万用表数据导出变化曲线图——pycharm实现视频数据导出变化曲线图

2024-03-10 07:44

本文主要是介绍万用表数据导出变化曲线图——pycharm实现视频数据导出变化曲线图,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!

万用表数据导出变化曲线图——pycharm实现视频数据导出变化曲线图

  • 一、效果展示
  • 二、环境配置
  • 三、代码构思
  • 四、代码展示
  • 五、代码、python环境包链接

一、效果展示

图1.1 效果展示
(左图:万用表视频截图;右图:表中数据变化曲线图)

二、环境配置

软件:PyCharm 2021.1.3 (Professional Edition)

python环境包:放在文章结尾文件链接,其中 .yaml 文件

三、代码构思

Created with Raphaël 2.3.0 Start 预备工作:拍摄一段万用表视频 预备工作:裁剪视频、读取视频每秒帧数 代码1:将视频按帧数截屏至某文件夹下 代码2:ocr 截屏文件夹下所有文件 代码3:正则表达式筛选截图中数字数据,并修正数据 代码4:绘图 End

四、代码展示

# functions.py
import cv2
import os
import glob# video to img
def extract_frames(video_path, output_folder, interval):cap = cv2.VideoCapture(video_path)frame_count = 0while cap.isOpened():ret, frame = cap.read()if not ret:breakif frame_count % interval == 0:output_path = f"{output_folder}/frame_{interval}_{frame_count // interval}.jpg"cv2.imwrite(output_path, frame)frame_count += 1cap.release()# 计数文件夹里的文件个数
def count_files_in_directory(directory):return len([f for f in os.listdir(directory) if os.path.isfile(os.path.join(directory, f))])# 删除文件夹下的图片
def del_imgs(folder_path):# 定义要删除的图片文件夹路径# 获取文件夹中所有图片文件的路径image_files = glob.glob(os.path.join(folder_path, '*.jpg')) + glob.glob(os.path.join(folder_path, '*.png'))# 遍历所有图片文件并删除for image_file in image_files:os.remove(image_file)
# img_to_plot.py
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocatordef wyb_plot(Real_time_value, Maximum, Average, Minimum, fps, title, x_scale=2, y_scale=0.500):x = [i for i in range(len(Real_time_value))]plt.figure(dpi=200)x_major_locator = MultipleLocator(x_scale)# 把x轴的刻度间隔设置为2,并存在变量里y_major_locator = MultipleLocator(y_scale)# 把y轴的刻度间隔设置为0.0500,并存在变量里ax = plt.gca()# ax为两条坐标轴的实例ax.xaxis.set_major_locator(x_major_locator)# 把x轴的主刻度设置为1的倍数ax.yaxis.set_major_locator(y_major_locator)# 把y轴的主刻度设置为10的倍数# # 绘制柱状图# y = Real_time_value# plt.bar(x, y)# 绘制曲线图plt.plot(x, Real_time_value, label='Real_time_value')plt.plot(x, Maximum, label='Maximum')plt.plot(x, Average, label='Average')plt.plot(x, Minimum, label='Minimum')# 绘制曲线图,并标出最大值和最小值max_y = np.max(Real_time_value)min_y = np.min(Real_time_value)max_index = np.argmax(Real_time_value)min_index = np.argmin(Real_time_value)plt.annotate("(%s,%s)" % (x[max_index], max_y), xy=(x[max_index], max_y), xytext=(x[max_index], max_y + 0.5),textcoords='offset points',color='red')plt.savefig('wyb_plot.png')plt.annotate("(%s,%s)" % (x[min_index], min_y), xy=(x[min_index], min_y), xytext=(x[min_index], min_y - 0.5),textcoords='offset points',color='green')max_y = np.max(Maximum)min_y = np.min(Maximum)max_index = np.argmax(Maximum)min_index = np.argmin(Maximum)plt.annotate("(%s,%s)" % (x[max_index], max_y), xy=(x[max_index], max_y), xytext=(x[max_index], max_y + 0.5),textcoords='offset points',color='red')plt.savefig('wyb_plot.png')plt.annotate("(%s,%s)" % (x[min_index], min_y), xy=(x[min_index], min_y), xytext=(x[min_index], min_y - 0.5),textcoords='offset points',color='green')max_y = np.max(Average)min_y = np.min(Average)max_index = np.argmax(Average)min_index = np.argmin(Average)plt.annotate("(%s,%s)" % (x[max_index], max_y), xy=(x[max_index], max_y), xytext=(x[max_index], max_y + 0.5),textcoords='offset points',color='red')plt.savefig('wyb_plot.png')plt.annotate("(%s,%s)" % (x[min_index], min_y), xy=(x[min_index], min_y), xytext=(x[min_index], min_y - 0.5),textcoords='offset points',color='green')max_y = np.max(Minimum)min_y = np.min(Minimum)max_index = np.argmax(Average)min_index = np.argmin(Average)plt.annotate("(%s,%s)" % (x[max_index], max_y), xy=(x[max_index], max_y), xytext=(x[max_index], max_y + 0.5),textcoords='offset points',color='red')plt.savefig('wyb_plot.png')plt.annotate("(%s,%s)" % (x[min_index], min_y), xy=(x[min_index], min_y), xytext=(x[min_index], min_y - 0.5),textcoords='offset points',color='green')plt.xlabel('x/'+str(fps)+"fps")plt.ylabel('y/A')plt.title(title)plt.legend()plt.savefig('wyb_plot.png')# plt.show()
# main.py
import functions
import numpy as np
import ocr_imgs
