python+opencv水表識別

本文轉載自查看原文 2019-09-23 21:32 1090

基於大小相似，擺放規整的水表圖片的數字表盤的識別

識別效果：

# -*- coding: utf-8 -*-
"""
Created on Tue Sep 17 19:00:45 2019

@author: xxr
"""
from cv2 import cv2  #因為cv2里面還有cv2 所以要這樣干！
import numpy as np  


#讀取原始圖片
image= cv2.imread('shuibiao1.jpg')

#圖片的縮小，記住比例 的縮放 
r = 500.0 / image.shape[1]
dim = (500, int(image.shape[0] * r))
image = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)
#圖像灰度化處理
grayImage = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
#基於Canny的邊沿檢測(生成的也是二值圖)
canny=cv2.Canny(grayImage,30,180)
cv2.imshow('canny', canny)
# 運用OpenCV findContours函數檢測圖像所有輪廓
contours, hierarchy = cv2.findContours(canny,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
# 對於檢測出的輪廓，contourArea限制輪廓所包圍的面積的大小,boundingRect識別出正矩形，通過矩形的寬度和高度篩選出想要的圖片區域。
# count=0
# minx=10000
# miny=10000
# height=0
# weight=0
for cnt in contours:
    if cv2.contourArea(cnt)>800:  #篩選出面積大於30的輪廓
        [x,y,w,h] = cv2.boundingRect(cnt) #x,y是左上角的坐標，h,w是高和寬
        if  h > 28 and h < 50:  # 根據期望獲取區域，即數字區域的實際高度預估28至50之間
            # if(minx>x):
            #     minx=x
            # if(miny>y):
            #     miny=y
            # count+=1
            # height+=h
            # weight+=w
            cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)
#             #截取特定區域
# imagehh = image[miny:miny+height,minx:minx+weight]

cv2.imshow("hh",image)
# print(str(count)+"jjjjjjjj")




cv2.waitKey(0)
cv2.destroyAllWindows()

