压力表刻度图片识别
算法设计思想：
- 使用霍夫变换检测圆心的位置
- 使用sobel算子进行表盘刻度和0点位置的检测
- 从圆心出发画出一条水平线与检测出来的表盘刻度相交（记录两点所在的刻度值k1k_1k1和k2k_2k2）
- 计算每一个刻度所代表的度数值v=(k2−k1)/πv=(k_2-k_1)/πv=(k2−k1)/π
- 使用霍夫变换进行表盘中指针的检测，并得到直线的两点坐标
- 计算圆点与0点的直线与指针的直线的相交的夹角α
- 得出指针指向的刻度值：v∗αv*αv∗α
使用霍夫变换检测圆心的位置
# 获取表盘圆心坐标
image = cv2.imread('./data/001.jpg') # 加载图像
output = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转换成灰度图像
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 200) # 检测圆
center_point_x = 0
center_point_y = 0
if circles is not None:
circles = np.round(circles[0, :]).astype('int') # 将圆(x, y)坐标和半径转换成int
for (x, y, r) in circles:
center_point_x = x
center_point_y = y
print(f"圆心坐标为：（{center_point_x},{center_point_y}）")
使用sobel算子进行表盘刻度和0点位置的检测
# 识别表盘中刻度盘的位置以及0点的位置 rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (11, 11)) # 初始化一对结构化的内核： gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转换为灰度图片 tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel) # 礼帽运算：分离比邻近点亮一些的斑块 gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1) # Sobel算子进行边缘检测 gradX = np.absolute(gradX) (minVal, maxVal) = (np.min(gradX), np.max(gradX)) # 获取gradX矩阵中的最大数和最小数进行归一化操作 gradX=(255*(gradX-minVal)/(maxVal-minVal)) # 归一化操作：使图像更加的清晰 gradX = gradX.astype("uint8") gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel) # 对表盘图片做闭操作(类似模板图片操作) thresh = cv2.threshold(gradX, 124, 250,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] # 二值化表盘图片 contours, _ = cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) # 计算表盘刻度轮廓 locs_ref2 = [] locs_ref3 = [] for (i, c_ref) in enumerate(contours): (x, y, w, h) = cv2.boundingRect(c_ref) # 最小矩形 if 402>w and 350<w: locs_ref2.append((x, y, w, h)) # 获取分割后的模板图片 if 36>w and 13<w and 34>h and 18<h: locs_ref3.append((x, y, w, h)) # 添加0点位置 locs_ref3 = sorted(locs_ref3, key=lambda x: x[0]) zero_point_x = locs_ref3[0][0] zero_point_y = locs_ref3[0][1] + locs_ref3[0][3] print(f"表盘的刻度位置和大小为：{locs_ref2}") print(f"表盘零点的位置为：（{zero_point_x}，{zero_point_y}）")
从圆心出发画出一条水平线与检测出来的表盘刻度相交
# 获取与圆心平行的两个点的坐标 dis_x = locs_ref2[0][0] dis_y = locs_ref2[0][1] dis_w = locs_ref2[0][2] dis_h = locs_ref2[0][3] left_point_x = dis_x left_point_y = center_point_y right_point_x = dis_x + dis_w right_point_y = center_point_y print(f"与圆心平行的刻度点坐标为：({left_point_x},{left_point_y})") print(f"与圆心平行的刻度点坐标为：({right_point_x},{right_point_y})")
计算每一个刻度所代表的度数值
# 计算每一刻度对应的角度值 ratio = (1.3-0.18)/math.pi print(f"每一刻度对应的弧度制为：{ratio}")
使用霍夫变换进行表盘中指针的检测，并得到直线的两点坐标
# 利用霍夫变换进行指针的检测 img = cv2.GaussianBlur(gray,(3,3),0) result=img.copy() cannyImage = cv2.Canny(img,120,243.20999999999998,apertureSize = 3) HoughLines=cv2.HoughLines(cannyImage,1, np.pi/ 180, 40 + 1) for line in HoughLines[0]: rho = line[0] # 第一个元素是距离rho theta = line[1] # 第二个元素是角度theta if (theta < (np.pi/4. )) or (theta > (3.*np.pi/4.0)): # 垂直直线 #该直线与第一行的交点 pt1 = (int(rho/np.cos(theta)),0) #该直线与最后一行的焦点 pt2 = (int((rho-result.shape[0]*np.sin(theta))/np.cos(theta)),result.shape[0]) #绘制一条白线 cv2.line( result, pt1, pt2, (255)) else: #水平直线 # 该直线与第一列的交点 pt1 = (0,int(rho/np.sin(theta))) #该直线与最后一列的交点 pt2 = (result.shape[1], int((rho-result.shape[1]*np.cos(theta))/np.sin(theta))) #绘制一条直线 cv2.line(result,pt1,pt2,(255),1) print(f"霍夫变换识别到的两个点是：({pt1},{pt2})")
计算圆点与0点的直线与指针的直线的相交的夹角α
# 计算两条直线之间的夹角 AB = [center_point_x,center_point_y,zero_point_x,zero_point_y] CD = [pt2[0],pt2[1],pt1[0],pt1[1]] def angle(v1, v2): dx1 = v1[2] - v1[0] dy1 = v1[3] - v1[1] dx2 = v2[2] - v2[0] dy2 = v2[3] - v2[1] angle1 = math.atan2(dy1, dx1) angle1 = int(angle1 * 180/math.pi) angle2 = math.atan2(dy2, dx2) angle2 = int(angle2 * 180/math.pi) if angle1*angle2 >= 0: included_angle = abs(angle1-angle2) else: included_angle = abs(angle1) + abs(angle2) if included_angle > 180: included_angle = 360 - included_angle return included_angle degree = angle(AB, CD) print(f"两条直线之间的夹角为{degree}度")
得出指针指向的刻度值
# 计算指针所指向的刻度值 scale_value = degree * ratio print(f"指针指向的刻度值为{scale_value}")
在表盘上显示刻度
# 在表盘上标记识别的数据 cv2.putText(image, str(scale_value), (center_point_x-40,center_point_y-40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 3) cv2.imshow("image",image) cv2.waitKey(0)
