opencv python 对指针仪表读数识别

我尝试了两种方式

用opencv 对指针仪表进行读数识别，

1. 先模板匹配，然后边缘检测 + 霍夫直线

2. 按轮廓大小过滤，然后边缘检测 + 霍夫直线

两种方式对光线都非常敏感
其中第一种的应用范围更广，背景复杂一点也能识别到
个人比较喜欢这种方式

第二种的限制多一点，对背景、光线条件要求比较高
对于固定位置，且明暗变化不大的情况下，这种方式还是很有效的

先说第一个方案，第二个方式就不说了

第一种方式：模板匹配，然后边缘检测 + 霍夫直线

if __name__ == "__main__":
    # 加载模板
    template = cv2.imread('./data/001.jpg',1)
    # 初始化
    am = C_ammerter(template)
    # 运行
    am.am_run()
    # 结束
    am.close()

模板图 001.jpg

下面给出def am_run(self)函数的处理流程 （整体比较乱~~~需要完整代码留下地址）

其中边缘检测之前需要对图像做一些处理：

    def am_run(self):
        while True:
            ret, frame = self.cap.read()
            if frame is None:
                print('video picture is none  --continue ')
                continue

            gray = frame.copy()
            # cv2.imshow('origin', gray)

            # 匹配模板 框出匹配区域
            image = gray.copy()
            maxval,t_left, b_right = self.get_match(gray)
            if maxval < 16000000000:  # 对匹配程度做判断
                print("---------------------------------------")
                print('matchTemplate is not enough  --continue')
                print("---------------------------------------")
                result =frame
                image=frame
            else:

                cv2.rectangle(image, t_left, b_right, 255, 2)



                # 高斯除噪
                kernel = np.ones((6,6), np.float32) / 36
                gray_cut_filter2D = cv2.filter2D(image[t_left[1]:t_left[1] +  self.h, t_left[0]:t_left[0] +  self.w], -1, kernel)

                # 灰度图 二值化
                gray_img = cv2.cvtColor(gray_cut_filter2D, cv2.COLOR_BGR2GRAY)
                ret, thresh1 = cv2.threshold(gray_img, 180, 255, cv2.THRESH_BINARY)

                # 二值化后 分割主要区域 减小干扰 模板图尺寸371*369
                tm = thresh1.copy()
                test_main = tm[50:319, 50:321]

                # 边缘化检测
                edges = cv2.Canny(test_main, 50, 150, apertureSize=3)

                # 霍夫直线
                lines = cv2.HoughLines(edges, 1, np.pi / 180, 60)
                if lines is None:
                    continue
                result = edges.copy()

                for line in lines[0]:
                    rho = line[0]  # 第一个元素是距离rho
                    theta = line[1]  # 第二个元素是角度theta
                    print('distance:' + str(rho), 'theta:' + str(((theta / np.pi) * 180)))
                    lbael_text = 'distance:' + str(round(rho))+  'theta:' + str(round((theta / np.pi) * 180-90,2))
                    cv2.putText(image, lbael_text,(t_left[0],t_left[1]-12),cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,0),2)
                    if (theta > 3 * (np.pi / 3)) or (theta < (np.pi / 2)):  # 从图像边界画出延长直线
                        # 该直线与第一行的交点
                        pt1 = (int(rho / np.cos(theta)), 0)
                        # 该直线与最后一行的焦点
                        pt2 = (int((rho - result.shape[0] * np.sin(theta)) / np.cos(theta)), result.shape[0])
                        # 绘制一条白线
                        cv2.line(result, pt1, pt2,255, 1)
                        # print('theat >180 theta<90')

                    else:  # 水平直线
                        # 该直线与第一列的交点
                        pt1 = (0, int(rho / np.sin(theta)))
                        # 该直线与最后一列的交点
                        pt2 = (result.shape[1], int((rho - result.shape[1] * np.cos(theta)) / np.sin(theta)))
                        # 绘制一条直线
                        cv2.line(result, pt1, pt2, 255, 1)   

            cv2.imshow('result', result)
            cv2.imshow('rectangle', image)
            if cv2.waitKey(1) & 0XFF == ord('q'):
                break

源码：https://gitee.com/laomaogu/py_opencv_meter.git.