精品国产人成在线_亚洲高清无码在线观看_国产在线视频国产永久2021_国产AV综合第一页一个的一区免费影院黑人_最近中文字幕MV高清在线视频

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

OpenCV的數字識別實踐案例

華為開發者社區 ? 來源:CSDN技術社區 ? 作者:華為云 ? 2021-03-26 17:16 ? 次閱讀

前言

實踐是檢驗真理的唯一標準。因為覺得一板一眼地學習OpenCV太過枯燥,于是在網上找了一個以項目為導向的教程學習。話不多說,動手做起來。

1、案例介紹

提供信用卡上的數字模板:

要求:識別出信用卡上的數字,并將其直接打印在原圖片上。雖然看起來很蠢,但既然可以將數字打印在圖片上,說明已經成功識別數字,因此也可以將其轉換為數字文本保存。車牌號識別等項目的思路與此案例類似。

示例:

原圖

處理后的圖

步驟

大致分為如下幾個步驟:

1.模板讀入

2.模板預處理,將模板數字分開,并排序

3.輸入圖像預處理,將圖像中的數字部分提取出來

4.將數字與模板數字進行匹配,匹配率最高的即為對應數字。

1、模板讀入,以及一些包的導入,函數定義等

import cv2 as cvimport numpy as npimport myutilsdef cv_show(name, img): # 自定義的展示函數 cv.imshow(name, img) cv.waitKey(0)# 讀入模板圖n = ‘text’img = cv.imread(“images/ocr_a_reference.png”)# cv_show(n, template) # 自定義的展示函數,方便顯示圖

2、模板預處理,將模板數字分開,并排序

模板的預處理順序:灰度圖,二值化,再進行輪廓檢測。需要注意的是openCV檢測輪廓時是檢測白色邊框,因此要將模板圖的數字二值化變為白色。

# 模板轉換為灰度圖ref = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# cv_show(n, ref)

# 轉換為二值圖,把數字部分變為白色ref = cv.threshold(ref, 10, 255, cv.THRESH_BINARY_INV)[1] # 騷寫法,函數多個返回值為元組,這里取第二個返回值cv_show(n, ref)

# 對模板進行輪廓檢測,得到輪廓信息refCnts, hierarchy = cv.findContours(ref.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)cv.drawContours(img, refCnts, -1, (0, 0, 255), 2) # 第一個參數為目標圖像# cv_show(n, img

紅色部分即為檢測出的輪廓。接下來進行輪廓排序,因為檢測出的輪廓是無序的,因此要按照輪廓的左上角點的x坐標來排序。輪廓排序后按順序放入字典,則字典中的鍵值對是正確匹配的,如‘0’對應輪廓0 ,‘1’對應輪廓1。

# 輪廓排序refCnts = myutils.sort_contours(refCnts)[0]digits = {}

# 單個輪廓提取到字典中for (i, c) in enumerate(refCnts): (x, y, w, h) = cv.boundingRect(c) roi = ref[y:y + h, x:x + w] # 在模板中復制出輪廓 roi = cv.resize(roi, (57, 88)) # 改成相同大小的輪廓 digits[i] = roi # 此時字典鍵對應的輪廓即為對應數字。如鍵‘1’對應輪廓‘1’

至此,模板圖處理完畢。

3、輸入圖像預處理,將圖像中的數字部分提取出來

在此步驟中需要將信用卡上的每個數字提取出來,并與上一步得到的模板一一匹配。首先初始化卷積核,方便之后tophat操作以及閉運算操作使用。

# 初始化卷積核rectKernel = cv.getStructuringElement(cv.MORPH_RECT, (9, 3))sqKernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))

接下來讀入圖片,調整圖片大小,轉換為灰度圖。

# 待分析圖片讀入,預處理card_image = cv.imread(“images/credit_card_01.png”)# cv_show(‘a’, card_image)card_image = myutils.resize(card_image, width=300) # 更改圖片大小gray = cv.cvtColor(card_image, cv.COLOR_BGR2GRAY)# cv_show(‘gray’, gray)

然后進行tophat操作,tophat可以突出圖片中明亮的區域,過濾掉較暗的部分:

tophat = cv.morphologyEx(gray, cv.MORPH_TOPHAT, rectKernel)# cv_show(‘tophat’, tophat)

再通過sobel算子檢測邊緣,進行一次閉操作,二值化,再進行一次閉操作,填補空洞。

# x方向的Sobel算子gradX = cv.Sobel(tophat, cv.CV_32F, 1, 0, ksize=3)

gradX = np.absolute(gradX) # absolute: 計算絕對值min_Val, max_val = np.min(gradX), np.max(gradX)gradX = (255 * (gradX - min_Val) / (max_val - min_Val))gradX = gradX.astype(“uint8”)

# 通過閉操作(先膨脹,再腐蝕)將數字連在一起。 將本是4個數字的4個框膨脹成1個框,就腐蝕不掉了gradX = cv.morphologyEx(gradX, cv.MORPH_CLOSE, rectKernel)# cv_show(‘close1’, gradX)

