基于模板匹配算法識別PCB板型號

Python3、OpenCV

使用模板匹配算法，模板匹配是一種最原始、最基本的模式識別方法，研究某一特定對象物的圖案位于圖像的什么地方，進而識別對象物，模板匹配具有自身的局限性，主要表現在它只能進行平行移動，即原圖像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：

1、在整個圖像區域發現與給定子圖像匹配的小塊區域

2、選取模板圖像T（給定的子圖像）

3、另外需要一個待檢測的圖像——源圖像S

4、工作方法：在檢測圖像上，從左到右，從上到下計算模板圖像與重疊， 子圖像的匹配度，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；

相關系數匹配法CV_TM_CCOEFF；

歸一化相關系數匹配法CV_TM_CCOEFF_NORMED；

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

import cv2import numpy as npfrom matplotlib import pyplot as plt#讀取檢測圖像img = cv2.imread(’img8.bmp’, 0)#讀取模板圖像template1=cv2.imread(’moban1.bmp’, 0)template2=......#建立模板列表template=[template1,template2,template3,template4]# 模板匹配：歸一化相關系數匹配方法res1=cv2.matchTemplate(img, template1, cv2.TM_CCOEFF_NORMED)res2=cv2.matchTemplate(......)#提取相關系數min_val1, max_val1, min_loc1, max_loc1 =cv2.minMaxLoc(res1)min_val2, ......#相關系數對比（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))#根據提取的相關系數得出對應匹配程度最高的模板h, w = template[j].shape[:2] # 計算模板圖像的高和寬 rows->h, cols->wpes=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#繪制模板圖像plt.subplot(121), plt.imshow(template[j], cmap=’gray’)plt.title(’pcb type’),plt.xticks([]), plt.yticks([])#繪制檢測圖像plt.subplot(122), plt.imshow(img, cmap=’gray’)plt.title(’img’), plt.xticks([]), plt.yticks([])plt.show()實驗結果：

需要完整代碼以及圖片素材的，請留下評論可與博主進行聯系。

以上就是Opencv+Python識別PCB板圖片的步驟的詳細內容，更多關于Opencv+Python識別PCB板的資料請關注好吧啦網其它相關文章！