opcv圆环识别

import numpy as np
import cv2
capture = cv2.VideoCapture(0)
while capture.isOpened():
    retval, image = capture.read()
    cv2.imshow("Video", image)
    key = cv2.waitKey(1)
    if key == 32:
        break
    img = image
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 70, param1=100, param2=50, minRadius=150, maxRadius=500)
    circles = np.uint(circles)
    for c in circles[0]:
        x, y, radius = c;
    # edged = cv2.Canny(blurred, 75, 200)
    # contours, hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # center, radius = cv2.minEnclosingCircle(contours[-1])
    # x = int(np.around(center[0]))
    # y = int(np.around(center[1]))
    cv2.circle(img, (x, y), int(radius), (0, 0, 255), 2)
    # sp = img.shape
    # img_x = int(np.around(sp[0] / 2))
    # img_y = int(np.around(sp[1] / 2))
    # k = 10 / (2 * int(radius))
    # d_x = (x - img_x) * k
    # d_y = (y - img_y) * k
    cv2.imshow("img", img)

capture.release()
cv2.destroyAllWindows()

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
车牌识别算法是计算机视觉领域中的一个热门话题,可以应用于交通管理、智能停车、安防监控等领域。下面我简单介绍一下基于 OpenCV 的车牌号识别算法。 1. 图像预处理 首先,需要对车牌图像进行预处理,包括灰度化、高斯滤波、二值化、膨胀和腐蚀等操作。这些操作可以使车牌区域更加突出,减少噪声干扰。 2. 车牌定位 车牌定位是车牌识别的关键步骤,其目的是将车牌从图像中分离出来。常用的车牌定位方法有基于颜色的方法和基于形状的方法。其中基于颜色的方法是通过颜色分割来定位车牌,而基于形状的方法是通过边缘检测和轮廓分析来定位车牌。 3. 字符分割 在将车牌分割成单个字符之前,需要对车牌进行旋转矫正,使其水平。然后,可以使用垂直投影法来确定字符之间的分割位置,然后将字符分割出来。 4. 字符识别 对于每个字符,可以使用字符特征提取和模式识别技术来进行识别。其中常用的特征提取方法有灰度共生矩阵、傅里叶变换和小波变换等。而模式识别技术包括支持向量机、神经网络和决策树等。 5. 车牌号码识别 对于识别出的单个字符,可以通过组合成车牌号码来完成车牌号码识别。常用的方法是基于模板匹配和基于特征的方法。 总的来说,基于 OpenCV 的车牌号识别算法需要经过图像预处理、车牌定位、字符分割、字符识别和车牌号码识别等多个步骤。其中每个步骤都有多个实现方法和技术选择,具体选用哪些方法需要根据实际情况进行选择。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值