opencv-python 关于识别滑块的一些经验和总结

关于opencv识别滑块

前言:目前市场上滑块的种类众多,opencv对每种滑块的识别处理方式也不一样,这里总结大部分的一些滑块的识别经验,如果说的哪里有问题欢迎指出,目前我也是根据我识别滑块的经验得出

滑块的种类
1、小缺口识别原图

该类滑块,一般需要得到两张图片,一张是缺口的图片,一张是带有缺口的原图,这种识别如果没有做很强的干扰在里面的话,这种识别其实是简单的,只要使用opencv的模板匹配功能即可,代码如下

from io import BytesIO
from PIL import Image
import cv2

# 读取二进制图片
image = np.array(Image.open(B
  • 6
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
好的,下面是 PythonOpenCV 实现七个颜色识别功能的代码,同时使用 PyQt5 库实现了滑块的控制: ```python import cv2 import numpy as np from PyQt5.QtWidgets import QApplication, QWidget, QSlider, QVBoxLayout from PyQt5.QtCore import Qt # 创建窗口和滑块控件 app = QApplication([]) window = QWidget() slider1 = QSlider(Qt.Horizontal) slider2 = QSlider(Qt.Horizontal) slider3 = QSlider(Qt.Horizontal) slider4 = QSlider(Qt.Horizontal) slider5 = QSlider(Qt.Horizontal) slider6 = QSlider(Qt.Horizontal) slider7 = QSlider(Qt.Horizontal) layout = QVBoxLayout() layout.addWidget(slider1) layout.addWidget(slider2) layout.addWidget(slider3) layout.addWidget(slider4) layout.addWidget(slider5) layout.addWidget(slider6) layout.addWidget(slider7) window.setLayout(layout) # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取每一帧图像 ret, frame = cap.read() if not ret: break # 转换颜色空间 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 进行七种颜色的二值化 lower_red = np.array([slider1.value(), slider2.value(), slider3.value()]) upper_red = np.array([slider1.value() + 10, slider2.value() + 10, slider3.value() + 10]) mask_red = cv2.inRange(hsv, lower_red, upper_red) lower_green = np.array([slider4.value(), slider5.value(), slider6.value()]) upper_green = np.array([slider4.value() + 10, slider5.value() + 10, slider6.value() + 10]) mask_green = cv2.inRange(hsv, lower_green, upper_green) lower_blue = np.array([slider7.value(), 100, 100]) upper_blue = np.array([slider7.value() + 10, 255, 255]) mask_blue = cv2.inRange(hsv, lower_blue, upper_blue) lower_yellow = np.array([20, 100, 100]) upper_yellow = np.array([30, 255, 255]) mask_yellow = cv2.inRange(hsv, lower_yellow, upper_yellow) lower_orange = np.array([10, 100, 100]) upper_orange = np.array([20, 255, 255]) mask_orange = cv2.inRange(hsv, lower_orange, upper_orange) lower_purple = np.array([130, 100, 100]) upper_purple = np.array([140, 255, 255]) mask_purple = cv2.inRange(hsv, lower_purple, upper_purple) lower_cyan = np.array([80, 100, 100]) upper_cyan = np.array([90, 255, 255]) mask_cyan = cv2.inRange(hsv, lower_cyan, upper_cyan) # 对每一帧图像进行颜色识别 for mask, color in zip([mask_red, mask_green, mask_blue, mask_yellow, mask_orange, mask_purple, mask_cyan], [(0, 0, 255), (0, 255, 0), (255, 0, 0), (0, 255, 255), (0, 128, 255), (128, 0, 128), (255, 255, 0)]): contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: area = cv2.contourArea(contour) if area > 100: x, y, w, h = cv2.boundingRect(contour) cv2.rectangle(frame, (x, y), (x+w, y+h), color, 2) # 显示识别结果 cv2.imshow('frame', frame) if cv2.waitKey(1) == ord('q'): break # 关闭窗口和摄像头 cv2.destroyAllWindows() cap.release() # 运行 PyQt5 应用程序 window.show() app.exec_() ``` 这个程序中,我们使用了 `numpy` 库中的 `array` 函数来创建颜色的阈值范围,使用 `cv2.inRange` 函数将图像二值化,使用 `cv2.findContours` 函数找到每个颜色的轮廓,使用 `cv2.rectangle` 函数在图像上绘制矩形框。 注意:程序中的颜色阈值范围是根据摄像头拍摄的实际情况进行调整的,具体实现可能需要根据实际情况进行修改和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

码王吴彦祖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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