《机器视觉系统应用》课件——太阳能硅片检测案例检测方案讲解.pptxVIP

太阳能硅片检测案例方法讲解

课程框架课程引入模型获取和导入施加载荷与约束模型简化与拆分实践训练交流讨论实践训练评价反馈课程总结，布置作业激学导思讲授新知教学巩固教学提升教学延伸课程总结及5S整理5分钟15分钟15分钟30分钟15分钟10分钟

情景引入相关库的获取和导入原理分析6S管理一二三四目录

能力目标（1）能够对太阳能硅片有基础的认识；（2）能够对完成对太阳能硅片尺寸的测量。知识目标（1）了解太阳能硅片尺寸测量的原理。素质目标（1）具有严谨求实精神；（2）具有自主学习的能力；（3）具备5S职业素养。课程目标

情景导入随着工业时代的到来，人们使用的能源越来越多，但是越来越多的国家认识到一个能够持续发展的社会应该是一个既能满足社会需要，而又不危及后代人前途的社会。因此，尽可能多地用洁净能源代替高含碳量的矿物能源，是能源建设应该遵循的原则。随着能源形式的变化，常规能源的贮量日益下降，其价格必然上涨，而控制环境污染也必须增大投资。某公司抓住这个机遇，开始对太阳能硅片进行研发，因此在生产的时候需要检测产品出硅片的尺寸是否符合标批准。 模拟企业端一情景引入

二相关库获取和导入导入库本章节我们需用到的库如下图示意。cv2是opencv-python，用于图像处理。numpy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nestedliststructure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

二库导入pycharm软件界面相关库获取和导入

三原理分析图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。

三原理分析图像二值化的一些方法：

三原理分析总结：cv2.THRESH_BINARY当像素值阀值时，为默认值；否则为0cv2.THRESH_BINARY_INV与cv2.THRESH_BINARY相反cv2.THRESH_TRUNC当像素值阀值时，为默认值；否则为原图片值cv2.THRESH_TOZERO当像素值阀值时，为原图片值；否则为0cv2.THRESH_TOZERO_INV与cv2.THRESH_TOZERO相反

三原理分析膨胀与腐蚀原理：图像的膨胀（Dilation）和腐蚀（Erosion）是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大；腐蚀类似于“领域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。

三原理分析开操作原理：开操作：即先腐蚀然后对腐蚀后的结果进行膨胀。

三原理分析闭操作原理：闭操作：即先膨胀，然后对膨胀后的结果进行腐蚀

三原理分析透视变换原理：透视变换(PerspectiveTransformation)是将成像投影到一个新的视平面(ViewingPlane)，也称作投影映射(ProjectiveMapping)。如图所示。OpenCV提供了warpPerspective()函数来实现图片的透视变换，只需要输入梯形四个顶点的坐标和目标画布四个角的坐标，即可自动完成转换。核心代码只有两行：首先读取两个坐标数组，计算变换矩阵；然后根据变换矩阵对原图进行透视变换，并输出到目标画布。

三原理分析透视变换的基本原理：透视变换（PerspectiveTransformation）的本质是将图像投影到一个新的视平面，其通用变换公式为：（u，v）为原始图像像素坐标，（x=x′/w′，y=y′/w′）为变换之后的图像像素坐标。透视变换矩阵图解如下：

三原理分析透视变换的基本原理：仿射变换（AffineTransformation）可以理解为透视变换的特殊形式。透视变换的数学表达式为：所以，给定透视变换对应的四对像素点坐标，即可求得透视变换矩阵；反之，给定透视变换矩阵，即可对图像或像素点坐标完成透视变换，如右图所示：

三原理分析高斯滤波原理：常用的高斯模板有如下几种形式：高斯模板是通过高斯函数计算出来的，公式如下：

三原理分析高斯滤波原理：以3×3的高斯滤波器模板为例，以模板的中心位置为坐标原点进行取样。模板在各个位置的坐标，如下所示（x轴水平向右，y轴竖直向上）。这样，将各个位置的坐标带入到高斯函数G中，得到的每个值按照位置排列，就得到了模板。

三原理分析高斯滤波原理：这样输出的模板有两种形式：①小数类型：直接计算得到的值，没有经过任何处理。②整数类型：