OpenCV 表盤指針自動讀數(shù)的示例代碼
更新時間：2020年04月10日 10:40:06 作者：胖虎賣湯圓
這篇文章主要介紹了OpenCV 表盤指針自動讀數(shù)的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
前段時間參加了一個表盤指針讀數(shù)的比賽，今天來總結一下
數(shù)據(jù)集一共有一千張圖片：
方法一：徑向灰度求和
基本原理：
將圖像以表盤圓心轉(zhuǎn)換成極坐標，然后通過矩陣按行求和找到二值圖最大值即為指針尖端
導入需要用到的包
import cv2 as cv import numpy as np import math from matplotlib import pyplot as plt import os
圖像預處理
去除背景：利用提取紅色實現(xiàn)
def extract_red(image): """ 通過紅色過濾提取出指針 """ red_lower1 = np.array([0, 43, 46]) red_upper1 = np.array([10, 255, 255]) red_lower2 = np.array([156, 43, 46]) red_upper2 = np.array([180, 255, 255]) dst = cv.cvtColor(image, cv.COLOR_BGR2HSV) mask1 = cv.inRange(dst, lowerb=red_lower1, upperb=red_upper1) mask2 = cv.inRange(dst, lowerb=red_lower2, upperb=red_upper2) mask = cv.add(mask1, mask2) return mask
獲得鐘表中心：輪廓查找，取出輪廓的外接矩形，根據(jù)矩形面積找出圓心
def get_center(image):
"""
獲取鐘表中心
"""
edg_output = cv.Canny(image, 100, 150, 2) # canny算子提取邊緣
cv.imshow('dsd', edg_output)
# 獲取圖片輪廓
contours, hireachy = cv.findContours(edg_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
center = []
cut=[0, 0]
for i, contour in enumerate(contours):
x, y, w, h = cv.boundingRect(contour) # 外接矩形
area = w * h # 面積
if area < 100 or area > 4000:
continue
cv.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 1)
cx = w / 2
cy = h / 2
cv.circle(image, (np.int(x + cx), np.int(y + cy)), 1, (255, 0, 0)) ## 在圖上標出圓心
center = [np.int(x + cx), np.int(y + cy)]
break
return center[::-1]
由上面的圖像可以看出，圓心定位還是非常準確的
圖片裁剪
def ChangeImage(image): """ 圖像裁剪 """ # 指針提取 mask = extract_red(image) mask = cv.medianBlur(mask,ksize=5)#去噪 # 獲取中心 center = get_center(mask) # 去除多余黑色邊框 [y, x] = center cut = mask[y-300:y+300, x-300:x+300] # 因為mask處理后已經(jīng)是二值圖像，故不用轉(zhuǎn)化為灰度圖像 return cut
剪裁后的圖像如下圖所示：
極坐標轉(zhuǎn)換
注意：需要將圖片裁剪成正方形
def polar(image):
"""
轉(zhuǎn)換成極坐標
"""
x, y = 300, 300
maxRadius = 300*math.sqrt(2)
linear_polar = cv.linearPolar(image, (y, x), maxRadius, cv.WARP_FILL_OUTLIERS + cv.INTER_LINEAR)
mypolar = linear_polar.copy()
#將圖片調(diào)整為從0度開始
mypolar[:150, :] = linear_polar[450:, :]
mypolar[150:, :] = linear_polar[:450, :]
cv.imshow("linear_polar", linear_polar)
cv.imshow("mypolar", mypolar)
return mypolar
由圖像就可以很容易發(fā)現(xiàn)指針的頂點
計算角度
def Get_Reading(sumdata):
"""
讀數(shù)并輸出
"""
peak = []
# s記錄遍歷時波是否在上升
s = sumdata[0] < sumdata[1]
for i in range(599):
# 上升階段
if s==True and sumdata[i] > sumdata[i+1] and sumdata[i] > 70000:
peak.append(sumdata[i])
s=False
# 下降階段
if s==False and sumdata[i] < sumdata[i+1]:
s=True
peak.sort()
a = sumdata[0]
b = sumdata[-1]
if not peak or max(a,b) > peak[-1]:
peak.append(max(a,b))
longindex = (sumdata.index(peak[-1]))%599
longnum = (longindex + 1)//25*50
# 先初始化和長的同一刻度
#shortindex = longindex
