python計(jì)算機(jī)視覺opencv卡號(hào)識(shí)別示例詳解
模板圖片如下:

需識(shí)別的圖片如下:

一、模板預(yù)處理
1.將模板設(shè)置為二值圖

2.檢測模板的輪廓

3.對(duì)模板輪廓排序,并將數(shù)字和輪廓一一對(duì)應(yīng),以字典存儲(chǔ)
排序的函數(shù)如下:

排序并存儲(chǔ):

4.備注
①每一個(gè)數(shù)字對(duì)應(yīng)的是二值圖截出來的那個(gè)數(shù)字圖的矩陣,共10個(gè)。
②對(duì)每一個(gè)數(shù)字進(jìn)行了尺寸的設(shè)置,其實(shí)多大都行,只要后面匹配計(jì)算數(shù)值的時(shí)候設(shè)置成和模板一樣的就行。
二、圖片預(yù)處理
1.初始化卷積核

在后面對(duì)圖像進(jìn)行形態(tài)學(xué)運(yùn)算的時(shí)候會(huì)用到
2.圖片預(yù)處理第一部分

3.圖像預(yù)處理第二部分

最終目的是把卡片上面的數(shù)字部分的坐標(biāo)選出來,因此,在圖像處理過程中,只需要把所有輪廓都畫出來,即可,后面會(huì)對(duì)輪廓進(jìn)行處理。
三、輪廓處理
1.大輪廓過濾

由于數(shù)字的輪廓是擁有類似的長寬比,因此每一個(gè)輪廓的坐標(biāo)得到的近似矩形,它的長寬比應(yīng)該是相似的,根據(jù)這個(gè)特性,選擇出來我們所需要的大輪廓,并把坐標(biāo)及長寬信息以元組形式保存起來。
2.小輪廓分割

以上的循環(huán), 是把每一個(gè)大輪廓(包含4個(gè)數(shù)字)切割成4個(gè)小輪廓,每一個(gè)數(shù)字一個(gè)輪廓。同樣使用切割大輪廓的方法并按照輪廓的橫坐標(biāo)進(jìn)行排序。
在上面的循環(huán)內(nèi),繼續(xù)補(bǔ)充下面的循環(huán):

以上的循環(huán)是在上一個(gè)大循環(huán)之內(nèi)的。是對(duì)于每一個(gè)數(shù)值進(jìn)行計(jì)算。通過找到矩形,并設(shè)置成和模板一樣的大小,和模板進(jìn)行匹配,得到分?jǐn)?shù)。選擇分?jǐn)?shù)最高的那個(gè)結(jié)果的索引作為結(jié)果,索引其實(shí)就是那個(gè)目標(biāo)數(shù)字。
最后直接在原圖上畫出來框,并把數(shù)字填上去,位置相對(duì)于卡片數(shù)字有一個(gè)15的位移。
以上就是python計(jì)算機(jī)視覺opencv卡號(hào)識(shí)別示例詳解的詳細(xì)內(nèi)容,更多關(guān)于python計(jì)算機(jī)視覺opencv卡號(hào)識(shí)別的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
python+opencv實(shí)現(xiàn)論文插圖局部放大并拼接效果
在做圖像數(shù)據(jù)標(biāo)注時(shí),很難一次就做到精準(zhǔn)標(biāo)注,如果目標(biāo)比較小,即使微調(diào)也難以做到精準(zhǔn),所以就需要另外一個(gè)窗口對(duì)標(biāo)注區(qū)域進(jìn)行局部放大以方便微調(diào),這篇文章主要給大家介紹了關(guān)于python+opencv實(shí)現(xiàn)論文插圖局部放大并拼接效果的相關(guān)資料,需要的朋友可以參考下2021-10-10
python使用socket連接遠(yuǎn)程服務(wù)器的方法
這篇文章主要介紹了python使用socket連接遠(yuǎn)程服務(wù)器的方法,涉及Python中socket通信的基本技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-04-04
python判斷文件是否存在,不存在就創(chuàng)建一個(gè)的實(shí)例
今天小編就為大家分享一篇python判斷文件是否存在,不存在就創(chuàng)建一個(gè)的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-02-02

