图像特征.zip

# -*- coding:utf-8 -*- """ 日期：2021年10月16日9:56时 """ from imutils import contours import numpy as np import argparse import cv2 import myutils def cv_show(name,img): cv2.imshow(name, img) cv2.waitKey(0) cv2.destroyAllWindows() sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (6,5)) #数字联通核 水平方向，竖直方向 rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 15)) #礼貌操作核 竖直方向，水平方向 closeKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (20, 20)) #获取外接矩形核 cloKernel=cv2.getStructuringElement(cv2.MORPH_RECT, (1,2)) #开运算核 kernel=np.ones((3,3),np.uint8) # """ # 模板处理部分 # """ # 读取一个模板图像 temp = cv2.imread('0-9.jpg') # cv_show('img',temp) # h,w,t=temp.shape #先高，后宽 temp=temp[:70,200:] # 灰度图 ref = cv2.cvtColor(temp, cv2.COLOR_BGR2GRAY) # cv_show('ref',ref) # 二值图像 ret,thr=cv2.threshold(ref,100,255,cv2.THRESH_BINARY_INV) # cv_show('thresh',thresh) #开运算————去掉杂点 thr = cv2.morphologyEx(thr,cv2.MORPH_OPEN,cloKernel) # cv_show('thresh',thresh) # #闭运算————数字联通 thr1=cv2.dilate(thr,kernel,iterations=2) # cv_show('thresh',thr1) # 计算轮廓 img_temp=temp.copy() refCnts, hierarchy = cv2.findContours(thr1, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) # cv2.drawContours(img_temp,refCnts,-1,(0,255,0),1) # cv_show('img_temp',img_temp) refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0] #排序，从左到右，从上到下 digits={} #创建的一个字典 # # 遍历每一个轮廓 for (i, c) in enumerate(refCnts): # 计算外接矩形并且resize成合适大小 (x, y, w, h) = cv2.boundingRect(c) lunkuo=cv2.rectangle(img_temp,(x,y),(x+w,y+h),(0,0,255),2) # cv_show('img',lunkuo) roi3 = thr1[y:y + h, x:x + w] #roi 感兴趣区域 # print(roi3.shape) # roi3=cv2.resize(roi3,(29,19)) # cv_show('img',roi3) # 每一个数字对应每一个模板 digits[i]=roi3 """ 图像处理部分 """ img=cv2.imread('ybtest.png') cv_show('img',img) tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, rectKernel) #礼帽操作，使明亮区域更明亮 #归一化处理 gradX = np.absolute(tophat) (minVal, maxVal) = (np.min(gradX), np.max(gradX)) gradX = (255 * ((gradX - minVal) / (maxVal - minVal))) #归一化处理 gradX = gradX.astype("uint8") gray = cv2.cvtColor(gradX, cv2.COLOR_BGR2GRAY) # cv_show('gray', gray) ret,thresh=cv2.threshold(gray,100,255,cv2.THRESH_BINARY) # cv_show('thresh',thresh) #开运算 closing=cv2.morphologyEx(thresh,cv2.MORPH_OPEN,cloKernel) # cv_show('close',closing) thresh = cv2.morphologyEx(closing, cv2.MORPH_CLOSE, sqKernel) #数字联通 # cv_show('thresh',thresh) #查找轮廓，画轮廓 threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = threshCnts cur_img =tophat.copy() cv2.drawContours(cur_img,cnts,-1,(0,0,255),2) cv_show('cur_img',cur_img) locs = [] # 遍历轮廓 for (i, c) in enumerate(cnts): # 计算矩形 (x, y, w, h) = cv2.boundingRect(c) #找到轮廓的坐标值 if w > 20 and h >40: #符合的留下来 locs.append((x, y, w, h)) # 将符合的轮廓从左到右排序 locs = sorted(locs, key=lambda x:x[0]) output = [] # 计算每一组中的每一个数值 groupOutput = [] for (i, (gX, gY, gW, gH)) in enumerate(locs): roi = thresh[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5] cv_show('roi', roi) # 在模板中计算每一个得分 scores = [] # 模板匹配 for (digit, digitROI) in digits.items(): result = cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF_NORMED) (_, score, _, _) = cv2.minMaxLoc(result) scores.append(score) print(score) #得到最合适的数字 groupOutput.append(str(np.argmax(scores))) print(str(np.argmax(scores))) # # 画出来 cv2.putText(img, "".join(groupOutput), (gX+5, gY ), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2) cv2.imshow("Image", img) cv2.waitKey(0)