python小课堂-第二节

1 在流水线上使用工业相机对板擦进行拍照时，触发方式选择内触发还是外触发？

触发方式的选择（内触发或外触发）主要取决于流水线速度、检测精度需求和系统同步性要求。以下是详细分析：

1.外触发（外部触发）

工作原理：通过外部传感器（如光电传感器、编码器或PLC）检测板擦到达拍照位置，实时发送电信号给相机，触发拍照。触发信号与流水线运动完全同步，确保每张照片捕捉的物体位置一致。

适用场景：高速流水线（如每分钟处理数百个板擦）：外触发可精准匹配流水线速度，避免漏拍或重复拍摄。位置精度要求高的检测（如尺寸测量、缺陷定位）：确保每次拍照时板擦处于固定位置。多设备协同（如机械臂抓取、多相机联动）：外触发可实现全系统同步。

2.内触发（内部触发/自由运行）

工作原理：相机按固定频率（如每秒30帧）自主拍照，不依赖外部信号。通常配合图像后处理算法筛选有效图像（如通过ROI区域检测板擦是否存在）。

2灰度图像二值化

2.1什么是图像二值化？

图像二值化，就是将图像中像素点的值取其中间值，若大于中间值，则将该像素点的值设为最大值，若小于中间值，则把该像素点设为最小值。使整个图片最后只存在两个值：最大值和最小值。

2.2 python程序实现

import cv2

def convert_gray_to_binary(image_path):

    # 读取灰度图像

    gray_image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

    if gray_image is None:

        print("无法读取图像，请检查图像路径。")

        return

    # 使用阈值处理将灰度图像转换为二值图像

    _, binary_image = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

    return binary_image

if __name__ == "__main__":

    image_path = 'image.jpg'  # 替换为你的图像路径

    binary_image = convert_gray_to_binary(image_path)

    if binary_image is not None:

        # 显示二值图像

        cv2.imshow('Binary Image', binary_image)

        cv2.waitKey(0)

        cv2.destroyAllWindows()

2.3 结果显示

3均值滤波实现

3.1均值滤波原理

均值滤波是一种常用的线性图像滤波方法，主要用于平滑图像、抑制噪声。其核心原理是通过局部邻域内像素的平均值来替代中心像素值，从而减少噪声或细节的强度。

1.基本原理：对图像中的每个像素，取其周围一定邻域内所有像素值的算术平均值，作为该像素的新值。噪声（如高斯噪声）通常是随机分布的，通过平均操作可以削弱噪声强度，因为噪声的极值会被邻域内其他像素的典型值“中和”。图像的高频细节（如边缘、纹理）会被模糊，属于低通滤波。均值滤波通过局部平均实现去噪，但以牺牲图像清晰度为代价。在实际应用中需权衡噪声抑制与细节保留，通常结合其他方法（如自适应滤波）优化效果。

3.2算法实现

import cv2
import matplotlib.pyplot as plt
def mean_filtering(image_path):
    # 读取图像
    image = cv2.imread(image_path)
    if image is None:
        print("无法读取图像，请检查图像路径。")
        return
    # 将BGR格式转换为RGB格式，以便使用matplotlib显示
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    # 进行均值滤波
    filtered_image = cv2.blur(image, (5, 5))
    # 绘制滤波前后的图像
    plt.figure(figsize=(10, 5))
    plt.subplot(1, 2, 1)
    plt.imshow(image)
    plt.title('Original Image')
    plt.axis('off')
    plt.subplot(1, 2, 2)
    plt.imshow(filtered_image)
    plt.title('Filtered Image')
    plt.axis('off')
    plt.show()
if __name__ == "__main__":
    image_path = 'image.jpg'  # 替换为你的图像路径
    mean_filtering(image_path)

3.3实验结果