通過圖像處理，分析數(shù)碼印花的噴頭所噴出來的墨滴形狀，與標(biāo)準(zhǔn)墨滴形狀對比分析，來判斷墨水及其噴頭設(shè)備的狀態(tài)，由兩部分構(gòu)成

PS：獲取墨滴形狀照片和標(biāo)準(zhǔn)墨滴形狀照片都是手繪的，將就的看吧，主要功能已經(jīng)實現(xiàn)了，思路也就是這些。
主要思路：
1，首先通過高速攝像頭捕獲數(shù)碼印花噴頭噴出的墨滴照片
2，將照片進(jìn)行灰度和二值處理
3，獲取照片中墨滴的的邊緣
4，獲取邊緣所圍成的墨滴面積
5，對墨滴邊緣進(jìn)行外接圓繪制，并獲取外接圓的直徑
6，將圖片繪制最小外接圓求出面積及其直徑
7，將圖像和標(biāo)準(zhǔn)墨滴圖像進(jìn)行加權(quán)融合，并獲取交集部分輪廓圖像
8，獲取交集部分輪廓面積的大小
9，由以上數(shù)據(jù)分析，反推出墨水的工藝和噴頭設(shè)備的狀態(tài)情況

OpenCV部分

一、將彩色的照片轉(zhuǎn)化為黑色背景、灰度圖、二值化

由第一步將拍攝的彩色照片繪制成黑色背景下的二值圖
效果如下：

二、獲取照片的輪廓（我這里使用的是內(nèi)輪廓）

import cv2 import numpy as np from matplotlib import pyplot as plt from math import sqrtdef show_photo(name,picture):#圖像顯示函數(shù)cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread('E:\Jupyter_workspace\study\data/water.png') show_photo('img ',img )gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#轉(zhuǎn)換為灰度圖 ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#對圖像進(jìn)行二值處理，小于127為0，大于127為255 binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)cnt = contours[1]draw_img = img.copy() res =cv2.drawContours(draw_img,[cnt],-1,(0,0,255),2) show_photo('res',res)

原圖：

捕獲內(nèi)輪廓后的結(jié)果：

三、計算密閉輪廓的面積和周長

cv2.arcLength(cnt,True)#輪廓所對應(yīng)的周長，True表示閉合的 cv2.contourArea(cnt)#第一個輪廓所對應(yīng)的面積

四、繪制墨滴內(nèi)輪廓的最小外接圓

x, y, w, h = cv2.boundingRect(cnt) (x,y),radius = cv2.minEnclosingCircle(cnt) center = (int(x),int(y)) radius = int(radius) img_radius = cv2.circle(img,center,radius,(0,255,0),2)#(B,G,R)，2為輪廓粗細(xì)程度 show_photo('img_radius',img_radius)

墨滴內(nèi)輪廓的最小外接圓：

五、填充最小外接圓，方便后續(xù)求輪廓

img_gray = cv2.cvtColor(img_radius, cv2.COLOR_BGR2GRAY) _,th = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 尋找輪廓，使用cv2.RETR_CCOMP尋找內(nèi)外輪廓 img_radius_full, contours, hierarch = cv2.findContours(th, cv2.RETR_CCOMP, 2) # 找到內(nèi)層輪廓并填充hierarchy = np.squeeze(hierarch)#使用np.squeeze壓縮hierarch的成為一維數(shù)據(jù)for i in range(len(contours)):# 存在父輪廓，說明是里層if (hierarchy[i][3] != -1):cv2.drawContours(img_radius_full, contours, i, (255, 255, 0), -1)#這里的(255,255,0)代表cyan，也可自定義show_photo('img_radius_full',img_radius_full) #cv2.imwrite('E:\Python-workspace\OpenCV\OpenCV/yanyu.jpg', img)

將墨滴內(nèi)輪廓的最小外接圓填充：

六、繪制最小外接圓輪廓

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#轉(zhuǎn)換為灰度圖 ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#對圖像進(jìn)行二值處理，小于127為0，大于127為255 binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)cnt = contours[0]draw_img = img.copy() res =cv2.drawContours(draw_img,[cnt],-1,(0,0,255),2) show_photo('res',res)

