图像综合处理小设计实验—opencv背景分割，硬币检测

图像综合处理小设计—opencv背景分割，硬币检测

一、机器视觉图像的目标与背景的分割与提取

1.主要要求：

对输入图像可以达到目标和背景的分割 建议方法： （1）将已知图像进行消噪处理 （2）对彩色图像进行目标和背景分析 （3）通过阈值法将图像进行分割 （4）确定目标的位置 实现效果：左一为原始图像，左二为分割提取的目标；右一为要求图片。

2.算法代码

hsv = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)
lower_red = np.array([0,43,46])
upper_red = np.array([10,255,255])
lower_yellow = np.array([20,43,46])
upper_yellow = np.array([34,255,255])
markr = cv2.inRange(hsv, lower_red, upper_red)
marky = cv2.inRange(hsv, lower_yellow, upper_yellow)
#腐蚀运算，腐蚀掉较小噪点
kerne2 = np.ones((9,9),np.uint8)
res1 = cv2.morphologyEx(markr, cv2.MORPH_DILATE, kerne2)
res2 = cv2.morphologyEx(marky, cv2.MORPH_DILATE, kerne2)
cv2.imshow('img_org',new_img)
cv2.imshow("redapple", res1)
cv2.imshow("yellowapple", res2)

3.效果

二、基于Sobel算子完成对图像的搜索

1.主要要求：

从图像中检索出飞机图像，要求五架飞机全部找到。 建议方法： （1）对待检测图片进行预处理（灰度化、二值化）； （2）对图像进行边缘提取； （3）改进算子，使图像达到标准对照图像效果。

2.主要代码

image = cv2.imread('pla.jpeg')  #plane5.jpg
gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
ret1, th1 = cv2.threshold(gray, 55, 255, cv2.THRESH_BINARY)
sobel_x = cv2.Sobel(gray,cv2.CV_64F,1,0,3)
sobel_y = cv2.Sobel(gray,cv2.CV_64F,0,1,3)
sobel_x = cv2.convertScaleAbs(sobel_x)
sobel_y = cv2.convertScaleAbs(sobel_y)
sobel_xy = cv2.addWeighted(sobel_x,0.2,sobel_y,0.8,0)
bin = cv2.bitwise_not(th1)
kerne2 = np.ones((3,3),np.uint8)
bin = cv2.morphologyEx(bin, cv2.MORPH_OPEN, kerne2)
images = [image,gray,bin,sobel_xy]
imgaesTitle = ['org', 'gray','bin', 'sobel']
plt.figure()
for i in range(4):
    plt.subplot(2, 2, i + 1)
    plt.imshow(images[i], 'gray')
    plt.title(imgaesTitle[i])
plt.show()

3.效果

三、硬币检测及计数

1.主要要求：

白色背景上扔几枚不同面值的硬币，拍摄图像，通过图像处理，获取硬币的数目及 金额。 建议方法： （1）图像分割； （2）边缘检测、滤波去燥； （3）连通区域检测，判断硬币个数； （4）边缘图像通过霍夫变换检测圆，进而检测硬币金额。

2.主要代码

（1）方法一：canny算子检测边缘

coins = cv2.imread('coin8.jpeg')
#coins = cv2.imread('coin6.jpeg')
n = 0.2
sp = coins.shape
height = round(n * sp[0])
weight = round(n * sp[1])
coins= cv2.resize(coins, (weight, height))
coins_gray = cv2.cvtColor(coins, cv2.COLOR_RGB2GRAY)
blurred = cv2.GaussianBlur(coins_gray, (11, 11), 0)
edge = cv2.Canny(blurred,0,220)  # 用Canny算子提取边缘
cv2.imshow('thresh',edge)
cnts = cv2.findContours(edge.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
print('硬币个数：',len(cnts))
cv2.drawContours(coins, cnts, -1, (0, 0, 255), 2)
cv2.imshow(str(len(cnts))+("coins"), coins)

（2）方法二：霍夫变换检测圆

coins=cv2.imread('coin.jpg')
n = 0.2
sp = coins.shape
height = round(n * sp[0])
weight = round(n * sp[1])
img= cv2.resize(coins, (weight, height))
cv2.imshow('img',img)
#灰度化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#输出图像大小，方便根据图像大小调节minRadius和maxRadius
print('图像调整后大小',img.shape)
#霍夫变换圆检测
circles= cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,100,param1=100,param2=30,minRadius=5,maxRadius=100) #coin.jpg
#输出返回值，方便查看类型
print('所有圆的信息\n',circles)
#输出检测到圆的个数
print('硬币个数为',len(circles[0]))
#根据检测到圆的信息，画出每一个圆
for circle in circles[0]:
    #圆的基本信息
    print(circle[2])
    #坐标行列
    x=int(circle[0])
    y=int(circle[1])
    #半径
    r=int(circle[2])
    #在原图用指定颜色标记出圆的位置
    img=cv2.circle(img,(x,y),r,(0,0,255),3)
for i in range(len(circles[0])):
    r=circles[0][i][2]
    if r>57 and r<63:
        print('硬币面值为1角')
    elif r>63 and r<=68:
        print('硬币面值为5角')
    else:
        print('硬币面值为1元')

3.效果

（1）方法一：canny算子检测边缘

（2）方法二：霍夫变换检测圆