Python+OpenCV图像处理与识别 Step by Step

 

我们理解图像识别，总体上分三步：

• 图像的采集
• 图像的处理
• 图像的识别

其中，图像采集和处理是相辅相成的，如果图像的采集能够保证明暗色彩等要素的稳定和统一，那么在处理图像时成功率会提升很多；反之如果图像处理的算法足够强大，对图像采集的要求就会相对的降低。

而只有正确的进行了图像的处理后，图像才能够被识别。

 

图像的采集

图像采集需尽可能的保证图像的一致性，即图像的明暗程度、角度一致，这样能够为图像处理和识别提供很大的便利，提升成功率。

 

图像的处理

目的：

图像处理的最终目的是：截取便于识别的图像区域。

 

例：识别出图中温度计上的数字。

 

原理：

图像是由若干像素点构成，每个像素点的颜色都是由光的三原色（红、绿、蓝）组合而成。因此每个像素点都可以用一个元组（R，G，B）表示。其中R、G、B为0-255范围的数字, R即red，G即green，B即blue。（0,0,0）即黑色，（255,255,255）即白色，（255,0,0）即红色，（255,255,0）即黄色…图片其实就是一个二维数组，数组中的每个元素都是(R,G,B)元组。对图像的处理实际上就是对这个二维数组的处理。分辨率就是Image[m][n]这个数组的m和n。