對水表圖片進行的hough（霍夫）直線檢測

  1 # -*- coding: utf-8 -*-
  2 """
  3 Created on Tue Sep 17 19:00:45 2019
  4 
  5 @author: xxr
  6 """
  7 from cv2 import cv2  #因為cv2里面還有cv2 所以要這樣干！
  8 import numpy as np  
  9 
 10 #讀取原始圖片
 11 image= cv2.imread('shuibiao.jpg')
 12 
 13 #讀入一張白色的圖
 14 image2=cv2.imread('white.png')
 15 image3=image2
 16 
 17 #圖片的縮小，記住比例 的縮放 
 18 r = 500.0 / image.shape[1]
 19 dim = (500, int(image.shape[0] * r))
 20 image = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)
 21 image2=cv2.resize(image2, dim, interpolation = cv2.INTER_AREA)
 22 
 23 #圖像灰度化處理
 24 grayImage = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
 25 #基於Canny的邊沿檢測(生成的也是二值圖)
 26 canny=cv2.Canny(grayImage,30,180)
 27 #cv2.imshow("canny_image",canny)
 28 #再canny處理圖像以后 用hough直線檢測
 29 #統計概率霍夫線變換
 30 
 31 
 32                                #  步長         閾值      最小直線長度    最大構成直線的點的間隔
 33 lines = cv2.HoughLinesP(canny, 1, np.pi / 180, 60, minLineLength=30, maxLineGap=8)
 34 for line in lines:
 35         x1, y1, x2, y2 = line[0]
 36         cv2.line(image2, (x1, y1), (x2, y2), (0, 0, 255), 1)
 37 
 38 
 39 
 40 #這里進行矩形的輪廓檢測  !!!應該找 白色的矩形框
 41 image2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
 42 #黑白顏色顛倒
 43 height, width = image2.shape
 44 dst = np.zeros((height,width,1), np.uint8)
 45 for i in range(0, height):
 46     for j in range(0, width):
 47         grayPixel = image2[i, j]
 48         dst[i, j] = 255-grayPixel
 49 
 50 
 51 #高斯濾波（使圖像模糊，平滑）
 52 #dst=cv2.GaussianBlur(dst,(7,7),0)
 53 
 54 cv2.imshow('dst', dst)
 55 contours, hierarchy = cv2.findContours(dst,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
 56 
 57 # #繪制直線
 58 # max=0
 59 # max_i=0
 60 # print(len(contours[2]))
 61 # for i in range(len(contours)):
 62 #         if(5==len(contours[i])):
 63 #                 max_i=i
 64 # cv2.drawContours(image3,contours,-1,(0,255,255),3)
 65 # cv2.imshow("draw_img0", image3)
 66 
 67 # #繪制矩形
 68 # for i in range(0,len(contours)):  
 69 #     x, y, w, h = cv2.boundingRect(contours[i])   
 70 #     cv2.rectangle(image3, (x,y), (x+w,y+h), (153,153,0), 5) 
 71 #cv2.imshow("draw_img0", image3)
 72 
 73 #打印矩形
 74 # for i in range(0,len(contours)):  
 75 #     x, y, w, h = cv2.boundingRect(contours[i])
 76 #     print(contours[0])  
 77 #     cv2.rectangle(image3, (x,y), (x+w,y+h), (255,153,0), 5) 
 78 
 79 #標准霍夫線變換（但在這里不太實用）
 80 # lines = cv2.HoughLines(canny, 1, np.pi/180, 150)
 81 # for line in lines:
 82 #         rho, theta = line[0]  #line[0]存儲的是點到直線的極徑和極角，其中極角是弧度表示的。
 83 #         a = np.cos(theta)   #theta是弧度
 84 #         b = np.sin(theta)
 85 #         x0 = a * rho    #代表x = r * cos（theta）
 86 #         y0 = b * rho    #代表y = r * sin（theta）
 87 #         x1 = int(x0 + 1000 * (-b)) #計算直線起點橫坐標
 88 #         y1 = int(y0 + 1000 * a)    #計算起始起點縱坐標
 89 #         x2 = int(x0 - 1000 * (-b)) #計算直線終點橫坐標
 90 #         y2 = int(y0 - 1000 * a)    #計算直線終點縱坐標    注：這里的數值1000給出了畫出的線段長度范圍大小，數值越小，畫出的線段越短，數值越大，畫出的線段越長
 91 #         cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)    #點的坐標必須是元組，不能是列表。
 92 # cv2.imshow("image-lines", image)
 93 
 94 # 二值化圖片
 95 # #自適應閾值化能夠根據圖像不同區域亮度分布，改變閾值
 96 # #threshold_pic =  cv2.adaptiveThreshold(grayImage, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY, 25, 10)
 97 # ret,threshold_pic=cv2.threshold(grayImage,127, 255, cv2.THRESH_BINARY)
 98 # cv2.imshow("threshold_image",threshold_pic)
 99 #等待顯示（不添加這兩行將會報錯）
100 cv2.waitKey(0)
101 cv2.destroyAllWindows()

 
          # -*- coding: utf-8 -*- 
         
          """ 
         
          Created on Tue Sep 17 19:00:45 2019 
         
          @author: xxr 
         
          """ 
         
          from cv2  
          import cv2   
          #因為cv2里面還有cv2 所以要這樣干！ 
         
          import numpy  
          as np   
         
          #讀取原始圖片 
         
           image= cv2.imread( 
          'shuibiao.jpg') 
         
          #讀入一張白色的圖 
         
           image2=cv2.imread( 
          'white.png') 
         
           image3=image2 
         
          #圖片的縮小，記住比例 的縮放  
         
           r =  
          500.0 / image.shape[ 
          1] 
         
           dim = ( 
          500,  
          int(image.shape[ 
          0] * r)) 
         
           image = cv2.resize(image, dim,  
          interpolation = cv2.INTER_AREA) 
         
           image2=cv2.resize(image2, dim,  
          interpolation = cv2.INTER_AREA) 
         
          #圖像灰度化處理 
         
           grayImage = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) 
         
          #基於Canny的邊沿檢測(生成的也是二值圖) 
         
           canny=cv2.Canny(grayImage, 
          30, 
          180) 
         
          #cv2.imshow("canny_image",canny) 
         
          #再canny處理圖像以后 用hough直線檢測 
         
          #統計概率霍夫線變換 
         
          #  步長         閾值      最小直線長度    最大構成直線的點的間隔 
         
           lines = cv2.HoughLinesP(canny,  
          1, np.pi /  
          180,  
          60,  
          minLineLength= 
          30,  
          maxLineGap= 
          8) 
         
          for line  
          in lines: 
         
                   x1, y1, x2, y2 = line[ 
          0] 
         
                   cv2.line(image2, (x1, y1), (x2, y2), ( 
          0,  
          0,  
          255),  
          1) 
         
