python cv2 指针仪表读数

2023-11-03 12:10
文章标签 python 指针 cv2 仪表 读数

本文主要是介绍python cv2 指针仪表读数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

cv2识别指针式仪表(持续更新)

    • 问题描述
    • 解决方案
    • 效果预览
    • python cv2实现
      • 1、模板匹配
      • 2、直线拟合
      • 3、表盘读数
    • 提升准确率的方法
    • 参考资料


问题描述

最近遇到一个仪表盘读数的问题,主要要识别三种仪表盘
四分之一圆
圆形
双指针
参考了许多博客和论文,打算先用一种传统的方法试一下


解决方案

方案一:传统方法

  1. 模板匹配
  2. 直线拟合
  3. 表盘读数

方案二: 深度学习 (后续实现)

  1. YOLOX等目标检测方法识别表盘
  2. 目标检测方法识别数字、指针、指针旋转原点
  3. 欧式距离求相邻数字
  4. 字符识别模型识别数字
  5. 根据相邻数字求得指针所指数值

效果预览

1、原图
原图
2、模板图
模板图
3、模板匹配结果
模板匹配结果
4、识别结果

可以看出识别结果会有细微的偏差,但是通过调参可以缩小误差


python cv2实现

1、模板匹配

选取合适的模板图,并根据模板图中关键点坐标求出各角度对应数值

import cv2
import numpy as np
from math import cos, pi, sin, acos#模板匹配方法
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR','cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']
method = cv2.TM_CCOEFF_NORMED#centers表示所有模板图片的指针中心点坐标,(0,0)位于图片左上角
centers = [[47,50],[67,74],[102,96],[63,64],[66,67],[65,67],[107,105],[104,106],[94,89],[57,55],[66,71]]
#scales表示所有模板图片刻度线所在坐标
scales=[{0:(8,68),1000:(7,46),2000:(14,20),3000:(38,8),4000:(64,5),5000:(84,22),6000:(98,42),7000:(96,66)},{0:(13,67),150:(17,50),200:(21,36),250:(30,27),300:(41,22),450:(65,18)},{0:(24,97),1000:(27,73),1500:(30,50),2000:(47,40),2500:(56,28),3000:(68,25),4000:(83,16),5000:(93,16),6000:(99,17)},{0:(14,63),50:(19,48),100:(26,29),150:(44,17),200:(65,13)},{0:(14,67),200:(17,46),300:(24,32),400:(36,22),500:(50,15),600:(65,13)},{0:(15,66),10:(14,55),20:(19,39),30:(32,36),40:(46,15),50:(63,13)},{0:(30,105),1:(26,86),2:(36,71),3:(40,52),4:(58,42),5:(71,27),6:(90,27),7.2:(110,19)},{0:(20,105),20:(21,80),40:(35,58),60:(54,39),80:(77,27),100:(101,26)},{0:(25,90),0.5:(24,77),1.0:(32,57),1.5:(47,38),2.0:(66,24),2.5:(91,19)},{0:(13,55),100:(12,45),200:(18,29),300:(29,19),400:(38,12),600:(57,10)},{0:(18,71),200:(16,62),400:(21,43),600:(31,26),800:(43,18),1000:(64,14)}]
#angles表示所有模板图片对应刻度相对中心点的角度
angles=[]
#模板原图大小
original_template_image_size = [(128,124),(107,105),(164,166),(99,97),(104,107),(106,99),(163,160),(161,162),(140,140),(95,104),(112,114)]#计算各个模板图刻度对应的角度
def calculate_angles(centers, scales):template_number = len(centers)for i in range(0, template_number):angles.append({})#print(f"模板{i+1}:")for k, v in scales[i].items():#第一个模板图片为圆形表盘,以中心点为轴,→为起始边向下旋转所成角度为r,r属于(0,360)if i == 0:r = acos((v[0] - centers[i][0])/((v[0] - centers[i][0]) ** 2 + (v[1] - centers[i][1]) ** 2) ** 0.5)r = int(r * 180 / pi)if 1000 < k < 7000:r = 360 - relse:r = acos((centers[i][0] - v[0])/((v[0] - centers[i][0]) ** 2 + (v[1] - centers[i][1]) ** 2) ** 0.5)r = int(r * 180 / pi)angles[i][k]=r#print(f"{k}刻度的角度为:",angles[i][k])calculate_angles(centers,scales)

Tips:

  1. 模板匹配方法的选取可能对结果产生巨大影响
  2. 模板图片选取十分重要!!