shortnum = round(longindex / 6)
try:
shortindex = sumdata.index(peak[-2])
shortnum = round(shortindex / 6)
except IndexError:
i=0
while i<300:
i += 1
l = sumdata[(longindex-i)%600]
r = sumdata[(longindex+i)%600]
possibleshort = max(l,r)
# 在短指針可能范圍內(nèi)尋找插值符合條件的值
if possibleshort > 80000:
continue
elif possibleshort < 60000:
break
else:
if abs(l-r) > 17800:
shortindex = sumdata.index(possibleshort) - 1
shortnum = round(shortindex / 6)
break
return [longnum,shortnum%100]
def test():
"""
RGS法測試
"""
image = cv.imread("./BONC/1_{0:0>4d}".format(400) + ".jpg")
newimg = ChangeImage(image)
polarimg = polar(newimg)
psum = polarimg.sum(axis=1, dtype = 'int32')
result = Get_Reading(list(psum))
print(result)
if __name__ == "__main__":
test()
k = cv.waitKey(0)
if k == 27:
cv.destroyAllWindows()
elif k == ord('s'):
cv.imwrite('new.jpg', src)
cv.destroyAllWindows()
[1050, 44]
方法二：Hough直線檢測
原理：利用Hough變換檢測出指針的兩條邊，從而兩條邊的中線角度即為指針刻度
數(shù)據(jù)預處理與上面的方法類似
可以看到分別檢測出了兩個指針的左右兩條邊，然后可以由這四個角度算出兩個指針中線的角度，具體計算過程寫的有點復雜
class Apparatus:
def __init__(self, name):
self.name = name
self.angle = []
self.src = cv.imread(name)
def line_detect_possible_demo(self, image, center, tg):
'''
:param image: 二值圖
:param center: 圓心
:param tg: 直線檢測maxLineGap
'''
res = {} # 存放線段的斜率和信息
edges = cv.Canny(image, 50, 150, apertureSize=7)
cv.imshow("abcdefg", edges)
lines = cv.HoughLinesP(edges, 1, np.pi/360, 13, minLineLength=20, maxLineGap=tg)
for line in lines:
x_1, y_1, x_2, y_2 = line[0]
# 將坐標原點移動到圓心
x1 = x_1 - center[0]
y1 = center[1] - y_1
x2 = x_2 - center[0]
y2 = center[1] - y_2
# 計算斜率
if x2 - x1 == 0:
k = float('inf')
else:
k = (y2-y1)/(x2-x1)
d1 = np.sqrt(max(abs(x2), abs(x1)) ** 2 + (max(abs(y2), abs(y1))) ** 2) # 線段長度
d2 = np.sqrt(min(abs(x2), abs(x1)) ** 2 + (min(abs(y2), abs(y1))) ** 2)
# 將長指針與短指針做標記
if d1 < 155 and d1 > 148 and d2 > 115:
res[k] = [1]
elif d1 < 110 and d1 > 100 and d2 > 75:
res[k] = [2]
else:
continue
res[k].append(1) if (x2 + x1) /2 > 0 else res[k].append(0) # 將14象限與23象限分離
cv.line(self.src, (x1 + center[0], center[1] - y1), (x2 + center[0], center[1] - y2), (255, 0, 0), 1)
cv.imshow("line_detect-posssible_demo", self.src)
# 計算線段中點的梯度來判斷是指針的左側(cè)線段還是右側(cè)線段
middle_x = int((x_1 + x_2) / 2)
middle_y = int((y_1 + y_2) / 2)
grad_mat = image[middle_y-5:middle_y+6, middle_x-5:middle_x+6]
cv.imshow("grad_mat", grad_mat)
grad_x = cv.Sobel(grad_mat, cv.CV_32F, 1, 0)
grad_y = cv.Sobel(grad_mat, cv.CV_32F, 0, 1)
gradx = np.max(grad_x) if np.max(grad_x) != 0 else np.min(grad_x)
grady = np.max(grad_y) if np.max(grad_y) != 0 else np.min(grad_y)
if ((gradx >=0 and grady >= 0) or (gradx <= 0 and grady >= 0)) and res[k][1] == 1:
res[k].append(1) # 右測
elif ((gradx <= 0 and grady <= 0) or (gradx >= 0 and grady <= 0)) and res[k][1] == 0:
