python实现图像识别_利用Python实现图像识别工具

一、概述

这里通过 python + PyQt5 + 百度AI 实现简单的图片识别工具。

二、流程

设计图片识别工具界面

选择识别类型

通用物体

菜品

车辆

选择要识别的图片

显示识别结果

三、开发工具准备

百度API接口

进入百度AI,注册登录后直接申请一个API,具体操作如下:

百度AI官网

进入官网,界面如下。

eb0c33237fdb?utm_campaign=haruki&utm_content=note&utm_medium=seo_notes&utm_source=recommendation

image

点击上图中的 图像识别 ,然后注册、登录。

eb0c33237fdb?utm_campaign=haruki&utm_content=note&utm_medium=seo_notes&utm_source=recommendation

image

登录后,直接创建图像识别的应用。

eb0c33237fdb?utm_campaign=haruki&utm_content=note&utm_medium=seo_notes&utm_source=recommendation

image

填写相关信息即可创建成功。

eb0c33237fdb?utm_campaign=haruki&utm_content=note&utm_medium=seo_notes&utm_source=recommendation

image

成功后,返回点击管理应用,可以得到百度API的相关参数(AppID, API Key, Secret Key)。

eb0c33237fdb?utm_campaign=haruki&utm_content=note&utm_medium=seo_notes&utm_source=recommendation

image

到这里,就算是准备好了图像识别最重要的工具。

最后,就是对百度API的使用了。如果不懂得如何使用百度API,可以通过查看官网上的相关文档。

python相关库的下载

下载百度API支持的库

pip install baidu-

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像轮廓识别是一种常见的图像处理技术,可以用于物体检测、边缘检测、模式识别等领域。Python中的OpenCV库提供了丰富的图像处理功能,包括图像轮廓识别功能。下面介绍如何使用Python Opencv实现图像轮廓识别功能。 1. 导入库 首先需要导入OpenCV库。可以使用以下代码导入: ```python import cv2 import numpy as np ``` 2. 读取图像并转化为灰度图像 使用cv2.imread()函数读取图像,并使用cv2.cvtColor()函数将图像转化为灰度图像。代码如下: ```python img = cv2.imread("image.jpg") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ``` 3. 进行图像处理 在进行轮廓识别前,需要对图像进行一些处理,如图像平滑、二值化等。这里使用cv2.GaussianBlur()函数进行高斯平滑处理,并使用cv2.threshold()函数进行二值化处理。代码如下: ```python blur = cv2.GaussianBlur(gray, (5, 5), 0) ret, binary = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY) ``` 4. 进行轮廓识别 使用cv2.findContours()函数进行轮廓识别。该函数返回一个轮廓列表和一个层次结构。代码如下: ```python contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) ``` 5. 绘制轮廓 使用cv2.drawContours()函数绘制轮廓。代码如下: ```python cv2.drawContours(img, contours, -1, (0, 255, 0), 2) ``` 6. 显示图像 使用cv2.imshow()函数显示图像,并使用cv2.waitKey()函数等待按键。代码如下: ```python cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 完整代码如下: ```python import cv2 import numpy as np img = cv2.imread("image.jpg") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) ret, binary = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img, contours, -1, (0, 255, 0), 2) cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 运行代码后,将显示原图像和识别出的轮廓。

“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
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