2、直线拟合

对于一红一黑双指针问题,先识别红指针,再识别黑指针。具体问题具体分析,关键在于获取指针角度,而不是识别出指针

#获取指定图片的指针角度
def get_pointer_angle(img, template_type):#shape = img.shapecenter = centers[template_type]center_x = center[0]center_y = center[1]freq_list = []#圆形表盘if template_type == 0:for i in range(361):x = 0.6 * center_x * cos(i * pi / 180) + center_xy = 0.6 * center_x * sin(i * pi / 180) + center_yx1 = 0.4 * center_x * cos(i * pi / 180) + center_xy1 = 0.4 * center_x * sin(i * pi / 180) + center_ytemp = img.copy()cv2.line(temp, (int(x1), int(y1)), (int(x), int(y)), 255, thickness=2)freq_list.append((np.sum(temp), i))#cv2.imshow('get_pointer_angle', temp)#cv2.waitKey(10)else:for i in range(91):x = center_x - 0.6 * center_x * cos(i * pi / 180)y = center_y - 0.6 * center_x * sin(i * pi / 180)temp = img.copy()cv2.line(temp, (center_x, center_y), (int(x), int(y)), 255, thickness=2)freq_list.append((np.sum(temp), i))#cv2.imshow('get_pointer_angle', temp)#cv2.waitKey(30)#cv2.destroyAllWindows()freq = max(freq_list, key = lambda x:x[0])return freq[1]#对于一红一黑双指针,先识别出红指针
def get_red_pointer_angle(img, template_type):center = centers[template_type]center_x = center[0]center_y = center[1]freq_list = []for i in range(91):x = center_x - 0.6 * center_x * cos(i * pi / 180)y = center_y - 0.6 * center_y * sin(i * pi / 180)temp = img.copy()cv2.line(temp, (center_x, center_y), (int(x), int(y)), (0, 0, 255), thickness=2)#cv2.imshow('red_pointer', temp)#cv2.waitKey(30)temp = np.sum(temp, axis=0)temp = np.sum(temp, axis=0)#获取图片中红色亮度的总和temp = temp[2]freq_list.append((np.sum(temp), i))#cv2.destroyAllWindows()freq = min(freq_list, key = lambda x:x[0])red_pointer_angle = freq[1]return red_pointer_angle

3、表盘读数

根据指针角度求数值

#根据角度和表盘类型,求得指针式仪表盘数值
def get_pointer_meter_value(angle, template_type):#value是所要求得指针数值,scale_value_down是刚好小于指针数值的表盘刻度数值,scale_value_over是刚好大于指针数值的表盘刻度数值value = 0scale_value_down = -1scale_value_up = 0#表盘为圆形if template_type == 0:if angles[template_type][0] < angle < angles[template_type][1000]:scale_value_down = 0scale_value_up = 1000elif angles[template_type][1000] < angle < angles[template_type][2000]:scale_value_down = 1000scale_value_up = 2000elif angles[template_type][2000] < angle < angles[template_type][3000]:scale_value_down = 2000scale_value_up = 3000elif angles[template_type][3000] < angle < angles[template_type][4000]:scale_value_down = 3000scale_value_up = 4000elif angles[template_type][4000] < angle < angles[template_type][5000]:scale_value_down = 4000scale_value_up = 5000elif angles[template_type][5000] < angle < angles[template_type][6000]:scale_value_down = 5000scale_value_up = 6000elif angles[template_type][7000] < angle < angles[template_type][0]:return 0else:angles_difference_angle = angles[template_type][7000] + 360 - angles[template_type][6000]if angle > angles[template_type][6000]:pointer_difference_angle = angle - angles[template_type][6000]else:pointer_difference_angle = angle + 360 - angles[template_type][6000]value = 6000 + 1000 * pointer_difference_angle / angles_difference_anglereturn value#表盘为四分之一圆else:    for k,v in angles[template_type].items():if angle < v:if k==0:return 0else:scale_value_up = kif scale_value_down != -1:break;else:scale_value_down = kangles_difference_angle = angles[template_type][scale_value_up] - angles[template_type][scale_value_down] #刻度线间角度差值pointer_difference_angle = angle - angles[template_type][scale_value_down]#下游刻度线与指针角度的差值value = scale_value_down + (scale_value_up-scale_value_down) * pointer_difference_angle / angles_difference_anglereturn value

