《机器视觉系统应用》课件-CPU模块综合检测

CPU检测正反并旋转课程目标处理原理处理步骤一二三目录能力目标检测CPU正反面并旋转图片将其三角形标志置于右上角；知识目标识别CPU正反面；如果不是针脚面，旋转图片将三角形标准位放于右上角。课程目标一课程引入中央处理器（CPU），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令，对指令译码并执行指令的核心部件。中央处理器主要包括两个部分，即控制器、运算器，其中还包括高速缓冲存储器及实现它们之间联系的数据、控制的总线。电子计算机三大核心部件就是CPU、内部存储器、输入/输出设备。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。本案例的内容为检测CPU正反面并旋转图片将其三角形标志置于右上角。二处理原理检测轮廓差异从CPU的前后结构我们可以看出，正面有两块大核心以及任务目标的三角形识别位，背面是多个针脚为主以及小方形核心。因此，检测是否为针脚面，有两种选项：检测识别到的轮廓，如果数量多于某阈值，即判定为针脚面；检测识别到的轮廓，如果正面存在两个大核心，即判定为正面。两种方法并未优劣之分。方法1的原理是针脚面会识别出多个轮廓，数量会远大于正面。这个方法在光线不足的情况下可能识别的轮廓会较少导致误差；方法2的原理是设定轮廓阈值，因为针脚轮廓较小，在轮廓阈值较高的情况下会仅检测出CPU外形轮廓，而正面会检测出大核心。这个方法在核心存在反光的情况下会产生误差。本次实践因为存在反光，使用的是数量阈值检测法二几何变换处理原理仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像在完成仿射变换后，平行线仍然是平行线。二几何变换处理原理空间变换对应矩阵的仿射变换。一个坐标通过函数变换的新的坐标位置：所以在程序中我们可以使用一个2*3的数组结构来存储变换矩阵：二几何变换处理原理以最简单的平移变换为例，平移（b1,b2）坐标可以表示为：因此，平移变换的变换矩阵及逆矩阵记为：二几何变换处理原理缩放变换：将图像横坐标放大（或缩小）sx倍，纵坐标放大（或缩小）sy倍，变换矩阵及逆矩阵为：旋转变换：图像绕原点逆时针旋转a角，其变换矩阵及逆矩阵（顺时针选择）为：流程图三处理步骤CPU检测正反并旋转演示课程引入代码分析代码演示一二三目录能力目标检测CPU正反面并旋转图片将其三角形标志置于右上角；知识目标识别CPU正反面；如果不是针脚面，旋转图片将三角形标准位放于右上角。课程目标一课程引入中央处理器（CPU），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令，对指令译码并执行指令的核心部件。中央处理器主要包括两个部分，即控制器、运算器，其中还包括高速缓冲存储器及实现它们之间联系的数据、控制的总线。电子计算机三大核心部件就是CPU、内部存储器、输入/输出设备。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。本案例的内容为检测CPU正反面并旋转图片将其三角形标志置于右上角。二代码分析

在Opencv中可直接使用函数cv2.cvColor()将彩色图像转为其它类型的图像。其语法格式为：dst=cv2.cvtColor(src,code[,dstCn])式中：dst表示输出图像，与原始输入图像具有同样的数据类型和深度。Src表示原始输入图像。可以是8位无符号图像、16位无符号图像，或者单精度浮点数等。Code是色彩空间转换码，常用的有：cv2.COLOR_BGR2GRAY#彩色图像转换为灰度图cv2.COLOR_GRAY2BGR#灰度图像转换为彩色图cv2.COLOR_BGR2RGB#BGR彩色图像转换为RGB彩色图dstCn是目标图像的通道数。如果参数为默认的0，则通道数自动通过原始输入图像和code得到。图像灰度化二代码分析

在Opencv中可使用cv2.threshold()函数进行阈值化处理，该函数的语法格式为：Retval,dst=cv2.threshold(src,thresh,maxval,type)式中：retval代表返回的阈值。dst代表阈值分割结果图像，与原始图像具有相同的大小和类型。src代表要进行阈值分割的图像，可以是多通道的，8位或32位浮点型数值。thresh代表要设定的阈值。maxval代表当type参数为THRESH_BINARY或者THRESH_BINARY_INV类型时，需要设定的最大值。type代表阈值分割的类型，具体类型值如表所示。图像二值化

