任務要求：

基於模板匹配演算法識別PCB板型號

使用工具：

Python3、OpenCV

使用模板匹配演算法，模板匹配是一種最原始、最基本的模式識別方法，研究某一特定物件物的圖案位於影象的什麼地方，進而識別物件物，模板匹配具有自身的侷限性，主要表現在它只能進行平行移動，即原影象中的匹配目標不能發生旋轉或大小變化。

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、在整個影象區域發現與給定子影象匹配的小塊區域

2、選取模板影象T（給定的子影象）

3、另外需要一個待檢測的影象——源影象S

4、工作方法：在檢測影象上，從左到右，從上到下計算模板影象與重疊， 子影象的匹配度，匹配程度越大，兩者相同的可能性就越大。

OpenCV提供了6種模板匹配演算法：

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；

相關係數匹配法CV_TM_CCOEFF；

歸一化相關係數匹配法CV_TM_CCOEFF_NORMED；

後面經過實驗，我們主要是從以上的六種中選擇了歸一化相關係數匹配法CV_TM_CCOEFF_NORMED，基本原理公式為：

程式碼部分展示：

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

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

#相關係數對比（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))

#根據提取的相關係數得出對應匹配程度最高的模板
h,w = template[j].shape[:2]  # 計算模板影象的高和寬 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
#繪製模板影象
plt.subplot(121),plt.imshow(template[j],cmap='gray')
plt.title('pcb type'),plt.xticks([]),plt.yticks([])
#繪製檢測影象
plt.subplot(122),plt.imshow(img,cmap='gray')
plt.title('img'),plt.yticks([])
plt.show()

實驗結果：

需要完整程式碼以及圖片素材的，請留下評論可與博主進行聯絡。

以上就是Opencv+Python識別PCB板圖片的步驟的詳細內容，更多關於Opencv+Python識別PCB板的資料請關注我們其它相關文章！