          #這里進行矩形的輪廓檢測  !!!應該找 白色的矩形框 
         
           image2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY) 
         
          #黑白顏色顛倒 
         
           height, width = image2.shape 
         
           dst = np.zeros((height,width, 
          1), np.uint8) 
         
          for i  
          in  
          range( 
          0, height): 
         
          for j  
          in  
          range( 
          0, width): 
         
                   grayPixel = image2[i, j] 
         
                   dst[i, j] =  
          255-grayPixel 
         
          #高斯濾波（使圖像模糊，平滑） 
         
          #dst=cv2.GaussianBlur(dst,(7,7),0) 
         
           cv2.imshow( 
          'dst', dst) 
         
           contours, hierarchy = cv2.findContours(dst,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE) 
         
          # #繪制直線 
         
          # max=0 
         
          # max_i=0 
         
          # print(len(contours[2])) 
         
          # for i in range(len(contours)): 
         
          #         if(5==len(contours[i])): 
         
          #                 max_i=i 
         
          # cv2.drawContours(image3,contours,-1,(0,255,255),3) 
         
          # cv2.imshow("draw_img0", image3) 
         
          # #繪制矩形 
         
          # for i in range(0,len(contours)):   
         
          #     x, y, w, h = cv2.boundingRect(contours[i])    
         
          #     cv2.rectangle(image3, (x,y), (x+w,y+h), (153,153,0), 5)  
         
          #cv2.imshow("draw_img0", image3) 
         
          #打印矩形 
         
          # for i in range(0,len(contours)):   
         
          #     x, y, w, h = cv2.boundingRect(contours[i]) 
         
          #     print(contours[0])   
         
          #     cv2.rectangle(image3, (x,y), (x+w,y+h), (255,153,0), 5)  
         
          #標准霍夫線變換（但在這里不太實用） 
         
          # lines = cv2.HoughLines(canny, 1, np.pi/180, 150) 
         
          # for line in lines: 
         
          #         rho, theta = line[0]  #line[0]存儲的是點到直線的極徑和極角，其中極角是弧度表示的。 
         
          #         a = np.cos(theta)   #theta是弧度 
         
          #         b = np.sin(theta) 
         
          #         x0 = a * rho    #代表x = r * cos（theta） 
         
          #         y0 = b * rho    #代表y = r * sin（theta） 
         
          #         x1 = int(x0 + 1000 * (-b)) #計算直線起點橫坐標 
         
          #         y1 = int(y0 + 1000 * a)    #計算起始起點縱坐標 
         
          #         x2 = int(x0 - 1000 * (-b)) #計算直線終點橫坐標 
         
          #         y2 = int(y0 - 1000 * a)    #計算直線終點縱坐標    注：這里的數值1000給出了畫出的線段長度范圍大小，數值越小，畫出的線段越短，數值越大，畫出的線段越長 
         
          #         cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)    #點的坐標必須是元組，不能是列表。 
         
          # cv2.imshow("image-lines", image) 
         
          # 二值化圖片 
         
          # #自適應閾值化能夠根據圖像不同區域亮度分布，改變閾值 
         
          # #threshold_pic =  cv2.adaptiveThreshold(grayImage, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY, 25, 10) 
         
          # ret,threshold_pic=cv2.threshold(grayImage,127, 255, cv2.THRESH_BINARY) 
         
          # cv2.imshow("threshold_image",threshold_pic) 
         
          #等待顯示（不添加這兩行將會報錯） 
         
           cv2.waitKey( 
          0) 
         
           cv2.destroyAllWindows()

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 圖像識別 python+opencv的簡單人臉識別 python識別圖片的圓形_詳解利用python+opencv識別圖片中的圓形 Python+OpenCV實現AI人臉識別身份認證系統(1)—人臉識別原理 python+opencv ROI 操作 python+opencv閾值分割【實戰】基於OpenCV的水表字符識別（OCR） Python+opencv 圖像拼接 python+OpenCV 椒鹽噪聲和高斯噪聲 python+opencv圖像分塊並保存 python+opencv圖像處理（一）