res[k].append(1)
else:
res[k].append(0) # 左側(cè)
# 計算角度
angle1 = [i for i in res if res[i][0] == 1]
angle2 = [i for i in res if res[i][0] == 2]
# 長指針
a = np.arctan(angle1[0])
b = np.arctan(angle1[1])
if a * b < 0 and max(abs(a), abs(b)) > np.pi / 4:
if a + b < 0:
self.angle.append(math.degrees(-(a + b) / 2)) if res[angle1[1]][1] == 1 else self.angle.append(
math.degrees(-(a + b) / 2) + 180)
else:
self.angle.append(math.degrees(np.pi - (a + b) / 2)) if res[angle1[1]][1] == 1 else self.angle.append(
math.degrees(np.pi - (a + b) / 2) + 180)
else:
self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2)) if res[angle1[1]][1] == 1 else self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2) + 180)
print('長指針讀數(shù)：%f' % self.angle[0])
# 短指針
a = np.arctan(angle2[0])
b = np.arctan(angle2[1])
if a * b < 0 and max(abs(a), abs(b)) > np.pi / 4:
if a + b < 0:
self.angle.append(math.degrees(-(a + b) / 2)) if res[angle2[1]][1] == 1 else self.angle.append(
math.degrees(-(a + b) / 2) + 180)
else:
self.angle.append(math.degrees(np.pi - (a + b) / 2)) if res[angle2[1]][1] == 1 else self.angle.append(
math.degrees(np.pi - (a + b) / 2) + 180)
else:
self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2)) if res[angle2[1]][1] == 1 else self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2) + 180)
print('短指針讀數(shù)：%f' % self.angle[1])
def get_center(self, mask):
edg_output = cv.Canny(mask, 66, 150, 2)
cv.imshow('edg', edg_output)
# 外接矩形
contours, hireachy = cv.findContours(edg_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
center = []
for i, contour in enumerate(contours):
x, y, w, h = cv.boundingRect(contour) # 外接矩形
area = w * h # 面積
if area > 1000 or area < 40:
continue
#print(area)
# cv.circle(src, (np.int(cx), np.int(cy)), 3, (255), -1)
cv.rectangle(self.src, (x, y), (x + w, y + h), (255, 0, 0), 1)
cx = w / 2
cy = h / 2
cv.circle(self.src, (np.int(x + cx), np.int(y + cy)), 1, (255, 0, 0))
center.extend([np.int(x + cx), np.int(y + cy)])
break
cv.imshow('center', self.src)
return center
def extract(self, image):
red_lower1 = np.array([0, 43, 46])
red_lower2 = np.array([156, 43, 46])
red_upper1 = np.array([10, 255, 255])
red_upper2 = np.array([180, 255, 255])
frame = cv.cvtColor(image, cv.COLOR_BGR2HSV)
mask1 = cv.inRange(frame, lowerb=red_lower1, upperb=red_upper1)
mask2 = cv.inRange(frame, lowerb=red_lower2, upperb=red_upper2)
mask = cv.add(mask1, mask2)
mask = cv.bitwise_not(mask)
cv.imshow('mask', mask)
return mask
def test(self):
self.src = cv.resize(self.src, dsize=None, fx=0.5, fy=0.5) # 此處可以修改插值方式interpolation
mask = self.extract(self.src)
mask = cv.medianBlur(mask, ksize=5) # 去噪
# 獲取中心
center = self.get_center(mask)
