python - 使用 opencv 计算特定颜色像素的图像识别

Question

我的代码得到许多带有数字的小图像。我尝试将其与我的模板进行比较并获得正确的数据。它起作用了..

original= cv2.imread('im/10.png')
sought = (254,254,254)
result = np.count_nonzero(np.all(original==sought,axis=2))

正如您在这些情况下看到的，白色数字位于图片的不同角落，没有问题，结果(白色像素的数量)相等，我得到了 18=18。但现在有新照片 , .

首先，这里的数字不是 (254,254,254)。我认为图像可能更暗淡。或质量较差，我尝试使用:

result = np.count_nonzero(np.all(original > 200,axis=2))

不幸的是，它给了我不同的数据。两张里面有 13 的图片不相等。

我想要什么:

从深色背景中指出白色数字的方法，周围的细白色圆圈除外。 (在 13 张图片中)圆圈不是问题，如果我在中心裁剪图像并去掉圆圈，我的结果不会改变 - 13 仍然!= 13。

也许可以将图像转换为灰度，也许转换为 HSV，也许只是为了使其更亮或更对比度。

像素计数对我来说很有好处，它非常快而且通常很准确。

我再说一遍:现在我的代码看到两张有 13 个不同的图片(有不同的颜色，或亮度或黑白比例，我不知道)我想摆脱这个问题。

Answer 1

我建议您首先对图像进行阈值处理，这意味着带有字母的像素的值为 255，其余的为 0。这可以通过 OpenCV 的自适应阈值函数来完成(您可以参见 this 答案)。

然后，您将需要一种更好的方法来确定数字。仅仅计算白色像素的数量还不够稳健。例如，数字 13 和 31 应该具有相同数量的白色像素。这可能会破坏你的算法。

这里最好的解决方案是人工智能。例如，您可以查看 Python Tesseract，但是有很多 Python 软件包和教程。只需谷歌this ，您会得到有用的答案，例如 this一。甚至还有像 this 这样的教程一个。

如果你不想使用人工智能，那么你的算法总会在某个地方出问题。