Opencv数一数有多少个水晶贴纸?

1.目标-数出有多少个贴纸

好久没更新博客了,最近家里小朋友在一张A3纸上贴了很多水晶贴纸,要让我帮他数有多少个,看上去有点多,贴的也比较随意,于是想着使用Opencv来识别一下有多少个。

原图如下:

代码:

复制代码
import cv2
import numpy as np
from matplotlib import pyplot as plt


def count_stars(image_path):
    # 读取图像
    image = cv2.imread(image_path)

    # # 显示原始图像
    # plt.figure()
    # plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
    # plt.title('Original Image')

    # 转换为灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # # 显示灰度图像
    # plt.figure()
    # plt.imshow(gray, cmap='gray')
    # plt.title('Gray Image')

    # 应用高斯模糊以减少噪声
    gs=85
    blurred = cv2.GaussianBlur(gray, (gs, gs), 0)

    # # 显示高斯模糊后的图像
    # plt.figure()
    # plt.imshow(blurred, cmap='gray')
    # plt.title('Blurred Image')
    # # plt.show()

    # 使用自适应阈值进行二值化
    binary = cv2.adaptiveThreshold(blurred, 255,
                                   cv2.ADAPTIVE_THRESH_MEAN_C,
                                   cv2.THRESH_BINARY_INV, 125, 2)

    # 显示二值化后的图像
    plt.figure()
    plt.imshow(binary, cmap='gray')
    plt.title('Binary Image')
    plt.show()

    # 查找轮廓
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL,
                                   cv2.CHAIN_APPROX_SIMPLE)

    # 绘制轮廓
    contour_image = np.copy(image)
    cv2.drawContours(contour_image, contours, -1, (0, 255, 0), 3)

    # 计数星星(即轮廓的数量)
    star_count = len(contours)
    # 显示带有轮廓的图像
    plt.figure()
    plt.imshow(cv2.cvtColor(contour_image, cv2.COLOR_BGR2RGB))
    plt.title('Image with Contours'+str(star_count))
    plt.show()

    return star_count

# 图像路径
image_path = '202406150928253.jpg'

# 计算星星数量
num_stars = count_stars(image_path)
print(f'Number of stars: {num_stars}')

2.使用原图计算效果

有很多斑点干扰了统计结果。

3.图像优化处理

对图像进行优化处理再进行计算。使用PS工具对图像背景进行去除。

PS处理之后的图(魔术橡皮擦擦掉背景)),有些透明水晶贴纸和背景色接近被处理了一部分。

最后的结果没有进行人工确认,不过看上去基本是正确的。有兴趣的朋友可以比对一下。

仔细看左上角有点问题,多了一些,擦除后重新计算得到209个,家里小朋友数的202个。

相关推荐
北京搜维尔科技有限公司36 分钟前
搜维尔科技:【应用】Xsens在荷兰车辆管理局人体工程学评估中的应用
人工智能·安全
说私域39 分钟前
基于开源 AI 智能名片 S2B2C 商城小程序的视频号交易小程序优化研究
人工智能·小程序·零售
YRr YRr39 分钟前
深度学习:Transformer Decoder详解
人工智能·深度学习·transformer
知来者逆44 分钟前
研究大语言模型在心理保健智能顾问的有效性和挑战
人工智能·神经网络·机器学习·语言模型·自然语言处理
云起无垠1 小时前
技术分享 | 大语言模型赋能软件测试:开启智能软件安全新时代
人工智能·安全·语言模型
老艾的AI世界1 小时前
新一代AI换脸更自然,DeepLiveCam下载介绍(可直播)
图像处理·人工智能·深度学习·神经网络·目标检测·机器学习·ai换脸·视频换脸·直播换脸·图片换脸
翔云API2 小时前
PHP静默活体识别API接口应用场景与集成方案
人工智能
浊酒南街2 小时前
吴恩达深度学习笔记:卷积神经网络(Foundations of Convolutional Neural Networks)4.9-4.10
人工智能·深度学习·神经网络·cnn
Tony聊跨境2 小时前
独立站SEO类型及优化:来检查这些方面你有没有落下
网络·人工智能·tcp/ip·ip
懒惰才能让科技进步2 小时前
从零学习大模型(十二)-----基于梯度的重要性剪枝(Gradient-based Pruning)
人工智能·深度学习·学习·算法·chatgpt·transformer·剪枝