# 去除多余黑色邊框
[y, x] = center
mask = mask[x - 155:x + 155, y - 155:y + 155]
cv.imshow('mask', mask)
#self.find_short(center, mask)
try:
self.line_detect_possible_demo(mask, center, 20)
except IndexError:
try:
self.src = cv.imread(self.name)
self.src = cv.resize(self.src, dsize=None, fx=0.5, fy=0.5) # 此處可以修改插值方式interpolation
self.src = cv.convertScaleAbs(self.src, alpha=1.4, beta=0)
blur = cv.pyrMeanShiftFiltering(self.src, 10, 17)
mask = self.extract(blur)
self.line_detect_possible_demo(mask, center, 20)
except IndexError:
self.src = cv.imread(self.name)
self.src = cv.resize(self.src, dsize=None, fx=0.5, fy=0.5) # 此處可以修改插值方式interpolation
self.src = cv.normalize(self.src, dst=None, alpha=200, beta=10, norm_type=cv.NORM_MINMAX)
blur = cv.pyrMeanShiftFiltering(self.src, 10, 17)
mask = self.extract(blur)
self.line_detect_possible_demo(mask, center, 20)
if __name__ == '__main__':
apparatus = Apparatus('./BONC/1_0555.jpg')
# 讀取圖片
apparatus.test()
k = cv.waitKey(0)
if k == 27:
cv.destroyAllWindows()
elif k == ord('s'):
cv.imwrite('new.jpg', apparatus.src)
cv.destroyAllWindows()
長指針讀數(shù)：77.070291
短指針讀數(shù)：218.896747
由結果可以看出精確度還是挺高的，但是這種方法有三個缺點：
- 當兩個指針重合時候不太好處理
- 有時候hough直線檢測只能檢測出箭頭的一條邊，這時候就會報錯，可以利用圖像增強、角點檢測和圖像梯度來輔助解決，但是效果都不太好
- 計算角度很復雜?。。ㄒ部赡苁俏蚁霃碗s了，不過這段代碼確實花了大量時間）
代碼里可能還有很多問題，希望大家多多指出
到此這篇關于OpenCV 表盤指針自動讀數(shù)的示例代碼的文章就介紹到這了,更多相關OpenCV 表盤自動讀數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要為大家詳細介紹了python編程實現(xiàn)維吉尼亞算法，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-03-03
python+opencv圖像分割實現(xiàn)分割不規(guī)則ROI區(qū)域方法匯總
這篇文章主要介紹了python+opencv圖像分割實現(xiàn)分割不規(guī)則ROI區(qū)域方法匯總，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-04-04
python基礎_文件操作實現(xiàn)全文或單行替換的方法
下面小編就為大家?guī)硪黄猵ython基礎_文件操作實現(xiàn)全文或單行替換的方法。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-09-09
這篇文章主要介紹了python中csv文件數(shù)據(jù)顏色設置方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02
Python的加密模塊之hashlib 與 base64詳解及常用加密方法
我們來學習一下 Python 中的加密模塊，加密模塊在工作中被廣泛應用，比如數(shù)據(jù)的傳入 不希望被捕獲，通過把數(shù)據(jù)加密。這樣即使被捕獲也無法獲取到數(shù)據(jù)的真實信息，今天我們就來學習一下關于加密的方法，感興趣的朋友跟隨小編一起看看吧2023-02-02
這篇文章主要介紹了python加密打包程序,還給大家介紹了Python實現(xiàn)文件簡單加解密的方法，本文通過示例代碼給大家介紹的非常詳細，需要的朋友可以參考下2023-04-04
cgroups是Control groups的簡稱，是Linux內(nèi)核提供的一種限制進程使用和種系統(tǒng)資源的特性，這篇文章主要介紹了Python3+cgroupspy安裝使用教程,需要的朋友可以參考下2023-04-04
這篇文章主要介紹了Python 如何在字符串中插入變量，文中講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-08-08
python實現(xiàn)幾種歸一化方法（Normalization Method）
這篇文章主要介紹了python實現(xiàn)幾種歸一化方法（Normalization Method），文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-07-07
在SQLite-Python中實現(xiàn)返回、查詢中文字段的方法
今天小編就為大家分享一篇在SQLite-Python中實現(xiàn)返回、查詢中文字段的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07