Halcon缺陷检测实例转OpenCV实现(二) PCB印刷缺陷检测

    后面连续几周将开启缺陷检测专题模式，这是第二篇，上篇链接如下，敬请关注！

    Halcon缺陷检测实例转OpenCV实现(一)---网格缺陷检测

---

    本期来用OpenCV实现Halcon中一个简单的PCB印刷缺陷检测实例。

    Halcon中对应的例子为pcb_inspection.hdev，源图和结果图如下：

    Halcon代码比较简单，这里也贴出来，短短13行：

•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  

read_image (Image, 'pcb')dev_close_window ()get_image_size (Image, Width, Height)dev_open_window (0, 0, Width, Height, 'black', WindowHandle)dev_display (Image)* detect defects ...gray_opening_shape (Image, ImageOpening, 7, 7, 'octagon')gray_closing_shape (Image, ImageClosing, 7, 7, 'octagon')dyn_threshold (ImageOpening, ImageClosing, RegionDynThresh, 75, 'not_equal')dev_display (Image)dev_set_color ('red')dev_set_draw ('margin')dev_display (RegionDynThresh)

    实现步骤：对原图做开运算、闭运算然后将二者结果做差，阈值提取。OpenCV的实现我们也参考上面的步骤，详细展示说明如下：

    源图：

    （1）对源图做开运算：

    （2）对源图做闭运算：

    （3）开运算和闭运算做差：

    （4）对差值图阈值处理：

    （5）对阈值图找轮廓并标记结果：

    完整代码与注意事项：

•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  

import numpy as npimport cv2
font = cv2.FONT_HERSHEY_SIMPLEX
img = cv2.imread('./pcb.png')cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
k1 = np.zeros((7, 7),np.uint8)pts = np.array([[2,0],[4,0],[6,2],[6,4],[4,6],[2,6],[0,4],[0,2]],np.int32)pts = pts.reshape((-1,1,2))cv2.fillPoly(k1,[pts],(1,1,1),cv2.LINE_AA)k1[5,1] = 1k1[6,2:5] = 1
print(k1) 
opening = cv2.morphologyEx(gray, cv2.MORPH_OPEN, k1) cv2.imshow('opening',opening)
closing = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, k1) cv2.imshow('closing',closing)
diff = cv2.absdiff(opening, closing)cv2.imshow('diff',diff)
ret,thresh = cv2.threshold(diff, 80, 255, cv2.THRESH_BINARY)cv2.imshow('thresh',thresh)

contours,hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
isNG = False if len(contours) > 0:  isNG = True  cv2.drawContours(img,contours,-1,(0,0,255),2)
if isNG:  rect, basline = cv2.getTextSize('Detect NG', font, 1.0, 2)  cv2.rectangle(img, (10,10,int(rect[0]*0.7),rect[1]), (212, 233, 252), -1, 8)  cv2.putText(img,'Detect NG', (10,5+rect[1]), font, 0.7, (0,0,255), 2)else:  rect, basline = cv2.getTextSize('Detect OK', font, 1.0, 2)  cv2.rectangle(img, (10,10,int(rect[0]*0.7),rect[1]), (212, 233, 252), -1, 8)  cv2.putText(img,'Detect OK', (10,5+rect[1]), font, 0.7, (0,200,0), 2)  cv2.imshow('meshDefects', img)cv2.waitKey(0)cv2.destroyAllWindows()

    注意Halcon代码中创建的是正八边形结构元素，所以我们也模仿创建如下

•  
•  
•  
•  
•  
•  

k1 = np.zeros((7, 7),np.uint8)pts = np.array([[2,0],[4,0],[6,2],[6,4],[4,6],[2,6],[0,4],[0,2]],np.int32)pts = pts.reshape((-1,1,2))cv2.fillPoly(k1,[pts],(1,1,1),cv2.LINE_AA)k1[5,1] = 1k1[6,2:5] = 1

结构元素输出如下：

为什么用正八边形形状的结构元素，因为PCB的布线图结构和八边形比较类似，如果换矩形结构元素，会多出更多的误判，大家可以自己尝试，对于结构元素的说明以前的文章以详细说明了，这里不做赘述，可参考

OpenCV形态学处理使用技巧与应用演示，C++ OpenCV代码把对应函数转换即可。

△长按关注OpenCV与AI深度学习，获取最新CV干货