电路板识别。

来源：互联网发布：node.js 搭建动态网站编辑：程序博客网时间：2024/05/01 14:32

分类： java2014-07-13 20:41 29人阅读评论(0) 收藏举报

电路板识别任务主要是对图形图像的处理，以前从来没有接触过这块，还好网上有好多的资源关于图像的处理。大致了解了下。学会了二值化处理图像。了解一小部分关于这块的内容，比如RGB，像素这些东西。我把图片的尺寸比如800*600先扫描一遍，然后每一个点就是一个像素它由RGB三个颜色分量组成颜色。处理的时候主要是根据这些RGB值进行处理。一幅图像就像一个大的数组，然后就是对数组里的特殊点进行处理。

下面介绍下这个简单的任务：原图是（突然发现原图太大了40多M传不上来）我就截个图吧

需求是找出图中的黑色电路部分的裂缝。

先二值化处理，很多的二值化算法，比如大津算法，迭代算法等处理后的不是我想要的。先来看下java自带的二值化处理后的图片:

其主要代码为：

[java] view plaincopy
import java.awt.image.BufferedImage;    
import java.io.File;    
import java.io.IOException;    
    
import javax.imageio.ImageIO;    
    
public class ImageDemo {    
    
    public void binaryImage() throws IOException{    
        File file = new File("G://te.png");    
        BufferedImage image = ImageIO.read(file);    
        
        int width = image.getWidth();    
        int height = image.getHeight();    
        
        BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_BINARY);//重点，技巧在这个参数BufferedImage.TYPE_BYTE_BINARY    
        for(int i= 0 ; i < width ; i++){    
            for(int j = 0 ; j < height; j++){    
                int rgb = image.getRGB(i, j);    
                grayImage.setRGB(i, j, rgb);    
            }    
        }    
        
        File newFile = new File("G://image//ttt.png");    
        ImageIO.write(grayImage, "jpg", newFile);    
    }    
        
    public void grayImage() throws IOException{    
        File file = new File("G://process.png");    
        BufferedImage image = ImageIO.read(file);    
        
        int width = image.getWidth();    
        int height = image.getHeight();    
        
        BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);//重点，技巧在这个参数BufferedImage.TYPE_BYTE_GRAY    
        for(int i= 0 ; i < width ; i++){    
            for(int j = 0 ; j < height; j++){    
                int rgb = image.getRGB(i, j);    
                grayImage.setRGB(i, j, rgb);    
            }    
        }    
       
        File newFile = new File("G://test16.png");    
        ImageIO.write(grayImage, "png", newFile);    
    }    
        
    public static void main(String[] args) throws IOException {    
        ImageDemo demo = new ImageDemo();    
        demo.binaryImage();    
        demo.grayImage();    
   }    
   
}    

但是这个并不是我想要的结果，我只想得到黑色的电路其他均为白色的背景。后来我发现这个图的特点，就是它的RGB分量占的不一样。尤其是blue分量，黑色的电路部分平均值小于50我利用这个值进行处理图像。得到下图：

虽然不是很好，但是够用了。主要是了解下图像的处理。

代码如下：

[java] view plaincopy
/** 
 *二值化图片找出黑色的部分 
 * 
 **/  
  
 import java.awt.image.BufferedImage;  
 import javax.imageio.ImageIO;  
 import java.awt.Color;  
 import java.io.File;  
 import java.io.IOException;  
  
 public class DealPicture {  
  
    private BufferedImage bufferedImage = null;  
    private int image_width = 0;  
    private int image_heigh = 0;  
    private File file = null;  
  
    public DealPicture(String filePath) {  
        file = new File(filePath);  
    }  
      
  
    //获得BufferedImage  
  
    public BufferedImage getBufferedImage() {  
          
        BufferedImage buffer = null;  
        try {  
            buffer = ImageIO.read(file);  
        } catch(IOException e) {  
            System.out.println("读取图片发生错误");  
            e.printStackTrace();  
        }  
  
        return buffer;  
    }  
  
    //对获得BufferedImage进行处理获取图片的所有的像素  
  
    public int[][] getPiexl() {  
        bufferedImage = getBufferedImage();  
        image_heigh = bufferedImage.getHeight();  
        image_width = bufferedImage.getWidth();  
        int iamge_rgb = bufferedImage.getRGB(0,0);  
        System.out.println("图片的宽度是： " + image_width + "  " + "图片的高度是： " + image_heigh + "  像素点共有 " + (image_width*image_heigh));  
        int[][] image_piexl = new int[image_width][image_heigh];  
        for(int x = 0;x<image_width;x++) {  
            for(int y = 0;y<image_heigh;y++ ) {  
                //image_piexl[x][y] = getGray(bufferedImage.getRGB(x,y));  
                image_piexl[x][y] = bufferedImage.getRGB(x,y);  
            }  
        }  
  
        return image_piexl;  
    }  
  
    //计算每个像素的灰度值  
    public int getGray(int rgb) {  
        Color color = new Color(rgb);  
        int r = color.getRed();  
        int g = color.getGreen();  
        int b = color.getBlue();  
        int rgb_averge = (r+g+b)/3;  
        //int rgb_gray =(int)( r*30 + g*29 + b*50)/100;  
        return rgb_averge;  
        //return rgb_gray;  
    }  
  
    //  
    /** 
     * 
     * 
     * 
     **/  
  
    public void createImage() {  
        int flag = 30;  
        int[][] newImage = getPiexl();  
        BufferedImage buff = new BufferedImage(image_width,image_heigh,BufferedImage.TYPE_BYTE_BINARY);  
        Color color = null;  
        for(int x = 0;x<image_width;x++) {  
            for(int y = 0;y<image_heigh;y++){  
                color = new Color(newImage[x][y]);  
                int g = color.getGreen();  
                //System.out.println("处理后的像素点灰度是： " + newImage[x][y]);  
                  
                //if(Math.abs((newImage[x][y]-flag))<5 && newImage[x][y]<35) {  
                if(g<52) {  
                    int min_rgb = new Color(0,0,0).getRGB();  
                    buff.setRGB(x,y,min_rgb);  
                    flag = newImage[x][y];  
                      
                }   
                else {  
                    int max_rgb = new Color(255,255,255).getRGB();  
                    buff.setRGB(x,y,max_rgb);  
                      
                }  
                  
  
                //测试生成一副灰度图像  
                //buff.setRGB(x,y,newImage[x][y]);  
                  
            }  
        }  
        try{  
            ImageIO.write(buff, "png", new File("G://image//text4.png"));   
        } catch(IOException e) {  
            System.out.println("生成图片失败");  
            e.printStackTrace();  
        }  
    }  
  
      
  
    public static void main(String[] args){  
        DealPicture deal = new DealPicture("G://Image2.png");  
        deal.createImage();  
    }  
 }  

最后就是找裂缝了：最终图像如下（红色部分为裂缝）：

这个任务历时三天，主要是接触下图像的处理，当然这个是处理的很不好的，就当学习下了

开始截的图穿不上来就从新搞下:

0 0