opencv-python 进行识别（上）

对于图像清晰，遮挡不严重的仪表盘图像，采用代码量小，可快速识别的计算机视觉传统库--opencv-python就能很好地解决问题。由于它的简单性和代码可读性，使程序员可以用较少的代码行表达想法，而不会降低可读性，同时它提取物体边缘能力强，能很好获取仪表盘中指针，表盘区域信息。

opencv-python库的安装

我相信大部分计算机视觉人入门是从opencv开始，虽然后面使用深度学习逐渐增多，但不可否认的是opencv是我们处理图像的得力小助手。下面我介绍一下opencv-python库的安装与使用。

假如你的电脑未安装conda库管理工具，强烈建议你安装一下，它创建虚拟环境能更好地分出每个项目的工作库，避免你项目中环境混乱。

1.有conda情况：

step1:创建虚拟环境：conda create -n +你的环境名（可以像我一样conda create -n opencv）;

step2:进入虚拟环境：conda activate opencv;

step3:下载库资源：pip install pip install opencv-python,出现successfully证明你成功了，假如出现下载超时，可以在命令后加国内镜像源：-i mirrors.aliyun.com/pypi/simple...

2.无conda情况：

step1:进入sourceforge.net/projects/op...

step2:解压缩并将'opencv/build/python/2.7'路径下的cv2.pyd复制到python环境下的lib/site-packages

测试环境是否安装：

python 复制代码

import cv2 as cv  
print( cv.__version__ )

下面进入正题，如何对仪表盘进行处理：

仪表盘识别

对于仪表盘识别，我大致分为这三步：

对'0'刻度的识别；
对表盘区域的识别，计算出表盘中心；

对指针的识别；

对于'0'刻度的识别，我采用了模版匹配的方法，模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法，cv.matchTemplate()中含有几种比较方法，大家可以根据自己实际情况进行选择比较方法，需要注意的是方法是TM_SQDIFF或TM_SQDIFF_NORMED，最佳匹配结果应该取最小值。

python 复制代码

import cv2
img = cv2.imread('')#你的仪表盘图片
template = cv2.imread('F:/picturecut/example2.jpeg')#你的'0'刻度图片
            w, h = template.shape[:-1]
            methods = ['cv2.TM_CCORR_NORMED']
            for meth in methods:
                method = eval(meth)
                res = cv2.matchTemplate(img, template, method)
                min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

                if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
                    top_left = min_loc
                else:
                    top_left = max_loc
                    bottom_right = (top_left[0] + w, top_left[1] + h)
                    zero = ((top_left[0] + bottom_right[0]) // 2, (top_left[1] + bottom_right[1]) // 2)
                    cv2.circle(img, zero, 5, (0, 0, 255), -1)
                cv2.imshow('result',img);
                cv2.waitKey(0)

到此，你可以看到出现了标记'0'刻度的图像。