提升准确率的方法

  1. 选用更规范的模板图片
  2. 选用其他模板匹配方法
  3. 调整模板图尺寸
  4. 直线拟合时采用更高精度
  5. 直线拟合选取更优直线宽度
  6. 高斯滤波等去噪手段预处理

完整源码地址:https://github.com/frankstorming/meter_reading


参考资料

使用OpenCV进行仪表数值读取

基于深度学习的指针式仪表图像智能读数方法

这篇关于python cv2 指针仪表读数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/338088

相关文章

详解如何使用Python提取视频文件中的音频

《详解如何使用Python提取视频文件中的音频》在多媒体处理中,有时我们需要从视频文件中提取音频,本文为大家整理了几种使用Python编程语言提取视频文件中的音频的方法,大家可以根据需要进行选择... 目录引言代码部分方法扩展引言在多媒体处理中,有时我们需要从视频文件中提取音频,以便进一步处理或分析。本文

python多种数据类型输出为Excel文件

《python多种数据类型输出为Excel文件》本文主要介绍了将Python中的列表、元组、字典和集合等数据类型输出到Excel文件中,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参... 目录一.列表List二.字典dict三.集合set四.元组tuplepython中的列表、元组、字典

VSCode配置Anaconda Python环境的实现

《VSCode配置AnacondaPython环境的实现》VisualStudioCode中可以使用Anaconda环境进行Python开发,本文主要介绍了VSCode配置AnacondaPytho... 目录前言一、安装 Visual Studio Code 和 Anaconda二、创建或激活 conda

pytorch+torchvision+python版本对应及环境安装

《pytorch+torchvision+python版本对应及环境安装》本文主要介绍了pytorch+torchvision+python版本对应及环境安装,安装过程中需要注意Numpy版本的降级,... 目录一、版本对应二、安装命令(pip)1. 版本2. 安装全过程3. 命令相关解释参考文章一、版本对

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》:本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音

基于Python开发PDF转PNG的可视化工具

《基于Python开发PDF转PNG的可视化工具》在数字文档处理领域,PDF到图像格式的转换是常见需求,本文介绍如何利用Python的PyMuPDF库和Tkinter框架开发一个带图形界面的PDF转P... 目录一、引言二、功能特性三、技术架构1. 技术栈组成2. 系统架构javascript设计3.效果图

Python如何在Word中生成多种不同类型的图表

《Python如何在Word中生成多种不同类型的图表》Word文档中插入图表不仅能直观呈现数据,还能提升文档的可读性和专业性,本文将介绍如何使用Python在Word文档中创建和自定义各种图表,需要的... 目录在Word中创建柱形图在Word中创建条形图在Word中创建折线图在Word中创建饼图在Word

Python Excel实现自动添加编号

《PythonExcel实现自动添加编号》这篇文章主要为大家详细介绍了如何使用Python在Excel中实现自动添加编号效果,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1、背景介绍2、库的安装3、核心代码4、完整代码1、背景介绍简单的说,就是在Excel中有一列h=会有重复

Python FastAPI入门安装使用

《PythonFastAPI入门安装使用》FastAPI是一个现代、快速的PythonWeb框架,用于构建API,它基于Python3.6+的类型提示特性,使得代码更加简洁且易于绶护,这篇文章主要介... 目录第一节:FastAPI入门一、FastAPI框架介绍什么是ASGI服务(WSGI)二、FastAP

Python中Windows和macOS文件路径格式不一致的解决方法

《Python中Windows和macOS文件路径格式不一致的解决方法》在Python中,Windows和macOS的文件路径字符串格式不一致主要体现在路径分隔符上,这种差异可能导致跨平台代码在处理文... 目录方法 1:使用 os.path 模块方法 2:使用 pathlib 模块(推荐)方法 3:统一使