import img_to_plot# 用户告知!/ Users informed!
print("Welcome to use wyb_project!")
print("Please place the video under the video folder")# 逻辑判断 / logical judgment
video_path_lj = int(input("Whether to set the video_path( default video_path = ./video/wybdata.mp4)(1/0): "))
interval_lj = int(input("Whether to set the interval( default screenshot / fps = 30)(1/0): "))video_path = "./video/wybdata.mp4"
output_folder = "./img"
# 输入 video name / Enter your video name
if video_path_lj:vi_name = input("Enter a video name(mind add suffix): ")video_path = "./video/" + vi_name# screenshot/fps
interval = 30  # 默认每隔30帧截取一张图片
if interval_lj:interval = int(input("screenshot / fps: "))# screenshot
extract_frames = functions.extract_frames
extract_frames(video_path, output_folder, interval)# 计数文件夹里的文件个数
directory = output_folder
count_files_in_directory = functions.count_files_in_directory
file_count = count_files_in_directory(directory) - 1# 定义要遍历的文件夹路径
folder_path = output_folder
# 每帧计数
frame_count = 0
# 数据数组
data_str = []
# 丢失数组
data_lost = []# ocr imgs
ocr_imgs = ocr_imgs.ocr_imgs(file_count, folder_path, interval, data_str, data_lost)data_float = [float(x) for x in data_str]# 绘图
# 定义万用表绘制的数据列表
Real_time_value = []
Maximum = []
Average = []
Minimum = []for i in range(len(data_float)):if i % 4 == 0:Real_time_value.append(data_float[i])Maximum.append(data_float[i + 1])Average.append(data_float[i + 2])Minimum.append(data_float[i + 3])fps = interval  # 30
Real_time_value = np.array(Real_time_value)
Maximum = np.array(Maximum)
Average = np.array(Average)
Minimum = np.array(Minimum)x_y_lj = int(input("Whether to set x and y axis scale( default x_scale=2, y_scale=0.500)(1/0): "))
if x_y_lj:x_scale = float(input("input x axis scale: "))y_scale = float(input("input y axis scale: "))title_lj = int(input("Whether to set the title of plot ( default \"wyb_plot\")(1/0): "))
if title_lj:title = input("enter a title for plot: ")title = "wyb_plot"
wyb_plot = img_to_plot.wyb_plot(Real_time_value, Maximum, Average, Minimum, fps, title, x_scale=2, y_scale=0.500)img_del_lj = int(input("Whether to delete imgs of imgs folder( default delete)(1/0): "))
if img_del_lj:folder_path = output_folderdel_imgs  = functions.del_imgs(folder_path)
# ocr_imgs.py
from cnocr import CnOcr
import redef ocr_imgs(file_count, folder_path, interval, data_str, data_lost):# 遍历文件夹文件(图片),进行文字识别for frame_count in range(file_count):img_fp = f"{folder_path}/frame_{interval}_{frame_count}.jpg"ocr = CnOcr()  # 所有参数都使用默认值out_list = ocr.ocr(img_fp)data_list = []for dict in out_list:text = dict.get('text')match = re.search(r'[0-9Oo][.,][0-9Oo][0-9Oo][0-9Oo][0-9Oo]|[Q][0-9Oo][0-9Oo][0-9Oo][0-9Oo]', text)  # 正则化匹配if match:result = match.group()# print(result)# with open('output.txt', 'a') as f:#     print(result, file=f)result = result.replace('O', '0').replace('o', '0').replace(',', '.')  # 修正数据data_list.append(result)# with open('output.txt', 'a') as f:#     print(result, file=f)if len(data_list) % 4 == 0:data_str += data_listelse:print("数据丢失," + "frame_" + str(interval) + "_" + str(frame_count) + ".jpg" + "未采集")data_lost.append(frame_count)# 手动采集图片数据 / manual captureman_cap = int(input("Whether manual collection(1/0): "))if man_cap:for frame in data_lost:data_ins = 0for i in range(4):if i == 0:data_ins = (input("rea: "))if i == 1:data_ins = (input("max: "))if i == 2:data_ins = (input("ave: "))if i == 3:data_ins = (input("min: "))data_str.insert((file_count - len(data_list) + 1) * 4 + i, data_ins)

五、代码、python环境包链接

wyb_project https://www.alipan.com/s/dKwQhvHpb4Z 提取码: 6mm1
点击链接保存,或者复制本段内容,打开「阿里云盘」APP ,无需下载极速在线查看,视频原画倍速播放。

这篇关于万用表数据导出变化曲线图——pycharm实现视频数据导出变化曲线图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/793536

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,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考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,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... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("