opencv python 对指针仪表读数识别的两种方式
(编辑:jimmy 日期: 2024/11/2 浏览:3 次 )
我尝试了两种方式
用opencv 对指针仪表进行读数识别,
1. 先模板匹配,然后边缘检测 + 霍夫直线
2. 按轮廓大小过滤,然后边缘检测 + 霍夫直线
两种方式对光线都非常敏感
其中第一种的应用范围更广,背景复杂一点也能识别到
个人比较喜欢这种方式
第二种的限制多一点,对背景、光线条件要求比较高
对于固定位置,且明暗变化不大的情况下,这种方式还是很有效的
先说第一个方案,第二个方式就不说了
第一种方式:模板匹配,然后边缘检测 + 霍夫直线
if __name__ == "__main__": # 加载模板 template = cv2.imread('./data/001.jpg',1) # 初始化 am = C_ammerter(template) # 运行 am.am_run() # 结束 am.close()
模板图 001.jpg
下面给出def am_run(self)函数的处理流程 (整体比较乱~~~)
其中边缘检测之前需要对图像做一些处理:
def am_run(self): while True: ret, frame = self.cap.read() if frame is None: print('video picture is none --continue ') continue gray = frame.copy() # cv2.imshow('origin', gray) # 匹配模板 框出匹配区域 image = gray.copy() maxval,t_left, b_right = self.get_match(gray) if maxval < 16000000000: # 对匹配程度做判断 print("---------------------------------------") print('matchTemplate is not enough --continue') print("---------------------------------------") result =frame image=frame else: cv2.rectangle(image, t_left, b_right, 255, 2) # 高斯除噪 kernel = np.ones((6,6), np.float32) / 36 gray_cut_filter2D = cv2.filter2D(image[t_left[1]:t_left[1] + self.h, t_left[0]:t_left[0] + self.w], -1, kernel) # 灰度图 二值化 gray_img = cv2.cvtColor(gray_cut_filter2D, cv2.COLOR_BGR2GRAY) ret, thresh1 = cv2.threshold(gray_img, 180, 255, cv2.THRESH_BINARY) # 二值化后 分割主要区域 减小干扰 模板图尺寸371*369 tm = thresh1.copy() test_main = tm[50:319, 50:321] # 边缘化检测 edges = cv2.Canny(test_main, 50, 150, apertureSize=3) # 霍夫直线 lines = cv2.HoughLines(edges, 1, np.pi / 180, 60) if lines is None: continue result = edges.copy() for line in lines[0]: rho = line[0] # 第一个元素是距离rho theta = line[1] # 第二个元素是角度theta print('distance:' + str(rho), 'theta:' + str(((theta / np.pi) * 180))) lbael_text = 'distance:' + str(round(rho))+ 'theta:' + str(round((theta / np.pi) * 180-90,2)) cv2.putText(image, lbael_text,(t_left[0],t_left[1]-12),cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,0),2) if (theta > 3 * (np.pi / 3)) or (theta < (np.pi / 2)): # 从图像边界画出延长直线 # 该直线与第一行的交点 pt1 = (int(rho / np.cos(theta)), 0) # 该直线与最后一行的焦点 pt2 = (int((rho - result.shape[0] * np.sin(theta)) / np.cos(theta)), result.shape[0]) # 绘制一条白线 cv2.line(result, pt1, pt2,255, 1) # print('theat >180 theta<90') else: # 水平直线 # 该直线与第一列的交点 pt1 = (0, int(rho / np.sin(theta))) # 该直线与最后一列的交点 pt2 = (result.shape[1], int((rho - result.shape[1] * np.cos(theta)) / np.sin(theta))) # 绘制一条直线 cv2.line(result, pt1, pt2, 255, 1) cv2.imshow('result', result) cv2.imshow('rectangle', image) if cv2.waitKey(1) & 0XFF == ord('q'): break
下一篇:详解如何使用Pytest进行自动化测试