OpenCV C++ 图像处理实战 ——《缺陷检测》

已于 2024-06-26 08:13:04 修改
阅读量2.6k 收藏 7
点赞数 2
CC 4.0 BY-SA版权
分类专栏： OpenCV图像处理、计算机视觉实战应用 文章标签： opencv c++ 图像处理
于 2023-10-28 11:06:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Zero___Chen/article/details/134088501
本文介绍了使用OpenCV C++ 实现基于模板匹配的印刷缺陷检测算法，涉及图像配准、多元模板图像处理、差异模型训练及阈值图像对比，通过源码展示了缺陷检测的完整流程。

OpenCV C++ 图像处理实战 ——《缺陷检测》

一、结果演示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、缺陷检测算法

本案例将使用OpenCV C++ 进行PCB印刷缺陷检测。目前缺陷检测算法可分为两大类：
一：基于模板匹配的缺陷检测
二：基于深度学习的缺陷检测，主要利用目标检测去识别缺陷部分。
本文算法主要是基于模板匹配算法进行缺陷检测，参考《基于差异模型的印刷标签缺陷检测算法》一文，进行算法复现，感兴趣的朋友可以去阅读一下原文。
在这里插入图片描述

2.1、多元模板图像

通过工业相机采集合格标签图像，作为差异模型的训练

了解本专栏 订阅专栏 解锁全文
2D图像处理：缺陷检测--实现Halcon的Variation Model
lddx_123456的博客
02-18 1690
通过C++ & Opencv实现Halcon的Variation Model。
OpenCV C++ 图像处理实战 ——《基于轮廓比对的缺陷检测》
Zero___Chen的博客
10-01 947
本文使用OpenCV C++ 实现基于轮廓比对的缺陷检测。
PIL与OpenCV双线性插值实现差异导致模型精度不够踩坑
最新发布
youngboy的博客
10-15 431
本文对比研究了PIL和OpenCV在双线性插值图像缩放实现上的差异。实验发现，PIL的resize操作在不同缩放路径下结果高度一致(SSIM 0.9986)，而OpenCV对中间缩放尺寸更敏感(SSIM 0.9051)。PIL的实现表现出更好的稳定性，可能采用更精确的坐标映射和权重计算。建议在一致性要求高的场景中使用同一图像处理库，避免混合使用PIL和OpenCV的缩放操作，并在关键应用中充分测试预处理效果。
机器视觉：基于特征的图像对齐（使用opencv和python）
热门推荐
yuanlulu的博客
08-30 3万+
概述 本文主要内容来自参考资料《mage Alignment (Feature Based) using OpenCV (C++/Python)》 本文讲述使用opencv中基于特征的的图像对齐方法。这里将会把手机拍摄的表单和与表单的模板对齐。 这里用到的技术被称为基于特征的图像对齐，因为在这种技术中，要在一个图像中检测到一组特征点，并与另一张图像中的特征点相匹配。然后根据这些匹配的特征...
OpenCV图像处理—— 模板匹配
ziyonghong的博客
03-24 1915
模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。 工作原理：在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。 局限性：它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。 常见的模板匹配算法： ①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORME...
计算机视觉-缺陷检测实战系列
07-17
计算机视觉-缺陷检测实战系列，缺陷检测实战课程旨在帮助同学们快速掌握该领域经典算法及其应用实例，项目实战主要基于两大模块：1.基于深度学习的缺陷检测实战，主要讲解检测与分割算法并进行应用实战；2.基于传统算法(opencv)进行缺陷检测与分析。所有项目均逐行解读源码并进行实例应用，在整体风格通俗易懂，提供全部课程所需数据代码。
OpenCV：图像差分法基础实例（获取差分值及其位置
fwt1226的博客
07-09 4661
代码 // win10 // vs2013 // opencv3 #include<opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; // 图像差分法 int main() { Mat image = imread("image.jpg"); Mat test = imread("test.jpg"); Mat diff; namedWindow("imag
OpenCV C++案例实战三十三《缺陷检测》
Zero___Chen的博客
09-02 8442
本案例将使用OpenCV C++ 进行PCB印刷缺陷检测。目前缺陷检测算法可分为两大类：一：基于模板匹配的缺陷检测二：基于深度学习的缺陷检测，主要利用目标检测去识别缺陷部分。本文算法主要是基于模板匹配算法进行缺陷检测，参考《基于差异模型的印刷标签缺陷检测算法》一文，进行算法复现，感兴趣的朋友可以去阅读一下原文。本文使用OpenCV C++ 进行PCB印刷缺陷检测，主要操作有以下几点。1、将图像进行仿射变换，与模板图像进行配准2、计算差异图像，得到基于模板的亮、暗阈值图像。
opencv c++ 传统瑕疵检测简例
m0_56838271的博客
09-26 1806
基于Opencv、C++的传统瑕疵检测的简单示例。
基于C++的OpenCV项目实战——缺陷检测
m0_73077283的博客
09-16 790
【代码】基于C++的OpenCV项目实战——缺陷检测。
基于opencv C++实现毛衣衣服的瑕疵检测
03-23
基于C++中添加的opencv函数库来实现图像处理中衣物的特别是毛衣的瑕疵检测 属于毕业设计 功能完整
电路板缺陷检测-分水岭-OpenCV
12-04
基于OpenCV和分水岭算法，对电路板进行缺陷检测。效果还可以，提供给大家学习。
基于Opencv的图像缺陷识别简单例子
11-25
用Opencv写的一个图像处理的例子，图像处理算法包括灰度，二值化，连通域标记，以及缺陷统计等。可作为深入研究的入门代码。
基于Opencv的机器视觉缺陷检测、印刷检测
07-08
源码，免费可执行exe参看文章
OpenCV C++ 图像处理实战 ——《物体数量计数与尺寸测量》
Zero___Chen的博客
03-16 1587
本文使用OpenCV C++ 实现物体数量计数与尺寸测量，关键点如下1、图像成像质量不佳时会影响到后续的二值化分割，故我们需要对图像进行图像增强处理，可以多尝试几种不同的图像增强算法。2、图像二值化与形态学处理，这是物体轮廓提取的关键。这步处理得好，后续就可以简化很多步骤。3、轮廓提取。根据二值化轮廓特征，使用轮廓面积、周长、宽高比、圆形度、多边形近似等特征提取我们想要的轮廓。
OpenCV C++ 图像处理实战 ——《多尺度自适应Gamma矫正的低照图像增强》
Zero___Chen的博客
01-11 1189
本文使用OpenCV C++ 实现多尺度自适应Gamma矫正的低照度图像增强。首先将低照图像转换到 HSI 颜色空间，利用多尺度的 Retinex 提取明度分量 I 的多尺度光照图像，然后对多尺度的光照图像分别进行自适应的 Gamma矫正，其中 Gamma 指数自适应于光照图像的暗区像素的占比。
C++OpencvPCB板子引脚缺陷检测
bigData1994pb的博客
07-01 1651
首先感谢杉木~，若侵权，请联系删除。 论文里面提出利用区域生长法获取引脚的总数及各个引脚主体部分的形心坐标及面积。通过与实际引脚总数进行对比, 判断是否存在引脚缺失的缺陷, 并和实际引脚的间距、面积的设定值进行对比, 当测定值超过设定值一定范围时, 认为该芯片存在引脚位置偏移以及高度偏移等缺陷。 与作者不同之处在于我使用提取轮廓，构建掩膜图像的方式获取引脚的主体部分，其余部分均按照论文思路判别缺陷。 步骤：...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Zero___Chen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值