墨滴內(nèi)輪廓的最小外接圓輪廓：

七、獲取最小外接圓面積、周長、直徑和半徑

#最小外接圓的周長 cv2.arcLength(cnt,True)#輪廓所對應(yīng)的周長，True表示閉合的#最小外接圓的面積 cv2.contourArea(cnt)#輪廓所對應(yīng)的面積#最小外接圓直徑 cv2.arcLength(cnt,True)/2/3.1415926#最小外接圓直徑 sqrt(int(cv2.contourArea(cnt)/3.1415926))

八、與標(biāo)準(zhǔn)墨滴樣式進(jìn)行加權(quán)融合

import cv2 import matplotlib.pyplot as plt import numpy as npimg_1 = cv2.imread('E:\Jupyter_workspace\study\data/water.png') img_2 = cv2.imread('E:\Jupyter_workspace\study\data/water_img.png')res = cv2.addWeighted(img_1,0.6,img_2,0.4,0)#加權(quán)融合 #R = αx + βy + b #其中x為img_1，y為img_2，α為0.4權(quán)重，β為0.6權(quán)重，b為0偏移量 #plt.imshow(res) show_photo('res',res)gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)#轉(zhuǎn)換為灰度圖 ret, thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY)#對圖像進(jìn)行二值處理，小于127為0，大于127為255 binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)#cnt = contours[5] cnt = contours[0] cnt1 = contours[5]draw_img = res.copy() res =cv2.drawContours(draw_img,[cnt],-1,(0,0,255),2) res =cv2.drawContours(draw_img,[cnt1],-1,(0,255,0),2) show_photo('res',res)

標(biāo)準(zhǔn)墨滴：

獲取墨滴與標(biāo)準(zhǔn)墨滴進(jìn)行加權(quán)融合：

九、繪制獲取墨滴圖像和標(biāo)準(zhǔn)墨滴圖像交集部分輪廓

gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)#轉(zhuǎn)換為灰度圖 ret, thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY)#對圖像進(jìn)行二值處理，小于127為0，大于127為255 binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)#cnt = contours[5] cnt = contours[0] cnt1 = contours[5]draw_img = res.copy() res =cv2.drawContours(draw_img,[cnt],-1,(0,0,255),2) res =cv2.drawContours(draw_img,[cnt1],-1,(0,255,0),2) show_photo('res',res)

