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(cè)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(lái)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(lái),因此,在圖像處理過程中,只需要把所有輪廓都畫出來(lái),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(zhǎng)寬比,因此每一個(gè)輪廓的坐標(biāo)得到的近似矩形,它的長(zhǎng)寬比應(yīng)該是相似的,根據(jù)這個(gè)特性,選擇出來(lái)我們所需要的大輪廓,并把坐標(biāo)及長(zhǎng)寬信息以元組形式保存起來(lái)。
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(lái)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)注本站其它相關(guān)文章!
版權(quán)聲明:本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有,歡迎引用、轉(zhuǎn)載,請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站,禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像,否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái),僅供學(xué)習(xí)參考,不代表本站立場(chǎng),如有內(nèi)容涉嫌侵權(quán),請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信