这篇文章主要介绍了opencv python 对指针仪表读数识别的两种方式,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
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-600',1) # 初始化 am = C_ammerter(template) # 运行 am.a<strong style="color:transparent">来源gaodai#ma#com搞@@代~&码网</strong>m_run() # 结束 am.close()
模板图 001.jpg-600
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 3 * (np.pi / 3)) or (theta 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gaodaima搞代码网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gaodaima搞代码网！
以上就是opencv python 对指针仪表读数识别的两种方式的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：opencv python 对指针仪表读数识别的两种方式
转载请注明原文链接：opencv python 对指针仪表读数识别的两种方式
