用摄像头检测零件尺寸是否合格的Python代码

最新推荐文章于 2025-07-23 15:36:39 发布

wang6168

最新推荐文章于 2025-07-23 15:36:39 发布

阅读量356

点赞数 1

CC 4.0 BY-SA版权

文章标签： python opencv 开发语言

本文链接：https://blog.youkuaiyun.com/wang6168/article/details/145756463

以下是一个基于OpenCV的实时零件尺寸检测Python实例代码，结合摄像头捕捉和图像处理技术实现尺寸检测。代码中包含详细的注释说明和实际应用要点。

import cv2 
import numpy as np 
 
# 初始化摄像头 
cap = cv2.VideoCapture(0)
# 设置参考物实际尺寸（示例为A4纸的短边21cm）
ref_width_cm = 21.0  
min_width = 19.5  # 最小合格尺寸 
max_width = 21.5  # 最大合格尺寸 
 
def get_pixel_ratio(frame):
    """通过参考物计算像素/厘米比例"""
    gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edged = cv2.Canny(blurred, 50, 200)
    
    # 寻找最大轮廓 
    contours, _ = cv2.findContours(edged,  cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if len(contours) > 0:
        max_contour = max(contours, key=cv2.contourArea) 
        x, y, w, h = cv2.boundingRect(max_contour) 
        return w / ref_width_cm  # 像素/厘米 
    return None 
 
while True:
    ret, frame = cap.read() 
    if not ret:
        break 
    
    # 获取当前像素比例 
    pixel_ratio = get_pixel_ratio(frame)
    
    if pixel_ratio is not None:
        # 预处理 
        gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)
        blurred = cv2.GaussianBlur(gray, (5, 5), 0)
        edged = cv2.Canny(blurred, 50, 200)
        
        # 检测零件轮廓 
        contours, _ = cv2.findContours(edged,  cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for cnt in contours:
            area = cv2.contourArea(cnt) 
            if area > 1000:  # 过滤小噪点 
                # 获取旋转矩形 
                rect = cv2.minAreaRect(cnt) 
                (x, y), (w, h), angle = rect 
                
                # 计算实际尺寸 
                width_cm = max(w, h) / pixel_ratio 
                height_cm = min(w, h) / pixel_ratio 
                
                # 判断是否合格 
                color = (0, 255, 0) if (min_width <= width_cm <= max_width) else (0, 0, 255)
                
                # 绘制检测结果 
                box = cv2.boxPoints(rect) 
                box = np.int0(box) 
                cv2.drawContours(frame,  [box], 0, color, 2)
                cv2.putText(frame,  f"W:{width_cm:.1f}cm", (int(x)-50, int(y)-20),
                           cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,0,0), 2)
 
    cv2.imshow('Detection',  frame)
    if cv2.waitKey(1)  == 27:  # ESC退出 
        break 
 
cap.release() 
cv2.destroyAllWindows()

关键实现要点说明：
参考物校准：通过A4纸等已知尺寸物体建立像素与实际尺寸的换算关系，这是实现精确测量的基础

图像预处理流程：

高斯模糊消除噪声（GaussianBlur）
Canny边缘检测获取零件轮廓（Canny）
形态学操作优化边缘质量（示例中未展示，可添加膨胀/腐蚀操作）
轮廓分析技术：

使用findContours获取候选轮廓
minAreaRect获取最小外接旋转矩形
面积过滤排除噪声干扰
实时检测优化：

保持30fps以上的处理速度
使用绿色/红色边框直观显示检测结果
显示实时尺寸数值
扩展改进建议：
增加稳定性措施：

# 在获取像素比例处添加移动平均滤波 
ratio_buffer = []
def get_pixel_ratio(frame):
    ... # 原有代码 
    if len(ratio_buffer) > 10:
        ratio_buffer.pop(0) 
    ratio_buffer.append(current_ratio) 
    return np.mean(ratio_buffer)

光照补偿处理：

clahe = cv2.createCLAHE(clipLimit=3.0,  tileGridSize=(8,8))
gray = clahe.apply(gray)

数据库集成（需配合SQLite等数据库）：

数据库集成（需配合SQLite等数据库）：
import sqlite3 
def save_result(measurement):
    conn = sqlite3.connect('quality.db') 
    c = conn.cursor() 
    c.execute('''INSERT  INTO records VALUES (?, ?, datetime('now'))''', 
             (measurement['width'], measurement['status']))
    conn.commit()