opencv基本图像识别

一．opencv常用识别任务

1颜色识别（BGR格式）

1.1.首先转换到HSV颜色空间

1.2.定义阈值（网上的参数还需自己根据实际再稍加调整）

如：min_red=np.array([0,100,100])

max_red=np.array([10,255,255])

                                 H   S   V

H：调节色调  S：调节饱和度  V：调节亮度

2.形状识别（轮廓检测）

2.1正方形

使用cv2.approxPolyDP()函数

如：if len(approx)==4——代表该轮廓接近四边形，有四个顶点

2.2 三角形

if len(approx)==3————代表该轮廓接近三边形，有三个顶点

2.3 圆（建议用霍夫圆检测）

使用cv2.HoughCircles()函数

3.数字识别

3.1使用pytesseract库（识别不稳定）

3.2训练模型

4.二维码识别

4.1 QR码

使用QRCodeDetector()——QR二维码检测器，opencv自带的。适合实时检测效率比pyzbar高。不能检测条形码。

使用pyzbar库——可以检测QR码以及条形码。

4.2 ArUco码

使用opencv中的aruco模块。需知道所用ArUco码的字典类型。

二．opencv常用图像处理

1.形态学：

腐蚀：去除小的噪声，分离接触的物体。

膨胀：填补小的空洞，连接接近的物体。

开运算：腐蚀->膨胀。适合消除小的噪声。

闭运算：膨胀->腐蚀。填补小的空洞。

梯度：用于边缘检测。

顶帽：原图像-开运算——适合提取小的亮区域。

黑帽：闭运算-原图像——适合提取小的暗区域。

2.主要运用的滤波

中值滤波：去除噪声，保留边缘。

高斯滤波：平滑效果好。

3.主要运用的边缘算子

Sobel算子：检测边缘方向。

Canny算子：可去噪和检测边缘（经常用的）

4.缩放处理

cv2.resize（）函数。定义缩放因子，确定缩放百分比。