检测PCB板电路的短路情况试错之路

  作为一个刚开始进行图像处理的菜鸟，在第一次进行实战项目开发的出发点就挫折不断，赶紧记录一下这美好的时刻~

接到任务，识别相对于模板图中发生短路的实际图中缺陷点。

                                            

一听到有模板图，马上傻傻的认为直接图片像素计算来做，或者用模板匹配来做应该没什么问题。

开始第一次，直接图片减，发现原图本身与模板图就有很多差异，检测出来全是缺陷~

第二下，开始使用模板匹配，首先利用结构相似度ssim来算，参考：

https://www.pyimagesearch.com/2017/06/19/image-difference-with-opencv-and-python/#comment-429138

https://blog.csdn.net/hyk_1996/article/details/87867285   

https://blog.csdn.net/sinat_36438332/article/details/88173349

https://cloud.tencent.com/developer/section/1414961

不行

再用NCC归一化积相关度来计算，参考：

https://blog.csdn.net/cui134/article/details/23924303

https://www.cnblogs.com/yysky/p/10497858.html

https://www.cnblogs.com/x1mercy/p/7865336.html

https://cloud.tencent.com/developer/article/1357066

还考虑了一下形状匹配：https://blog.csdn.net/sillykog/article/details/83116793

最后觉得都不行，毕竟匹配几乎用于定位，确定ROI区域，经过思考，准备明天换个方向：

1. 图像配准+匹配
2. 边缘梯度变化+信息熵（判断无序的程度，减少漏判）
3. 图像配准+匹配+梯度变化

~短短一天收获很多，包括对于opencv的一些操作，对于图像的基础知识，以及编译VS和python的熟练，同时意识到opencv真的效率不够工业级别，准备学习一下holcan。