该代码示例展示了一个基于OpenCV的硬币识别系统，它通过摄像头捕获视频流，调整图像尺寸，然后进行高斯滤波、Canny边缘检测、膨胀操作等预处理步骤来提取硬币轮廓。通过轮廓的面积判断硬币的面值，最终计算总金额。用户可以通过滑动条调整阈值参数以优化检测效果。
本代码是用于硬币识别
可以看到左图中共有三个五元硬币，一个一元硬币，以及三个两元硬币，Rs为22
当右图中新加入一个五元硬币，可以看到Rs变为28
接下来将简述该代码的各个部分。
cap = cv2.VideoCapture(0)
cap.set(3, 640)
cap.set(4, 480)
cap = cv2.VideoCapture(0)
VideoCapture()中参数是0，表示打开笔记本的内置摄像头
若想打开指定视频，则cap = cv2.VideoCapture(“视频路径”)
cv2.set(propId, value)
用于设置摄像头
propId：设置的视频参数，类型：整数，
参数详情可参考(85条消息) cv2.VideoCapture.get、set详解_videocapture set_液压姬的博客-CSDN博客
value： 设置的参数
返回值：bool值：true:不能确保摄像头已接受属性值// flase:摄像头未接受属性值
该处使用的
cap.set(3, 640)指把视频流的帧(图片)的宽度调成480，3在视频流的帧的宽度，480为高度数值
cap.set(4, 480)指把视频流的帧(图片)的高度调成480，4在视频流的帧的高度，480为宽度的数值
while True:
success, img = cap.read()
cv2.imshow("Image", imgStacked)
if cv2.waitKey(1) & 0xFF == ord('q'):
break该段表示读取cap视频，并且利用循环持续遍历视频帧，
cap.read()
该函数有两个返回值，success指读取是否成功，img存储读取到的序列。
cv2.waitKey(1)在有按键按下的时候返回按键的ASCII值，否则返回-1
& 0xFF的按位与操作只取cv2.waitKey(1)返回值最后八位，因为有些系统cv2.waitKey(1)的返回值不止八位，ord(‘q’)表示q的ASCII值
该段用于按下q键后break
def preProcessing(img):
imgPre = cv2.GaussianBlur(img, (5, 5), 3)
thresh1 = cv2.getTrackbarPos("Threshold1", "Settings")
thresh2 = cv2.getTrackbarPos("Threshold2", "Settings")
imgPre = cv2.Canny(imgPre, thresh1, thresh2)
kernel = np.ones((3, 3), np.uint8)
imgPre = cv2.dilate(imgPre, kernel, iterations=1)
imgPre = cv2.morphologyEx(imgPre, cv2.MORPH_CLOSE, kernel)
return imgPre该函数对img进行处理，返回值为imgPre，首先对imgPre进行高斯去噪
可参考(85条消息) 机器视觉——图像平滑处理_几乎几乎的博客-CSDN博客
cv2.GaussianBlur(img, (5, 5), 3)
指对img进行处理，高斯矩阵长宽都为5，标准差取3
cv2.getTrackbarPos("Threshold1", "Settings")
用于读取滑动条，通过滑动滑块，改变 getTrackbarPos的值，并赋值给参数，该处第一个参数为创建的 Trackbar 名称，第二个参数为运行时打开的窗口名称，窗口创建下面再讲，
cv2.Canny(imgPre, thresh1, thresh2)
用于边缘检测，第一个参数为输入的图像，后两个参数分别为处理过程中的第一二的参数
不难看出，当thresh1, thresh2数值较小时，可以捕获更多的边缘信息
np.ones((3, 3), np.uint8)
dilate(imgPre, kernel, iterations=1)
morphologyEx(imgPre, cv2.MORPH_CLOSE, kernel)
以上函数代表对图像进行腐殖操作，具体使用以及介绍可参见(85条消息) 计算机视觉-腐殖&膨胀操作_几乎几乎的博客-CSDN博客(85条消息) 计算机视觉--开闭运算，梯度运算，黑帽礼帽_几乎几乎的博客-CSDN博客
def empty(a):
pass
cv2.namedWindow("Settings")
cv2.resizeWindow("Settings", 640, 240)
cv2.createTrackbar("Threshold1", "Settings", 219, 255, empty)
cv2.createTrackbar("Threshold2", "Settings", 233, 255, empty)创建窗口与滑动条
如图，创建了一个名为Settings的窗口，并且该窗口拥有两个滑动条，每个滑动条的数值上限为255，默认值分别为219，233，窗口大小为640*240，回调参数为empty即跳过，empty中的参数a为滑动条的当前值。
while True:
success, img = cap.read()
imgPre = preProcessing(img)
imgContours, conFound = cvzone.findContours(img, imgPre, minArea=20)
totalMoney = 0
imgCount = np.zeros((480, 640, 3), np.uint8)
if conFound:
for count, contour in enumerate(conFound):
peri = cv2.arcLength(contour['cnt'], True)
approx = cv2.approxPolyDP(contour['cnt'], 0.02 * peri, True)
if len(approx) > 5:
area = contour['area']
x, y, w, h = contour['bbox']
imgCrop = img[y:y + h, x:x + w]
# cv2.imshow(str(count),imgCrop)
imgColor, mask = myColorFinder.update(imgCrop, hsvVals)
whitePixelCount = cv2.countNonZero(mask)
# print(whitePixelCount)
if area < 2050:
