作为一个刚开始进行图像处理的菜鸟，在第一次进行实战项目开发的出发点就挫折不断，赶紧记录一下这美好的时刻~
接到任务，识别相对于模板图中发生短路的实际图中缺陷点。
一听到有模板图，马上傻傻的认为直接图片像素计算来做，或者用模板匹配来做应该没什么问题。
开始第一次，直接图片减，发现原图本身与模板图就有很多差异，检测出来全是缺陷~
第二下，开始使用模板匹配，首先利用结构相似度ssim来算，参考：
//06/19/image-difference-with-opencv-and-python/#comment-429138
/hyk_1996/article/details/87867285
/sinat_36438332/article/details/88173349
/developer/section/1414961
不行
再用NCC归一化积相关度来计算，参考：
/cui134/article/details/23924303
/yysky/p/10497858.html
/x1mercy/p/7865336.html
/developer/article/1357066
还考虑了一下形状匹配：/sillykog/article/details/83116793
最后觉得都不行，毕竟匹配几乎用于定位，确定ROI区域，经过思考，准备明天换个方向：
图像配准+匹配边缘梯度变化+信息熵（判断无序的程度，减少漏判）图像配准+匹配+梯度变化
~短短一天收获很多，包括对于opencv的一些操作，对于图像的基础知识，以及编译VS和python的熟练，同时意识到opencv真的效率不够工业级别，准备学习一下holcan。
如果觉得《检测PCB板电路的短路情况试错之路》对你有帮助，请点赞、收藏，并留下你的观点哦！
