前段时间参加了一个表盘指针读数的比赛,今天来总结一下
数据集一共有一千张图片:
方法一:径向灰度求和
基本原理:
将图像以表盘圆心转换成极坐标,然后通过矩阵按行求和找到二值图最大值即为指针尖端
导入需要用到的包
import cv2 as cv import numpy as np import math from matplotlib import pyplot as plt import os
图像预处理
去除背景:利用提取红色实现
def extract_red(image): """ 通过红色过滤提取出指针 """ red_lower1 = np.array([0, 43, 46]) red_upper1 = np.array([10, 255, 255]) red_lower2 = np.array([156, 43, 46]) red_upper2 = np.array([180, 255, 255]) dst = cv.cvtColor(image, cv.COLOR_BGR2HSV) mask1 = cv.inRange(dst, lowerb=red_lower1, upperb=red_upper1) mask2 = cv.inRange(dst, lowerb=red_lower2, upperb=red_upper2) mask = cv.add(mask1, mask2) return mask
获得钟表中心:轮廓查找,取出轮廓的外接矩形,根据矩形面积找出圆心
def get_center(image): """ 获取钟表中心 """ edg_output = cv.Canny(image, 100, 150, 2) # canny算子提取边缘 cv.imshow('dsd', edg_output) # 获取图片轮廓 contours, hireachy = cv.findContours(edg_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) center = [] cut=[0, 0] for i, contour in enumerate(contours): x, y, w, h = cv.boundingRect(contour) # 外接矩形 area = w * h # 面积 if area < 100 or area > 4000: continue cv.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 1) cx = w / 2 cy = h / 2 cv.circle(image, (np.int(x + cx), np.int(y + cy)), 1, (255, 0, 0)) ## 在图上标出圆心 center = [np.int(x + cx), np.int(y + cy)] break return center[::-1]
由上面的图像可以看出,圆心定位还是非常准确的
图片裁剪
def ChangeImage(image): """ 图像裁剪 """ # 指针提取 mask = extract_red(image) mask = cv.medianBlur(mask,ksize=5)#去噪 # 获取中心 center = get_center(mask) # 去除多余黑色边框 [y, x] = center cut = mask[y-300:y+300, x-300:x+300] # 因为mask处理后已经是二值图像,故不用转化为灰度图像 return cut
剪裁后的图像如下图所示:
极坐标转换
注意:需要将图片裁剪成正方形
def polar(image): """ 转换成极坐标 """ x, y = 300, 300 maxRadius = 300*math.sqrt(2) linear_polar = cv.linearPolar(image, (y, x), maxRadius, cv.WARP_FILL_OUTLIERS + cv.INTER_LINEAR) mypolar = linear_polar.copy() #将图片调整为从0度开始 mypolar[:150, :] = linear_polar[450:, :] mypolar[150:, :] = linear_polar[:450, :] cv.imshow("linear_polar", linear_polar) cv.imshow("mypolar", mypolar) return mypolar
由图像就可以很容易发现指针的顶点
计算角度
def Get_Reading(sumdata): """ 读数并输出 """ peak = [] # s记录遍历时波是否在上升 s = sumdata[0] < sumdata[1] for i in range(599): # 上升阶段 if s==True and sumdata[i] > sumdata[i+1] and sumdata[i] > 70000: peak.append(sumdata[i]) s=False # 下降阶段 if s==False and sumdata[i] < sumdata[i+1]: s=True peak.sort() a = sumdata[0] b = sumdata[-1] if not peak or max(a,b) > peak[-1]: peak.append(max(a,b)) longindex = (sumdata.index(peak[-1]))%599 longnum = (longindex + 1)//25*50 # 先初始化和长的同一刻度 #shortindex = longindex shortnum = round(longindex / 6) try: shortindex = sumdata.index(peak[-2]) shortnum = round(shortindex / 6) except IndexError: i=0 while i<300: i += 1 l = sumdata[(longindex-i)%600] r = sumdata[(longindex+i)%600] possibleshort = max(l,r) # 在短指针可能范围内寻找插值符合条件的值 if possibleshort > 80000: continue elif possibleshort < 60000: break else: if abs(l-r) > 17800: shortindex = sumdata.index(possibleshort) - 1 shortnum = round(shortindex / 6) break return [longnum,shortnum%100]
def test(): """ RGS法测试 """ image = cv.imread("./BONC/1_{0:0>4d}".format(400) + ".jpg") newimg = ChangeImage(image) polarimg = polar(newimg) psum = polarimg.sum(axis=1, dtype = 'int32') result = Get_Reading(list(psum)) print(result)
