用OpenCV写一个简单的尺寸检测程序

工业生产离不开检测，用到机器视觉常见的检测有外观检测、尺寸检测、缺陷检测、检测结果判读等。外观检测、尺寸检测、缺陷检测等可以直接通过工业相机获取图像，让后进行必要的图像处理，提取检测目标及其信息进行分析判断并输出结果，这个可以连续在线作业，这种检测方式很常见。检测结果判读，是用电脑代替人工分析检测设备所获得的图片，并输入结果，如金相分析，光谱分析等。

说到机器视觉就离不开光源与相机（或摄像机）。相机与镜头是获得图片不可确少的设备；合适分辨率的相机，及适配的镜头是获得精准图像的前提。而适当的光照条件则是获得高品质图像必须条件。即便有了这两个条件，得到的图像也还是存在一定的失真，要得到准确的检测结果，相机矫正也是很重要的。这里不去讨论如何去选相机、光源、如何标定矫正相机。只简单演示如何通过一张实现图片位置检测。

下面图片是LM339的图片：

如果要检测该IC Soldering Tails的中心位置，将怎么做呢？下面通过OpenCV编程来实现Soldering Tails的中心位置检测。

新建一个控制台应用程序，在源程序中加入，如下代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    Mat src = imread("1.png");
	if (src.empty())
	{
		cout << "Cann't Open Image!" << endl;
		return -1;
	}
	imshow("Src", src);

	Mat dst, dst1;
	vector<vector<Point>> conturs;
	vector<Rect> rects;
	vector<Vec4i> hierarchy;

	cvtColor(src, dst, COLOR_BGR2GRAY);
	
	threshold(dst, dst1, 200, 250, THRESH_BINARY);
	GaussianBlur(dst1, dst1, Size(5, 5),0);
	findContours(dst1, conturs, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	 
	int size = conturs.size();
	for (size_t i = 0; i < size; i++)
	{
		Rect rect = boundingRect(conturs[i]);
		if ((rect.area() > 100 && rect.tl().y < 100) || (rect.area() > 100 && rect.tl().y > 500))
		{
			rectangle(src, rect, Scalar(0, 0, 255), 2);
			rects.push_back(rect);
		}
	}

	String str;
	char str1[20];
	size = rects.size();
	for (size_t i = 0; i < size; i++)
	{
		memset(str1, 0, strlen(str1));
		str.clear();
		sprintf_s(str1, "(%d, %d)", rects[i].tl().x + rects[i].width/2, rects[i].tl().y + rects[i].height / 2);
		str.append(str1);
		if (rects[i].tl().y < 100)
			putText(src, str, Point(rects[i].tl().x, rects[i].tl().y - 20), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 0), 1);
		else
			putText(src, str, Point(rects[i].tl().x, rects[i].tl().y + 50), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 0), 1);
	}

	imshow("Dst1", src);

	waitKey(0);
	return 0;
}

试运行结果，如下：

可以看出，已经检测处所有Soldering Tail的中心坐标，结果是以像素为单位，因未做标定，结果不是长度单位。如果设定好基准与位置允许公差，就可以实现自动判定是否存在位置超差的Pin，从而实现自动检测。

如果要实现自动挑出不良品，还得完成通信接口编程，将检测结果输出到PLC等执行控制机构，让其执行排除不良品的动作。

这只是一个简单的开头，如果有空闲时间，将在后面的博文中将逐步介绍机器更多视觉的实际案例，编程工具软件也不局限于VS与OpenCV，halcon、QT、Python等可能都会涉及也会包含部分硬件配置等方面的内容。

本示例基于OpenCV4.90及VS2022，示例的Project已打包上传到CSDN，下载链接为：https://download.csdn.net/download/billliu66/89894190