours()的語法格式是：image=cv2.drawCountours(image,contours,contourIdx,color[,thickness[,lineType[,hierarchy[,maxLevel[,offset]]]]])其中，函數(shù)的返回值為image，表示目標(biāo)圖像，即繪制了邊緣的原始圖像。式中：image:待繪制輪廓的圖像。contours:需要繪制的輪廓。contourIdx:需要繪制的邊緣索引，告訴函數(shù)cv2.drawContours()要繪制某一條輪廓還是全部輪廓。color:繪制的顏色，用BGR格式表示。thickness:可選參數(shù)，表示繪制輪廓時(shí)所用畫筆的粗細(xì)。lineType:可選參數(shù)，表示繪制輪廓時(shí)所用的線型。hierarchy:對應(yīng)函數(shù)cv2.drawContours()所輸出的層次信息。maxLevel:控制所繪制的輪廓層次的深度。Offset:偏移參數(shù)。該參數(shù)使輪廓偏移到不同的位置展現(xiàn)出來。輪廓提取

二代碼分析擺正圖片

在使用函數(shù)cv2.warpAffine()對圖像進(jìn)行旋轉(zhuǎn)時(shí)，可以通過函數(shù)cv2.getRotationMatrix2D()獲取轉(zhuǎn)換矩陣。該函數(shù)的語法格式為：retval=cv2.getRotationMatrix2D(center,angle,scale)式中：center為旋轉(zhuǎn)的中心點(diǎn)。angle為旋轉(zhuǎn)角度，正數(shù)表示逆時(shí)針旋轉(zhuǎn)，負(fù)數(shù)表示順時(shí)針旋轉(zhuǎn)。scale為變換尺度（縮放大?。?shí)踐與訓(xùn)練DIE面演示原圖三代碼演示圖片擺正#矩形，旋轉(zhuǎn)box=0(cv2.boxPoints(cv2.minAreaRect(contours[0])))d_c1=box[0]-box[1]#計(jì)算夾角degree_a=np.arctan(d_c1[1]/d_c1[0])degree_a=degree_a*180/np.pi#擺正圖像new_img=common.rotate(img,degree_a,1)實(shí)踐與訓(xùn)練DIE面演示尋找到標(biāo)志位三代碼演示#尋找三角形p_tri=[0,0]forcntinrange(len(contours2)):area=cv2.contourArea(contours2[cnt])if120<area<126:#畫出邊沿

cv2.drawContours(new_img,contours2[cnt],-1,(255,0,255),3)

x1,y1,w1,h1=cv2.boundingRect(contours2[cnt])p_tri[0]=x1+w1/2p_tri[1]=y1+h1/2cv2.rectangle(new_img,(x1,y1),(x1+w1,y1+h1),(0,255,0),2)cv2.circle(new_img,(int(p_tri[0]),int(p_tri[1])),1,(0,255,0),0)實(shí)踐與訓(xùn)練DIE面演示旋轉(zhuǎn)令標(biāo)志位位于右上角三代碼演示a=p_rect[0]-p_tri[0]b=p_rect[1]-p_tri[1]degree_b=0ifa<0:ifb<0:degree_b=90ifa>0:ifb>0:degree_b=-90else:degree_b=180degree=degree_a+degree_bnew_img=common.rotate(img,degree,1)實(shí)踐與訓(xùn)練針腳面演示

檢測識別到的輪廓，如果數(shù)量多于某閾值，即判定為針腳面，并將會直接返回圖片。三代碼演示contours,_=cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)#找邊沿iflen(contour