# 二值化thresh = cv.threshold(gradX, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)[1]

# 閉操作,填補空洞thresh = cv.morphologyEx(thresh, cv.MORPH_CLOSE, sqKernel)# cv_show(‘close2’, thresh)

之后就可以查找輪廓了。

threshCnts = cv.findContours(thresh.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)[0]card_copy = card_image.copy()cv.drawContours(card_copy, threshCnts, -1, (0, 0, 255), 2)cv_show(‘Input_Contours’, card_copy)

4、模板匹配

將模板數字和待識別的圖片都處理好后,就可以進行匹配了。

locs = [] # 存符合條件的輪廓for i, c in enumerate(threshCnts): # 計算矩形 x, y, w, h = cv.boundingRect(c)

ar = w / float(h) # 選擇合適的區域,根據實際任務來,這里的基本都是四個數字一組 if 2.5 《 ar 《 4.0: if (40 《 w 《 55) and (10 《 h 《 20): # 符合的留下來 locs.append((x, y, w, h))

# 將符合的輪廓從左到右排序locs = sorted(locs, key=lambda x: x[0])

接下來,遍歷每一個大輪廓,每個大輪廓中有四個數字,對應四個小輪廓。將小輪廓與模板匹配。

output = [] # 存正確的數字for (i, (gx, gy, gw, gh)) in enumerate(locs): # 遍歷每一組大輪廓(包含4個數字) groupOutput = []

# 根據坐標提取每一個組(4個值) group = gray[gy - 5:gy + gh + 5, gx - 5:gx + gw + 5] # 往外擴一點 # cv_show(‘group_’ + str(i), group) # 預處理 group = cv.threshold(group, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)[1] # 二值化的group # cv_show(‘group_’+str(i),group) # 計算每一組的輪廓 這樣就分成4個小輪廓了 digitCnts = cv.findContours(group.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)[0] # 排序 digitCnts = myutils.sort_contours(digitCnts, method=“left-to-right”)[0]

# 計算并匹配每一組中的每一個數值 for c in digitCnts: # c表示每個小輪廓的終點坐標 z = 0 # 找到當前數值的輪廓,resize成合適的的大小 (x, y, w, h) = cv.boundingRect(c) # 外接矩形 roi = group[y:y + h, x:x + w] # 在原圖中取出小輪廓覆蓋區域,即數字 roi = cv.resize(roi, (57, 88)) # cv_show(“roi_”+str(z),roi)

# 計算匹配得分: 0得分多少,1得分多少。.. scores = [] # 單次循環中,scores存的是一個數值 匹配 10個模板數值的最大得分

# 在模板中計算每一個得分 # digits的digit正好是數值0,1,。..,9;digitROI是每個數值的特征表示 for (digit, digitROI) in digits.items(): # 進行模板匹配, res是結果矩陣 res = cv.matchTemplate(roi, digitROI, cv.TM_CCOEFF) # 此時roi是X digitROI是0 依次是1,2.。 匹配10次,看模板最高得分多少 Max_score = cv.minMaxLoc(res)[1] # 返回4個,取第二個最大值Maxscore scores.append(Max_score) # 10個最大值 # print(“scores:”,scores) # 得到最合適的數字 groupOutput.append(str(np.argmax(scores))) # 返回的是輸入列表中最大值的位置 z = z + 1# 畫出來 cv.rectangle(card_image, (gx - 5, gy - 5), (gx + gw + 5, gy + gh + 5), (0, 0, 255), 1) # 左上角,右下角# putText參數:圖片,添加的文字,左上角坐標,字體,字體大小,顏色,字體粗細 cv.putText(card_image, “”.join(groupOutput), (gx, gy - 15), cv.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)

最后將其打印出來,任務就完成了。

cv.imshow(“Output_image_”+str(i), card_image)cv.waitKey(0)

總結

信用卡識別的案例用到了圖像處理的一些基本操作,對剛上手CV的人來說還是比較友好的。
編輯:lyn

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 數字識別
    +關注

    關注

    2

    文章

    19

    瀏覽量

    10135
  • OpenCV
    +關注

    關注

    30

    文章

    628

    瀏覽量

    41272

原文標題:OpenCV萌新福音:易上手的數字識別實踐案例

文章出處:【微信號:Huawei_Developer,微信公眾號:華為開發者社區】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    如何用OpenCV的相機捕捉視頻進行人臉檢測--基于米爾NXP i.MX93開發板

    : breakvideo.release()cv2.destroyAllWindows() 保存后執行”python3 opencv_test.py OpenCV裝好后,可以為后面的人臉檢測提供可行性。 要實現人臉識別
    發表于 11-15 17:58

    【龍芯2K0300蜂鳥板試用】5 搭建opencv開發環境

    在官方提供的buildroot根文件系統中,不支持opencv庫,故需要自己增加,另外,在本地編譯的時候,需要在本地(ubuntu)上安裝對應opencv庫,這樣才能將編譯好的鏡像放到板子上跑起來
    發表于 08-27 15:08