二代码分析一个轮廓对应着一系列的点，这些点以某种方式表示图像中的一条曲线。在Opencv中，函数cv2.findContours()用于查找图像的轮廓，并能够根据参数返回特定表示方式的轮廓（曲线）。函数cv2.drawContours()能够将查找到的轮廓绘制到图像上，该函数可以根据参数在图像上绘制不同样式（实心/空心点，以及线条的不同粗细、颜色等）的轮廓，可以绘制全部轮廓也可以仅绘制制定的轮廓。函数cv2.findContours()的语法格式为：image,contours,hierarchy=cv2.findContours(image,mode,method)式中的返回值为：image:与函数参数中的原始图像image一致。contours:返回的轮廓。hierarchy：图像的拓扑信息（轮廓层次）。式中的参数为：image:原始图像。8位单通道图像，所以非零值被处理为1，所有零值保持不变。也就是说灰度图像会被自动处理为二值图像。在实际操作时，可以根据需要，预先使用阈值处理等函数将待查找轮廓的图像处理为二值图像。mode:轮廓检索模式。method:轮廓的近似方法。轮廓提取

二代码分析函数cv2.drawContours()的语法格式是：image=cv2.drawCountours(image,contours,contourIdx,color[,thickness[,lineType[,hierarchy[,maxLevel[,offset]]]]])其中，函数的返回值为image，表示目标图像，即绘制了边缘的原始图像。式中：image:待绘制轮廓的图像。contours:需要绘制的轮廓。contourIdx:需要绘制的边缘索引，告诉函数cv2.drawContours()要绘制某一条轮廓还是全部轮廓。color:绘制的颜色，用BGR格式表示。thickness:可选参数，表示绘制轮廓时所用画笔的粗细。lineType:可选参数，表示绘制轮廓时所用的线型。hierarchy:对应函数cv2.drawContours()所输出的层次信息。maxLevel:控制所绘制的轮廓层次的深度。Offset:偏移参数。该参数使轮廓偏移到不同的位置展现出来。轮廓提取

二代码分析摆正图片

在使用函数cv2.warpAffine()对图像进行旋转时，可以通过函数cv2.getRotationMatrix2D()获取转换矩阵。该函数的语法格式为：retval=cv2.getRotationMatrix2D(center,angle,scale)式中：center为旋转的中心点。angle为旋转角度，正数表示逆时针旋转，负数表示顺时针旋转。scale为变换尺度（缩放大小）实践与训练DIE面演示原图三代码演示图片摆正#矩形，旋转box=0(cv2.boxPoints(cv2.minAreaRect(contours[0])))d_c1=box[0]-box[1]#计算夹角degree_a=np.arctan(d_c1[1]/d_c1[0])degree_a=degree_a*180/np.pi#摆正图像new_img=common.rotate(img,degree_a,1)实践与训练DIE面演示寻找到标志位三代码演示#寻找三角形p_tri=[0,0]forcntinrange(len(contours2)):area=cv2.contourArea(contours2[cnt])if120<area<126:#画出边沿

cv2.drawContours(new_img,contours2[cnt],-1,(255,0,255),3)

x1,y1,w1,h1=cv2.boundingRect(contours2[cnt])p_tri[0]=x1+w1/2p_tri[1]=y1+h1/2cv2.rectangle(new_img,(x1,y1),(x1+w1,y1+h1),(0,255,0),2)cv2.circle(new_img,(int(p_tri[0]),int(p_tri[1])),1,(0,255,0),0)实践与训练DIE面演示旋转令标志位位于右上角三代码演示a=p_rect[0]-p_tri[0]b=p_rect[1]-p_tri[1]degree_b=0ifa<0:ifb<0:degree_b=90ifa>0:ifb>0:degree_b=-90else:degree_b=180degree=degree_a+degree_bnew_img=common.rotate(img,degree,1)实践与训练针脚面演示