獲取墨滴和標(biāo)準(zhǔn)墨滴交集輪廓：

十、計算獲取墨滴與標(biāo)準(zhǔn)墨滴交集部分面積

cv2.contourArea(cnt)#輪廓所對應(yīng)的面積

到此，通過opencv已經(jīng)獲取了足夠多的數(shù)據(jù)，由這些數(shù)據(jù)進(jìn)行工藝上的對墨水配料反推加工

整合代碼如下：

import cv2 import numpy as np from matplotlib import pyplot as plt from math import sqrtdef show_photo(name,picture):#圖像顯示函數(shù)cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()test_img = cv2.imread('E:\Jupyter_workspace\study\data/water.png')#測試圖 origin_img = cv2.imread('E:\Jupyter_workspace\study\data/water_img.png')#標(biāo)準(zhǔn)圖show_photo('test ',test_img )#測試圖像gray = cv2.cvtColor(test_img,cv2.COLOR_BGR2GRAY)#轉(zhuǎn)換為灰度圖 ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#對圖像進(jìn)行二值處理，小于127為0，大于127為255 binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)cnt = contours[0]#1為內(nèi)輪廓，0為外輪廓draw_img = test_img.copy() outline =cv2.drawContours(draw_img,[cnt],-1,(0,0,255),2) show_photo('outline',outline)#內(nèi)輪廓length = cv2.arcLength(cnt,True) area = cv2.contourArea(cnt) print('輪廓周長為：',length)#輪廓所對應(yīng)的周長，True表示閉合的 print('輪廓面積為：',area)#輪廓所對應(yīng)的面積''' 繪制輪廓的最小外接圓 ''' x, y, w, h = cv2.boundingRect(cnt) (x,y),radius = cv2.minEnclosingCircle(cnt) center = (int(x),int(y)) radius = int(radius) draw_radius_img = test_img.copy() img_radius = cv2.circle(draw_radius_img,center,radius,(0,255,0),2)#(B,G,R)，2為輪廓粗細(xì)程度 show_photo('img_radius',img_radius)''' 填充最小外接圓 ''' img_gray = cv2.cvtColor(img_radius, cv2.COLOR_BGR2GRAY) _,th = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 尋找輪廓，使用cv2.RETR_CCOMP尋找內(nèi)外輪廓 img_radius_full, contours, hierarch = cv2.findContours(th, cv2.RETR_CCOMP, 2) # 找到內(nèi)層輪廓并填充hierarchy = np.squeeze(hierarch)#使用np.squeeze壓縮hierarch的成為一維數(shù)據(jù)for i in range(len(contours)):# 存在父輪廓，說明是里層if (hierarchy[i][3] != -1):cv2.drawContours(img_radius_full, contours, i, (255, 255, 0), -1)#這里的(255,255,0)代表cyan，也可自定義show_photo('img_radius_full',img_radius_full) r_c = cv2.arcLength(cnt,True)#輪廓所對應(yīng)的周長，True表示閉合的 r_s = cv2.contourArea(cnt)#輪廓所對應(yīng)的面積 # c = Π*d = 2*Π*r # s = Π*r*r r_d = r_c/3.1415926print('最小外接圓輪廓周長為：',r_c)#輪廓所對應(yīng)的周長，True表示閉合的 print('最小外接圓輪廓面積為：',r_s)#輪廓所對應(yīng)的面積 print('最小外接圓輪廓直徑為：',r_d)#輪廓所對應(yīng)的面積''' 與標(biāo)準(zhǔn)墨滴圖像進(jìn)行加權(quán)融合 ''' res = cv2.addWeighted(origin_img,0.6,test_img,0.4,0)#加權(quán)融合 #R = αx + βy + b #其中x為img_1，y為img_2，α為0.4權(quán)重，β為0.6權(quán)重，b為0偏移量 #plt.imshow(res) show_photo('res',res)gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)#轉(zhuǎn)換為灰度圖 ret, thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY)#對圖像進(jìn)行二值處理，小于127為0，大于127為255 binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)#cnt = contours[0] cnt1 = contours[5] #cnt1 = contours[5]draw_mix_img = res.copy() mix_img =cv2.drawContours(draw_mix_img,[cnt1],-1,(0,0,255),2) #res =cv2.drawContours(draw_img,[cnt1],-1,(0,255,0),2) show_photo('mix_img',mix_img)mixed_s = cv2.contourArea(cnt1)#輪廓所對應(yīng)的面積 mixed_c = cv2.arcLength(cnt1,True)#輪廓所對應(yīng)的周長，True表示閉合的print('交集輪廓周長為：',mixed_c)#輪廓所對應(yīng)的周長 print('交集輪廓面積為：',mixed_s)#輪廓所對應(yīng)的面積 print('\n')if area < 9000 :print('警報：噴頭堵塞！！！') elif mixed_s > 1000 :print("警報：墨水形狀不標(biāo)準(zhǔn)！！！") elif r_d > 110 :print('警報：墨水過于粘稠！！！') else :print("一切正常")

測試墨滴圖像：

繪制墨滴外輪廓：

繪制墨滴最小外接圓：

填充最小外接圓：

與標(biāo)準(zhǔn)墨滴進(jìn)行加權(quán)融合：

獲取交集部分：

控制臺結(jié)果顯示：

墨水工藝部分

總結(jié)

以上是生活随笔為你收集整理的基于(Python下的OpenCV)图像处理的喷墨墨滴形状规范检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。