    OpenCV圖像識別C++代碼

    安裝OpenCV庫 首先,您需要在您的計算機上安裝OpenCV庫。您可以從OpenCV官網下載預編譯的庫或從源代碼編譯。安裝完成后,確保將OpenCV的頭文件和庫文件添加到您的項目中。
    的頭像 發表于 07-16 10:42 ?1824次閱讀

    opencv圖像識別有什么算法

    OpenCV(Open Source Computer Vision Library)是一個開源的計算機視覺和機器學習軟件庫,提供了大量的圖像處理和計算機視覺相關的算法。以下是一些常見的OpenCV
    的頭像 發表于 07-16 10:40 ?863次閱讀

    opencv-python和opencv一樣嗎

    不一樣。OpenCV(Open Source Computer Vision Library)是一個開源的計算機視覺和機器學習軟件庫,它提供了大量的圖像和視頻處理功能。OpenCV
    的頭像 發表于 07-16 10:38 ?1002次閱讀

    opencv的主要功能有哪些

    OpenCV(Open Source Computer Vision Library)是一個開源的計算機視覺庫,提供了大量的計算機視覺算法和工具。以下是OpenCV的主要功能: 圖像處理
    的頭像 發表于 07-16 10:35 ?1353次閱讀

    什么是機器視覺opencv?它有哪些優勢?

    機器視覺(Machine Vision)是一種利用計算機和圖像處理技術來模擬人類視覺系統的功能,實現對圖像的識別、分析和理解的技術。OpenCV(Open Source Computer
    的頭像 發表于 07-16 10:33 ?678次閱讀

    基于OpenCV的人臉識別系統設計

    基于OpenCV的人臉識別系統是一個復雜但功能強大的系統,廣泛應用于安全監控、人機交互、智能家居等多個領域。下面將詳細介紹基于OpenCV的人臉識別系統的基本原理、實現步驟,并附上具體
    的頭像 發表于 07-11 15:37 ?1.2w次閱讀

    OpenCV攜奧比中光3D相機亮相CVPR 2024

    6月17日-21日,奧比中光合作伙伴OpenCV攜Orbbec 3D相機參展在美國西雅圖舉辦的CVPR 2024(即IEEE國際計算機視覺與模式識別會議),讓開發者親身體驗Orbbec 3D相機
    的頭像 發表于 06-21 09:38 ?510次閱讀

    I.MX6ULL-飛凌 ElfBoard ELF1板卡 - 如何在Ubuntu中編譯OpenCV庫(X86架構)

    Ubuntu環境下編譯X86架構的OpenCV,這為快速迭代產品、優化算法提供了堅實的支撐。希望本篇指南能成為各位小伙伴在嵌入式技術探索之旅上的得力助手。如果您在實踐過程中遇到任何問題,歡迎留言交流。
    發表于 06-07 09:32

    嵌入式學習-飛凌ElfBoard ELF 1板卡 - 如何在Ubuntu中編譯OpenCV

    Ubuntu環境下編譯X86架構的OpenCV,這為快速迭代產品、優化算法提供了堅實的支撐。希望本篇指南能成為各位小伙伴在嵌入式技術探索之旅上的得力助手。如果您在實踐過程中遇到任何問題,歡迎留言交流。
    發表于 06-07 09:21

    使用OpenCV進行儀表指針刻度的識別與讀取

    首先說一下模板匹配,它是OpenCV自帶的一個算法,可以根據一個模板圖到目標圖上去尋找對應位置,如果模板找的比較好那么效果顯著,這里說一下尋找模板的技巧,模板一定要標準、精準且特征明顯。
    發表于 02-22 13:54 ?1800次閱讀
    使用<b class='flag-5'>OpenCV</b>進行儀表指針刻度的<b class='flag-5'>識別</b>與讀取

    ELF 1技術貼|如何移植OpenCV

    OpenCV擁有了豐富的常用圖像處理函數庫,采用C/C++語言編寫,可以運行在Linux、Windows、Mac等操作系統上流暢運行,并能夠快速實現一系列圖像處理和識別
    的頭像 發表于 01-09 13:55 ?360次閱讀
    ELF 1技術貼|如何移植<b class='flag-5'>OpenCV</b>

    OpenCV4.8 CUDA編程代碼教程

    OpenCV4支持通過GPU實現CUDA加速執行,實現對OpenCV圖像處理程序的加速運行,當前支持加速的模塊包括如下。
    的頭像 發表于 12-05 09:56 ?987次閱讀
    <b class='flag-5'>OpenCV</b>4.8 CUDA編程代碼教程

    OpenCV4.8+CUDA+擴展模塊支持編譯指南

    OpenCV4.8+CUDA+擴展模塊支持編譯指南
    的頭像 發表于 11-30 16:45 ?926次閱讀
    <b class='flag-5'>OpenCV</b>4.8+CUDA+擴展模塊支持編譯指南