if __name__ == "__main__": test() k = cv.waitKey(0) if k == 27: cv.destroyAllWindows() elif k == ord('s'): cv.imwrite('new.jpg', src) cv.destroyAllWindows()
[1050, 44]
方法二:Hough直线检测
原理:利用Hough变换检测出指针的两条边,从而两条边的中线角度即为指针刻度
数据预处理与上面的方法类似
可以看到分别检测出了两个指针的左右两条边,然后可以由这四个角度算出两个指针中线的角度,具体计算过程写的有点复杂
class Apparatus: def __init__(self, name): self.name = name self.angle = [] self.src = cv.imread(name) def line_detect_possible_demo(self, image, center, tg): ''' :param image: 二值图 :param center: 圆心 :param tg: 直线检测maxLineGap ''' res = {} # 存放线段的斜率和信息 edges = cv.Canny(image, 50, 150, apertureSize=7) cv.imshow("abcdefg", edges) lines = cv.HoughLinesP(edges, 1, np.pi/360, 13, minLineLength=20, maxLineGap=tg) for line in lines: x_1, y_1, x_2, y_2 = line[0] # 将坐标原点移动到圆心 x1 = x_1 - center[0] y1 = center[1] - y_1 x2 = x_2 - center[0] y2 = center[1] - y_2 # 计算斜率 if x2 - x1 == 0: k = float('inf') else: k = (y2-y1)/(x2-x1) d1 = np.sqrt(max(abs(x2), abs(x1)) ** 2 + (max(abs(y2), abs(y1))) ** 2) # 线段长度 d2 = np.sqrt(min(abs(x2), abs(x1)) ** 2 + (min(abs(y2), abs(y1))) ** 2) # 将长指针与短指针做标记 if d1 < 155 and d1 > 148 and d2 > 115: res[k] = [1] elif d1 < 110 and d1 > 100 and d2 > 75: res[k] = [2] else: continue res[k].append(1) if (x2 + x1) /2 > 0 else res[k].append(0) # 将14象限与23象限分离 cv.line(self.src, (x1 + center[0], center[1] - y1), (x2 + center[0], center[1] - y2), (255, 0, 0), 1) cv.imshow("line_detect-posssible_demo", self.src) # 计算线段中点的梯度来判断是指针的左侧线段还是右侧线段 middle_x = int((x_1 + x_2) / 2) middle_y = int((y_1 + y_2) / 2) grad_mat = image[middle_y-5:middle_y+6, middle_x-5:middle_x+6] cv.imshow("grad_mat", grad_mat) grad_x = cv.Sobel(grad_mat, cv.CV_32F, 1, 0) grad_y = cv.Sobel(grad_mat, cv.CV_32F, 0, 1) gradx = np.max(grad_x) if np.max(grad_x) != 0 else np.min(grad_x) grady = np.max(grad_y) if np.max(grad_y) != 0 else np.min(grad_y) if ((gradx >=0 and grady >= 0) or (gradx <= 0 and grady >= 0)) and res[k][1] == 1: res[k].append(1) # 右测 elif ((gradx <= 0 and grady <= 0) or (gradx >= 0 and grady <= 0)) and res[k][1] == 0: res[k].append(1) else: res[k].append(0) # 左侧 # 计算角度 angle1 = [i for i in res if res[i][0] == 1] angle2 = [i for i in res if res[i][0] == 2] # 长指针 a = np.arctan(angle1[0]) b = np.arctan(angle1[1]) if a * b < 0 and max(abs(a), abs(b)) > np.pi / 4: if a + b < 0: self.angle.append(math.degrees(-(a + b) / 2)) if res[angle1[1]][1] == 1 else self.angle.append( math.degrees(-(a + b) / 2) + 180) else: self.angle.append(math.degrees(np.pi - (a + b) / 2)) if res[angle1[1]][1] == 1 else self.angle.append( math.degrees(np.pi - (a + b) / 2) + 180) else: self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2)) if res[angle1[1]][1] == 1 else self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2) + 180) print('长指针读数:%f' % self.angle[0]) # 短指针 a = np.arctan(angle2[0]) b = np.arctan(angle2[1]) if a * b < 0 and max(abs(a), abs(b)) > np.pi / 4: if a + b < 0: self.angle.append(math.degrees(-(a + b) / 2)) if res[angle2[1]][1] == 1 else self.angle.append( math.degrees(-(a + b) / 2) + 180) else: self.angle.append(math.degrees(np.pi - (a + b) / 2)) if res[angle2[1]][1] == 1 else self.angle.append( math.degrees(np.pi - (a + b) / 2) + 180) else: self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2)) if res[angle2[1]][1] == 1 else self.angle.append(math.degrees(np.pi / 2 - (a + b) / 2) + 180) print('短指针读数:%f' % self.angle[1]) def get_center(self, mask): edg_output = cv.Canny(mask, 66, 150, 2) cv.imshow('edg', edg_output) # 外接矩形 contours, hireachy = cv.findContours(edg_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) center = [] for i, contour in enumerate(contours): x, y, w, h = cv.boundingRect(contour) # 外接矩形 area = w * h # 面积 if area > 1000 or area < 40: continue #print(area) # cv.circle(src, (np.int(cx), np.int(cy)), 3, (255), -1) cv.rectangle(self.src, (x, y), (x + w, y + h), (255, 0, 0), 1) cx = w / 2 cy = h / 2 cv.circle(self.src, (np.int(x + cx), np.int(y + cy)), 1, (255, 0, 0)) center.extend([np.int(x + cx), np.int(y + cy)]) break cv.imshow('center', self.src) return center def extract(self, image): red_lower1 = np.array([0, 43, 46]) red_lower2 = np.array([156, 43, 46]) red_upper1 = np.array([10, 255, 255]) red_upper2 = np.array([180, 255, 255]) frame = cv.cvtColor(image, cv.COLOR_BGR2HSV) mask1 = cv.inRange(frame, lowerb=red_lower1, upperb=red_upper1) mask2 = cv.inRange(frame, lowerb=red_lower2, upperb=red_upper2) mask = cv.add(mask1, mask2) mask = cv.bitwise_not(mask) cv.imshow('mask', mask) return mask def test(self): self.src = cv.resize(self.src, dsize=None, fx=0.5, fy=0.5) # 此处可以修改插值方式interpolation mask = self.extract(self.src) mask = cv.medianBlur(mask, ksize=5) # 去噪 # 获取中心 center = self.get_center(mask) # 去除多余黑色边框 [y, x] = center mask = mask[x - 155:x + 155, y - 155:y + 155] cv.imshow('mask', mask) #self.find_short(center, mask) try: self.line_detect_possible_demo(mask, center, 20) except IndexError: try: self.src = cv.imread(self.name) self.src = cv.resize(self.src, dsize=None, fx=0.5, fy=0.5) # 此处可以修改插值方式interpolation self.src = cv.convertScaleAbs(self.src, alpha=1.4, beta=0) blur = cv.pyrMeanShiftFiltering(self.src, 10, 17) mask = self.extract(blur) self.line_detect_possible_demo(mask, center, 20) except IndexError: self.src = cv.imread(self.name) self.src = cv.resize(self.src, dsize=None, fx=0.5, fy=0.5) # 此处可以修改插值方式interpolation self.src = cv.normalize(self.src, dst=None, alpha=200, beta=10, norm_type=cv.NORM_MINMAX) blur = cv.pyrMeanShiftFiltering(self.src, 10, 17) mask = self.extract(blur) self.line_detect_possible_demo(mask, center, 20) if __name__ == '__main__': apparatus = Apparatus('./BONC/1_0555.jpg') # 读取图片 apparatus.test() k = cv.waitKey(0) if k == 27: cv.destroyAllWindows() elif k == ord('s'): cv.imwrite('new.jpg', apparatus.src) cv.destroyAllWindows()
长指针读数:77.070291
短指针读数:218.896747
由结果可以看出精确度还是挺高的,但是这种方法有三个缺点:
- 当两个指针重合时候不太好处理
- 有时候hough直线检测只能检测出箭头的一条边,这时候就会报错,可以利用图像增强、角点检测和图像梯度来辅助解决,但是效果都不太好
- 计算角度很复杂!!(也可能是我想复杂了,不过这段代码确实花了大量时间)
代码里可能还有很多问题,希望大家多多指出
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“OpenCV 表盘指针自动读数的示例代码”评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
2024年12月24日
2024年12月24日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]