Python+OpenCV图像处理与识别 Step by Step

 

我们理解图像识别，总体上分三步：

• 图像的采集
• 图像的处理
• 图像的识别

其中，图像采集和处理是相辅相成的，如果图像的采集能够保证明暗色彩等要素的稳定和统一，那么在处理图像时成功率会提升很多；反之如果图像处理的算法足够强大，对图像采集的要求就会相对的降低。

而只有正确的进行了图像的处理后，图像才能够被识别。

 

图像的采集

图像采集需尽可能的保证图像的一致性，即图像的明暗程度、角度一致，这样能够为图像处理和识别提供很大的便利，提升成功率。

 

图像的处理

目的：

图像处理的最终目的是：截取便于识别的图像区域。

 

例：识别出图中温度计上的数字。

 

原理：

图像是由若干像素点构成，每个像素点的颜色都是由光的三原色（红、绿、蓝）组合而成。因此每个像素点都可以用一个元组（R，G，B）表示。其中R、G、B为0-255范围的数字, R即red，G即green，B即blue。（0,0,0）即黑色，（255,255,255）即白色，（255,0,0）即红色，（255,255,0）即黄色…图片其实就是一个二维数组，数组中的每个元素都是(R,G,B)元组。对图像的处理实际上就是对这个二维数组的处理。分辨率就是Image[m][n]这个数组的m和n。

 

Step1——压缩与灰度图

照相机采集到的图像，分辨率可能很大，在处理图片前，先根据实际需要对图片进行压缩，我们把它压缩到800*600：

image = cv.resize(image, (800, 600), interpolation=cv.INTER_AREA)

图像处理第一步通常是把彩色的图像变成灰度图:

gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

灰度图其实是利用了人类心理对于不同色彩的亮度的认知，经典转换公式：

Gray=(R*0.299+G*0.587+B*0.114)

效果如下图，这样每个像素点的描述就从（R，G，B）三个向量变成了一个亮度的数值Gray（0-255）。这是进行后续算法的基础。

 

Step2——二值化

灰度图中每个像素点都是用0-255中的一个数字表示的，而二值化的意思是设置一个阈值，按照阈值把灰度变成黑白，阈值之上都是255，阈值之下都是0。由于此图中数字是黑色的，所以我们需要反转黑白，让数字显示为白色：

(_, thresh) = cv.threshold(gray, 55, 255, cv.THRESH_BINARY_INV)

效果如下图，需要注意的是，这个阈值的设置是与图像采集重要相关的。可以采用参考系来选定阈值。

另外，我们可以看到图像中除了数字外还有很多白色或黑色的无用噪点。接下来应对噪点进行处理。

 

Step3——腐蚀和膨胀

为了去掉二值图中除了数字之外的白颜色的“噪声”，我们使用的方法是，先腐蚀，然后再膨胀。

腐蚀的意思是，扩展图像中黑色的部分。由于图像中白色的噪声与数字相比要细小，所以腐蚀后白色噪声会消失，而数字会变细变小。

膨胀的意思是，扩展图像中白色的部分。这样可以去掉黑色的噪点，数字变细后，再膨胀，把数字部分适当的扩大。

erode = cv.erode(thresh, None, iterations=5)
pic = cv.dilate(erode, None, iterations=15)

效果如下图，代码中进行了5次腐蚀，之后进行了15次膨胀，这样图像中数字的范围会比真实的数字略大，保证切割出的数字范围内包括了数字的全体。

 

Step4——横向模糊

为划定数字的范围，需要把Step3图中白色数字框起来。由于数字间依然存在黑色的缝隙和孔洞，所以我们要进行模糊，用白色填充上这些缝隙。我们想把两行数字分开划分区域，因此只做横向的模糊：

rectkernel = cv.getStructuringElement(cv.MORPH_RECT, (100, 1))
closed = cv.morphologyEx(pic, cv.MORPH_CLOSE, rectkernel)

效果如右图，这里用的是闭运算方法，本质上也是先膨胀后腐蚀。横向上做大范围的闭运算，纵向上基本忽略。

 

Step5——获取矩形轮廓

利用OpenCV提供的API，获取Step4图中白色区域的矩形轮廓，并对轮廓的大小做出限定（宽度小于400像素）。

(cnts, _) = cv.findContours(closed.copy(), cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
image_parts = []
for cnt in cnts:
    x, y, w, h = cv.boundingRect(cnt)
    if w < 400:
        cv.rectangle(image,(x,y),(x+w,y+h),(0,255,0),3)
        image_parts.append(gray[y:y + h, x:x + w])

这样就可以获得到数字的范围了。

把Step1中的灰度图按照Step5得到的数字范围截取下来，就可以进行下一步的处理了。

 

Step6——数字图像部分处理

为了进行后续的图像识别算法，要把图像部分进行再次的二值化、去噪处理，这样就得到了我们目标的图像：

(_, thresh) = cv.threshold(gray_image, THRESHOLD, 255, cv.THRESH_BINARY)
kernel = cv.getStructuringElement(cv.MORPH_RECT, (1, 1))
dilate = cv.dilate(thresh, kernel)
pic = cv.erode(dilate, kernel)

效果如右图，图像处理部分就结束了。

下面开始识别切割下的数字的图像中的内容。

 

图像的识别

OCR（Optical Character Recognition，光学字符识别）

电子设备检查纸上或图像中的字符，通过检测暗亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字

数字识别采用的步骤如下：

• 分割为单个数字
• 对每个数字采集特征值
• 把特征值与数据库中数字的特征值比较，

      得到结果

其中，分割成单个数字是指把26.3分割成2 6 . 3四个部分，然后再进一步的识别每个部分。

采集特征值，由于0-9包括小数点每个数字的特征都比较明显，为提升执行速度，我们用了相对简单的算法采集特征。

数据库是指特征值数据库，这个数据库是用户通过训练建立的。

 

Step1——分割为单个数字

数字图片边缘存在黑边（图片采集时的阴影）。边缘阴影特点是越靠近边缘越宽（长）。图片此时实际上是以数组的数组形式保存的，每一行像素都是个数组，像素值是0（白）或1（黑）。可以通过遍历边缘向内侵蚀的方法把与边缘接壤的1全部变成0。

把数组中上下左右全部为0的边缘部分切掉。

在切掉边缘后，找数组中黑色部分的起始和终止点，可以得知单个数字的个数和单个数字的范围。

在获取单个数字范围后，切割下每个数字，后续识别特征值。

 

Step2——采集特征值

特征值采集我们采用的算法是把数字分割成四份，每份中黑色部分占整体的比例保存成一个值，设为a。整个数字中黑色占整体的比例保存成一个值，设为A。这样就有一个5维的向量： （a1，a2，a3，a4，A）

这个向量就是这个数字的特征值。

在进行特征值比较前，我们需要对所有的数字（0-9，.）进行特征值的采集，并保存到数据库中。这个过程叫做训练。由于图像采集的结果，每个数字可能存在微小的差异，我们训练采集到的特征值越多，最后特征比较的结果就越准确。

 

Step3——特征值识别

比较两个向量，向量最接近的就是最相似的。

 

效果：