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
到此这篇关于opencv python 对指针仪表读数识别的两种方式的文章就介绍到这了,更多相关opencv python指针仪表读数识别内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/qq_42239488/article/details/112583327
