OpenCV在工业视觉检测中的应用

gkxxw123

OpenCV（Open Source Computer Vision Library）是最流行的计算机视觉库，提供了3000多个算法函数，广泛应用于工业视觉检测、机器人视觉、自动驾驶等领域。本文将介绍OpenCV的核心功能及其在工控视觉检测中的应用。

一、OpenCV简介



OpenCV最初由Intel开发，现在由OpenCV.org维护。它支持C++、Python、Java等多种语言，跨平台运行。主要模块包括：core（核心数据结构）、imgproc（图像处理）、calib3d（相机标定）、features2d（特征检测）、objdetect（目标检测）、dnn（深度学习推理）。

二、基本图像操作



读取图像：cv2.imread('image.jpg')，注意OpenCV使用BGR格式而非RGB。显示图像：cv2.imshow()配合cv2.waitKey()。保存图像：cv2.imwrite()。

三、图像预处理

图像预处理是视觉检测的关键步骤，目的是增强有用信息、抑制噪声。

灰度化：cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

二值化：cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

高斯滤波：cv2.GaussianBlur(img, (5,5), 0)

形态学操作：cv2.morphologyEx()进行腐蚀、膨胀、开运算、闭运算。

四、边缘与轮廓检测

Canny边缘检测：cv2.Canny(gray, 50, 150)，是最常用的边缘检测方法。

轮廓检测：cv2.findContours()查找轮廓，cv2.contourArea()计算面积，cv2.arcLength()计算周长，cv2.boundingRect()获取边界矩形。

五、工业视觉检测案例

以PCB焊点检测为例，完整流程包括：图像采集→灰度化→高斯滤波去噪→颜色分割→形态学处理→轮廓检测→缺陷判定→结果标注。

通过计算焊点的圆度（4πA/P²），可以判断焊接质量。圆度接近1表示焊点饱满，圆度较小表示存在缺陷。

六、与深度学习结合

OpenCV的dnn模块可以加载预训练的深度学习模型进行推理，结合传统视觉算法和深度学习，发挥各自优势。

OpenCV是工业视觉检测的必备工具，提供了从图像预处理到特征检测的完整功能。希望本文能帮助工控工程师快速上手。