Scipy常態分佈(normal distribution)

客戶需求：希望視覺檢測系統可以將PCB板上的插件位置進行檢測，判斷該插件的位置是否有組裝？ 透過利用2D相片的明顯特徵來辨識是否有插件，是一種常見的工業視覺應用。在這種情況下，我們依賴於圖像中的輪廓、顏色、紋理等特徵來檢測和識別插件的存在。這種方法基於計算機視覺領域的圖像處理技術和模式識別算法，例如邊緣檢測、特徵提取、模板匹配等，以實現對目標物體的自動檢測和識別。 而當需要獲取插件位置的高度信息時，我們可以採用3D掃描技術。3D掃描器可以利用光學或激光等方法對物體進行掃描，從而獲取其三維形狀和表面信息。通過對掃描得到的數據進行處理和分析，可以準確地確定插件的位置和高度信息。這種技術在工業自動化和質量控制等領域具有重要應用，為生產過程提供了精確的位置信息。 此外，Depth from Focus（DFF）技術以及多光譜成像技術也可以用於獲取插件位置的高度信息。Depth from Focus技術利用圖像中不同區域的焦點位置信息來推斷物體的深度，從而實現對插件位置的高度測量。而多光譜成像技術則利用不同波長的光對物體進行成像，通過分析不同波長光照射下的圖像特徵，可以獲取插件位置的高度信息。 綜上所述，通過結合2D相片的明顯特徵識別插件的存在，以及利用3D掃描技術、Depth from Focus技術和多光譜成像技術獲取插件位置的高度信息，可以實現對插件的準確檢測和位置測量，從而為工業生產和質量管理提供可靠的支持。 首我們使用結構相似性指數（SSIM）是一種用於評估兩幅2D圖像之間相似度的指標，它不僅考慮了亮度的相似性，還考慮了對比度和結構的相似性。SSIM是一種全局性指標，它通常被認為比傳統的均方誤差（MSE）和峰值信噪比（PSNR）更能準確地反映人類主觀感知。 SSIM的理論背景可以通過以下三個關鍵概念來解釋： 綜合以上三個方面，SSIM結合了亮度、對比度和結構的相似性來計算兩幅圖像之間的相似度。SSIM的範圍是從-1到1，其中1表示完美相似性，0表示無相似性，-1表示完全不相似。因此，較高的SSIM值意味著兩幅圖像越相似。 2D實驗影像1: SSIM = 0.40 2D實驗影像2: SSIM = 0.46 接下來我們將Depth from Focus（DFF）是一項用於從圖像中獲取深度信息的技術來進行實驗。它基於光學焦點原理，利用圖像中不同部分的清晰度來推斷物體的深度信息。以下是有關Depth from Focus的基本概念： 焦點原理：在光學中，焦點是光線匯聚的點，是圖像的清晰部分。當物體與鏡頭的距離不同時，其在圖像中的焦點位置也會不同。 Depth from …