下載鏈接：（最新版本）超精密工件小孔幾何尺寸測量：自動化解決方案python腳本代碼，可直接運行，內包含測試數據，親測好用資源-CSDN文庫
在現代制造業中，超精密工件的質量控制至關重要，尤其是對小孔幾何尺寸的精確測量。無論是航空航天、醫療器械還是電子元器件，小孔的尺寸和位置精度直接影響到產品的性能和可靠性。然而，傳統的手動測量方法不僅耗時耗力，還容易引入人為誤差。那么，有沒有一種高效、準確的自動化解決方案呢？
本文將介紹一種基于?OpenCV?和?Python?的超精密工件小孔幾何尺寸測量工具。通過該工具，您可以快速檢測工件圖像中的小孔，并自動計算小孔的幾何尺寸（如圓心位置、直徑等），同時生成帶有標注的測量結果圖像。無論是批量處理還是單張圖像分析，該工具都能輕松應對。
工具亮點
-
自動化檢測：無需手動標注，工具自動識別圖像中的小孔。
-
高精度測量：支持像素到實際尺寸的轉換，測量結果精確到毫米級別。
-
可視化標注：自動在圖像上標注小孔位置，并顯示圓心到邊緣的距離。
-
批量處理：支持對文件夾中的多張圖像進行批量處理，節省時間。
-
開源免費：基于 OpenCV 和 Python，代碼完全開源，可自由修改和擴展。
工具原理
該工具的核心原理是通過?圖像處理?和?連通域分析?來實現小孔的自動檢測與測量。以下是主要步驟的詳細說明：
1. 圖像預處理
首先，工具會將輸入的彩色圖像轉換為灰度圖像，以便后續處理。接著，通過二值化處理將圖像中的小孔區域與背景分離。二值化處理的關鍵在于選擇合適的閾值，以確保小孔區域能夠被準確提取。
2. 連通域分析
通過 OpenCV 的?connectedComponentsWithStats?函數，工具會對二值化后的圖像進行連通域分析。連通域分析能夠識別圖像中的所有獨立區域（即小孔），并統計每個區域的面積、中心點等信息。
3. 篩選小孔
在實際應用中，圖像中可能存在噪聲或其他無關區域。因此，工具會根據預設的面積范圍（例如 30x30 到 100x100 像素）篩選出符合條件的小孔，排除不符合要求的區域。
4. 幾何測量
對于每個檢測到的小孔，工具會計算其圓心位置，并測量圓心到圖像左邊和上邊的距離。通過像素與實際尺寸的轉換系數（例如 0.01 毫米/像素），工具能夠將像素距離轉換為實際尺寸。
5. 結果可視化
最后，工具會在原始圖像上標注出小孔的位置，并繪制距離線和尺寸標注。標注結果以圖像形式保存，方便用戶查看和分析。
如何使用
1. 安裝依賴
首先，確保您的電腦上安裝了 Python 和 OpenCV。如果沒有安裝，可以通過以下命令安裝 OpenCV：
bash
復制
pip install opencv-python
2. 準備圖像
在項目根目錄下創建一個名為?images?的文件夾，并將需要測量的工件圖像放入其中。支持的圖像格式包括?.jpg、.jpeg?和?.png。
3. 運行代碼
以下是核心代碼片段：
python
復制
import cv2
import numpy as np
import os# 定義參數
font_scale = 1.5 # 標注字體大小
pixel_scale = 0.01 # 每個像素代表的毫米數
input_folder = 'images' # 輸入圖片所在文件夾
output_folder = 'output' # 輸出結果保存的文件夾# 創建輸出文件夾（如果不存在）
if not os.path.exists(output_folder):os.makedirs(output_folder)# 遍歷輸入文件夾中的所有圖片
for filename in os.listdir(input_folder):if filename.endswith(('.jpg', '.jpeg', '.png')):# 讀取圖像并預處理image_path = os.path.join(input_folder, filename)image = cv2.imread(image_path)gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)_, binary = cv2.threshold(gray, 90, 255, cv2.THRESH_BINARY)inverted_binary = cv2.bitwise_not(binary)# 連通域分析num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(inverted_binary, connectivity=8)# 篩選小孔并標注small_holes = [i for i in range(1, num_labels) if 30 * 30 < stats[i, cv2.CC_STAT_AREA] < 100 * 100]marked_image = image.copy()for hole in small_holes:centroid = centroids[hole]left_distance_pixel = int(centroid[0])top_distance_pixel = int(centroid[1])left_distance_mm = left_distance_pixel * pixel_scaletop_distance_mm = top_distance_pixel * pixel_scale# 繪制標注marked_image[labels == hole] = [0, 0, 255]cv2.line(marked_image, (0, top_distance_pixel), (left_distance_pixel, top_distance_pixel), (0, 255, 0), 2)cv2.putText(marked_image, f'{left_distance_mm:.2f}mm', (left_distance_pixel // 2, top_distance_pixel - 10),cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 255, 0), 2)cv2.line(marked_image, (left_distance_pixel, 0), (left_distance_pixel, top_distance_pixel), (0, 255, 0), 2)cv2.putText(marked_image, f'{top_distance_mm:.2f}mm', (left_distance_pixel + 10, top_distance_pixel // 2),cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 255, 0), 2)cv2.circle(marked_image, (left_distance_pixel, top_distance_pixel), 5, (0, 255, 0), -1)# 保存結果output_path = os.path.join(output_folder, filename)cv2.imwrite(output_path, marked_image)
4. 查看結果
運行完成后，測量結果圖像將保存在?output?文件夾中。每張圖像都會標注出小孔的位置和幾何尺寸。
示例效果
以下是一個測量結果的示例：
在圖像中：
-
紅色區域表示檢測到的小孔。
-
綠色線條表示圓心到左邊和上邊的距離。
-
標注的數字為實際距離（單位：毫米）。
適用場景
-
精密制造：用于測量微小工件的孔徑和位置。
-
質量控制：快速檢測批量產品中的小孔尺寸是否符合標準。
-
科研實驗：為材料科學、微納加工等領域提供精確的測量工具。
總結
通過本文介紹的工具，您可以輕松實現超精密工件小孔幾何尺寸的自動化測量。無論是工業應用還是科研實驗，該工具都能為您提供高效、準確的解決方案。趕緊下載代碼，嘗試一下吧！
