使用OpenCV计算滑块缺口(2)

上一篇 openCV 计算滑块缺口,执行可能出现问题,这一篇文章,是上一版本的补充(https://blog.csdn.net/weixin_42883164/article/details/137604965)

实现计算滑块缺口的步骤:

接口部分参照上述文章,重写detect_displacement 方法:

bash 复制代码
def detect_displacement(img_slider_path, image_background_path):
    """detect displacement"""
    # # 参数0是灰度模式
    image = cv2.imread(img_slider_path, 0)
    # print("灰度模式")
    # show(image)

    image_cv2 = cv2.imread(img_slider_path)

    gray = cv2.cvtColor(image_cv2, cv2.COLOR_BGR2GRAY)
    # print("BGR模式")
    # show(gray)

    # 3. 二值化处理
    _, binary_image = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    # print("二值化")
    # show(binary_image)

    # 4. 查找轮廓
    contours, hierarchy = cv2.findContours(binary_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)


    # 5. 在原图上绘制轮廓
    image_with_contours = cv2.drawContours(image, contours, -1, (0, 255, 0), 1)  # 最后一个参数是轮廓线条的厚度

    # print("绘制轮廓")
    # show(image_with_contours)

    template = cv2.imread(image_background_path, 0)
    # show(template)

    #使用 matchTemplate 函数进行模板匹配
    res = cv2.matchTemplate(_tran_canny(image), _tran_canny(template), cv2.TM_CCOEFF_NORMED)
    # 最小值,最大值,并得到最小值, 最大值的索引
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    print(max_val)
    print(max_loc)

    # top_left = min_loc[0]  # 横坐标
    # 展示圈出来的区域
    x, y = max_loc  # 获取x,y位置坐标
    w, h = image.shape[::-1]  # 宽高
    cv2.rectangle(template, (x, y), (x+w, y+h), (0, 0, 255), 2) #左上 右下 边框颜色,线条厚度
    show(template)
    top_left = x+w
    return top_left

实现效果:

相关推荐
Zero_to_zero12342 分钟前
NVSpeech_170k 数据集音频提取处理
人工智能·音视频
聚集的流星32 分钟前
大模型提示词工程调优
人工智能
东方佑1 小时前
从音频到Token:构建原神角色语音识别模型的完整实践
人工智能·音视频·语音识别
dlraba8021 小时前
基于 OpenCV 与 SIFT 算法的指纹识别系统实现:从匹配到可视化
人工智能·opencv·计算机视觉
shizidushu1 小时前
Hugging Face NLP课程学习记录 - 3. 微调一个预训练模型
人工智能·学习·自然语言处理·微调·huggingface
格林威1 小时前
机器视觉在半导体制造中有哪些检测应用
人工智能·数码相机·yolo·计算机视觉·视觉检测·制造·相机
月岛雫-2 小时前
“单标签/多标签” vs “二分类/多分类”
人工智能·分类·数据挖掘
云卓SKYDROID2 小时前
无人机飞行速度模块技术要点概述
人工智能·无人机·飞行速度·高科技·云卓科技
币须赢2 小时前
英伟达Thor芯片套件9月发货 “物理AI”有哪些?
大数据·人工智能
格林威3 小时前
机器视觉检测如何使用360 度全景成像镜头进行AI 瑕疵检测
人工智能·深度学习·数码相机·机器学习·计算机视觉·视觉检测·相机