通過圖像處理，分析數碼印花的噴頭所噴出來的墨滴形狀，與標準墨滴形狀對比分析，來判斷墨水及其噴頭設備的狀態，由兩部分構成

PS：獲取墨滴形狀照片和標準墨滴形狀照片都是手繪的，將就的看吧，主要功能已經實現了，思路也就是這些。
主要思路：
1，首先通過高速攝像頭捕獲數碼印花噴頭噴出的墨滴照片
2，將照片進行灰度和二值處理
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，將圖像和標準墨滴圖像進行加權融合，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，由以上數據分析，反推出墨水的工藝和噴頭設備的狀態情況

OpenCV部分

一、將彩色的照片轉化為黑色背景、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)#轉換為灰度圖 ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#對圖像進行二值處理，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：

捕獲內輪廓后的結果：

三、計算密閉輪廓的面積和周長

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

四、繪制墨滴內輪廓的最小外接圓

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為輪廓粗細程度 show_photo('img_radius',img_radius)

墨滴內輪廓的最小外接圓：

五、填充最小外接圓，方便后續求輪廓

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尋找內外輪廓 img_radius_full, contours, hierarch = cv2.findContours(th, cv2.RETR_CCOMP, 2) # 找到內層輪廓并填充hierarchy = np.squeeze(hierarch)#使用np.squeeze壓縮hierarch的成為一維數據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)#轉換為灰度圖 ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#對圖像進行二值處理，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、與標準墨滴樣式進行加權融合

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)#加權融合 #R = αx + βy + b #其中x為img_1，y為img_2，α為0.4權重，β為0.6權重，b為0偏移量 #plt.imshow(res) show_photo('res',res)gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)#轉換為灰度圖 ret, thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY)#對圖像進行二值處理，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)

標準墨滴：

獲取墨滴與標準墨滴進行加權融合：

九、繪制獲取墨滴圖像和標準墨滴圖像交集部分輪廓

gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)#轉換為灰度圖 ret, thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY)#對圖像進行二值處理，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)

獲取墨滴和標準墨滴交集輪廓：

十、計算獲取墨滴與標準墨滴交集部分面積

cv2.contourArea(cnt)#輪廓所對應的面積

到此，通過opencv已經獲取了足夠多的數據，由這些數據進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')#標準圖show_photo('test ',test_img )#測試圖像gray = cv2.cvtColor(test_img,cv2.COLOR_BGR2GRAY)#轉換為灰度圖 ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#對圖像進行二值處理，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)#內輪廓length = cv2.arcLength(cnt,True) area = cv2.contourArea(cnt) print('輪廓周長為：',length)#輪廓所對應的周長，True表示閉合的 print('輪廓面積為：',area)#輪廓所對應的面積''' 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尋找內外輪廓 img_radius_full, contours, hierarch = cv2.findContours(th, cv2.RETR_CCOMP, 2) # 找到內層輪廓并填充hierarchy = np.squeeze(hierarch)#使用np.squeeze壓縮hierarch的成為一維數據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)#輪廓所對應的周長，True表示閉合的 r_s = cv2.contourArea(cnt)#輪廓所對應的面積 # 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)#輪廓所對應的面積 print('最小外接圓輪廓直徑為：',r_d)#輪廓所對應的面積''' 與標準墨滴圖像進行加權融合 ''' res = cv2.addWeighted(origin_img,0.6,test_img,0.4,0)#加權融合 #R = αx + βy + b #其中x為img_1，y為img_2，α為0.4權重，β為0.6權重，b為0偏移量 #plt.imshow(res) show_photo('res',res)gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)#轉換為灰度圖 ret, thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY)#對圖像進行二值處理，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)#輪廓所對應的面積 mixed_c = cv2.arcLength(cnt1,True)#輪廓所對應的周長，True表示閉合的print('交集輪廓周長為：',mixed_c)#輪廓所對應的周長 print('交集輪廓面積為：',mixed_s)#輪廓所對應的面積 print('\n')if area < 9000 :print('警報：噴頭堵塞！！！') elif mixed_s > 1000 :print("警報：墨水形狀不標準！！！") 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：

與標準墨滴進行加權融合：

獲取交集部分：

控制臺結果顯示：

墨水工藝部分

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。