我嘗試了兩種方式

用opencv 對指標儀表進行讀數識別，

1. 先模板匹配，然後邊緣檢測 + 霍夫直線

2. 按輪廓大小過濾，然後邊緣檢測 + 霍夫直線

兩種方式對光線都非常敏感
其中第一種的應用範圍更廣，背景複雜一點也能識別到
個人比較喜歡這種方式

第二種的限制多一點，對背景、光線條件要求比較高
對於固定位置，且明暗變化不大的情況下，這種方式還是很有效的

先說第一個方案，第二個方式就不說了

第一種方式：模板匹配，然後邊緣檢測 + 霍夫直線

if __name__ == "__main__":
  # 載入模板
  template = cv2.imread('./data/001.jpg',1)
  # 初始化
  am = C_ammerter(template)
  # 執行
  am.am_run()
  # 結束
  am.close()

模板圖 001.jpg

下面給出def am_run(self)函式的處理流程 （整體比較亂~~~）

其中邊緣檢測之前需要對影象做一些處理：

 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 框出匹配區域
      image = gray.copy()
      maxval,t_left,b_right = self.get_match(gray)
      if maxval < 16000000000: # 對匹配程度做判斷
        print("---------------------------------------")
        print('matchTemplate is not enough --continue')
        print("---------------------------------------")
        result =frame
        image=frame
      else:

        cv2.rectangle(image,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)

        # 灰度圖 二值化
        gray_img = cv2.cvtColor(gray_cut_filter2D,cv2.COLOR_BGR2GRAY)
        ret,thresh1 = cv2.threshold(gray_img,180,cv2.THRESH_BINARY)

        # 二值化後 分割主要區域 減小干擾 模板圖尺寸371*369
        tm = thresh1.copy()
        test_main = tm[50:319,50:321]

        # 邊緣化檢測
        edges = cv2.Canny(test_main,50,150,apertureSize=3)

        # 霍夫直線
        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] # 第一個元素是距離rho
          theta = line[1] # 第二個元素是角度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,(0,0),2)
          if (theta > 3 * (np.pi / 3)) or (theta < (np.pi / 2)): # 從影象邊界畫出延長直線
            # 該直線與第一行的交點
            pt1 = (int(rho / np.cos(theta)),0)
            # 該直線與最後一行的焦點
            pt2 = (int((rho - result.shape[0] * np.sin(theta)) / np.cos(theta)),result.shape[0])
            # 繪製一條白線
            cv2.line(result,pt1,pt2,1)
            # print('theat >180 theta<90')

          else: # 水平直線
            # 該直線與第一列的交點
            pt1 = (0,int(rho / np.sin(theta)))
            # 該直線與最後一列的交點
            pt2 = (result.shape[1],int((rho - result.shape[1] * np.cos(theta)) / np.sin(theta)))
            # 繪製一條直線
            cv2.line(result,1)  

      cv2.imshow('result',result)
      cv2.imshow('rectangle',image)
      if cv2.waitKey(1) & 0XFF == ord('q'):
        break

到此這篇關於opencv python 對指標儀表讀數識別的兩種方式的文章就介紹到這了,更多相關opencv python指標儀表讀數識別內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！