totalMoney += 5
elif 2050 < area < 2500:
totalMoney += 1
else:
totalMoney += 2
# print(totalMoney)
cvzone.putTextRect(imgCount, f'Rs.{totalMoney}', (100, 200),scale=10,offset=30,thickness=7)
imgStacked = cvzone.stackImages(0.5,([img, imgPre],[imgContours,imgCount]))#把图像拼接到一起
cvzone.putTextRect(imgStacked, f'Rs.{totalMoney}', (50, 50))
cv2.imshow("Image", imgStacked)cv2.findContours()
用于轮廓检测，其两个返回值分别代表轮廓本身及每条轮廓所对应的属性
关于函数介绍可参见
(85条消息) cv2.findContours() 轮廓检测_cv2轮廓检测_Easennn的博客-CSDN博客
通过轮廓检测，当该轮廓切割线条大于五即认定目标，而后计算其面积，通过面积判断硬币面值，最后以Rs值作为结果输出。
myColorFinder = ColorFinder(False)
# Custom Orange Color
hsvVals = {'hmin': 0, 'smin': 0, 'vmin': 145, 'hmax': 63, 'smax': 91, 'vmax': 255}用于颜色检测，当硬币面值不同，大小相同时可用。
详情可见(88条消息) HSV颜色空间中颜色（红、黄、绿、 青、蓝、紫、 粉红、 砖红、 品红）对应的灰度范围_hsv颜色对照表_胖子工作室的博客-CSDN博客
最后附上完整代码
# -*- coding: utf-8 -*-
"""
Created on Tue May 23 17:27:19 2023
@author: Victor
"""
import cv2
import cvzone
import numpy as np
from cvzone.ColorModule import ColorFinder
cap = cv2.VideoCapture(0)
cap.set(3, 640)
cap.set(4, 480)
totalMoney = 0
myColorFinder = ColorFinder(False)
# Custom Orange Color
hsvVals = {'hmin': 0, 'smin': 0, 'vmin': 145, 'hmax': 63, 'smax': 91, 'vmax': 255}
def empty():
pass
cv2.namedWindow("Settings")
cv2.resizeWindow("Settings", 640, 240)
cv2.createTrackbar("Threshold1", "Settings", 219, 255, empty)
cv2.createTrackbar("Threshold2", "Settings", 233, 255, empty)
def preProcessing(img):
imgPre = cv2.GaussianBlur(img, (5, 5), 3)
thresh1 = cv2.getTrackbarPos("Threshold1", "Settings")
thresh2 = cv2.getTrackbarPos("Threshold2", "Settings")
imgPre = cv2.Canny(imgPre, thresh1, thresh2)
kernel = np.ones((3, 3), np.uint8)
imgPre = cv2.dilate(imgPre, kernel, iterations=1)
imgPre = cv2.morphologyEx(imgPre, cv2.MORPH_CLOSE, kernel)
return imgPre
while True:
success, img = cap.read()
imgPre = preProcessing(img)
imgContours, conFound = cvzone.findContours(img, imgPre, minArea=20)
totalMoney = 0
imgCount = np.zeros((480, 640, 3), np.uint8)
if conFound:
for count, contour in enumerate(conFound):
peri = cv2.arcLength(contour['cnt'], True)
approx = cv2.approxPolyDP(contour['cnt'], 0.02 * peri, True)
if len(approx) > 5:
area = contour['area']
x, y, w, h = contour['bbox']
imgCrop = img[y:y + h, x:x + w]
# cv2.imshow(str(count),imgCrop)
imgColor, mask = myColorFinder.update(imgCrop, hsvVals)
whitePixelCount = cv2.countNonZero(mask)
# print(whitePixelCount)
if area < 2050:
totalMoney += 5
elif 2050 < area < 2500:
totalMoney += 1
else:
totalMoney += 2
# print(totalMoney)
cvzone.putTextRect(imgCount, f'Rs.{totalMoney}', (100, 200),scale=10,offset=30,thickness=7)
imgStacked = cvzone.stackImages(0.5,([img, imgPre],[imgContours,imgCount]))#把图像拼接到一起
cvzone.putTextRect(imgStacked, f'Rs.{totalMoney}', (50, 50))
cv2.imshow("Image", imgStacked)
# cv2.imshow("imgColor", imgColor)
#cv2.waitKey(1)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
扫一扫
1241
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
