使用OpenCV和Python识别数字
这篇博客将演示如何使用OpenCV和Python识别图像中的数字。该方法只适用于七段显示器（通常在数字闹钟上看到 数字显示器）。通过提取七个片段中的每个片段并应用基本阈值和形态学运算，可以确定哪些片段处于“打开”状态，哪些片段处于“关闭”状态。
然后，通过在Python字典数据结构中查找开/关段，就可以快速确定实际数字，而无需机器学习！
1. 效果图
识别效果图如下：
2. 原理
2.1. 什么是七段显示器
一个很好的例子是经典的数字闹钟，每个数字由7个部分组成如下图：
>
事实上识别0~9 10个数字就够了，即目标是编写OpenCV和Python代码以识别图像中的这十个数字状态。
2.2 识别数字步骤
应用计算机视觉和图像处理操作来识别这些类型的数字（而无需机器学习！）的步骤如下：
当尝试识别/识别图像中的对象时，可以先花几分钟时间评估问题。鉴于最终目标是识别LCD显示屏上的数字，需要
-
将LCD定位在恒温器上。可以使用边缘检测完成此操作，因为塑料外壳和LCD之间有足够的对比度。
-
提取LCD。给定输入边缘贴图，可以找到轮廓并寻找具有矩形形状的轮廓-最大的矩形区域应对应于LCD。透视变换可以很好地提取LCD。
-
提取数字区域。一旦有了LCD本身就可以专注于提取数字。由于数字区域和LCD背景之间似乎存在对比，阈值和形态运算可以实现这一点。
-
识别数字。使用OpenCV识别实际数字，将数字ROI分为七个部分。因此可以对阈值图像应用像素计数，以确定给定的片段是“开”还是“关”。
3. 源码
# 导入必要的包
from imutils.perspective import four_point_transform
from imutils import contours
import imutils
import cv2
# 定义Python字典，代表0~9数字的七段数组
DIGITS_LOOKUP = {
(1, 1, 1, 0, 1, 1, 1): 0,
(0, 0, 1, 0, 0, 1, 0): 1,
(1, 0, 1, 1, 1, 0, 1): 2,
(1, 0, 1, 1, 0, 1, 1): 3,
(0, 1, 1, 1, 0, 1, 0): 4,
(1, 1, 0, 1, 0, 1, 1): 5,
(1, 1, 0, 1, 1, 1, 1): 6,
(1, 0, 1, 0, 0, 1, 0): 7,
(1, 1, 1, 1, 1, 1, 1): 8,
(1, 1, 1, 1, 0, 1, 1): 9
}
# 加载图像
image = cv2.imread("images\\clock.jpg")
# 1. LCD边缘可见
# 预处理步骤：保持宽高比的缩放，转换灰度，高斯模糊以减少高频噪音，Canny边缘检测器计算边缘图
image = imutils.resize(image, height=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(blurred, 50, 200, 255)
# 2. 提取LCD本身
# 在边缘图中寻找轮廓，并按面积大小倒序排列
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
displayCnt = None
# 遍历轮廓
for c in cnts:
# 应用轮廓近似
peri = cv2.arcLength(c, True)
approx = cv2.approxPolyDP(c, 0.02 * peri, True)
# 如果边缘有4个顶点（vertices），则找到了恒温器并展示
if len(approx) == 4:
displayCnt = approx
break
# 获得四个顶点后，可以通过四点透视变换提取LCD
# 提取恒温器，应用透视变换获得从上至下鸟瞰LCD图
warped = four_point_transform(gray, displayCnt.reshape(4, 2))
output = four_point_transform(image, displayCnt.reshape(4, 2))
# 3. 从LCD提取数字
# 阈值化透视变换后的图以在较亮的背景（即LCD显示屏的背景）上显示出较暗的区域（即数字）；
# 应用一系列形态学运算来清理阈值图像
thresh = cv2.threshold(warped, 0, 255,
cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (1, 5))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
# 应用轮廓过滤，寻找实际的数字
# 在阈值图像上寻找轮廓，并初始化数字轮廓lists
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
digitCnts = []
# 遍历数字候选区域
for c in cnts:
# 计算轮廓的边界框
(x, y, w, h) = cv2.boundingRect(c)
# 确定适当的宽度和高度约束需要几轮反复试验。建议循环遍历每个轮廓，分别绘制它们，并检查其尺寸。执行此过程可确保找到数字轮廓属性的共同点。
# 如果轮廓足够大，则它是一个数字
if w >= 15 and (h >= 30 and h <= 40):
digitCnts.append(c)
# 4. 实际识别每个数字
# 从左到右排序轮廓，并初始化实际的数字列表
digitCnts = contours.sort_contours(digitCnts,
method="left-to-right")[0]
digits = []
# 遍历每一个数字
for c in digitCnts:
# 提取数字ROI区域
(x, y, w, h) = cv2.boundingRect(c)
roi = thresh[y:y + h, x:x + w]
# 计算每一个七段部分的宽度、高度
(roiH, roiW) = roi.shape
(dW, dH) = (int(roiW * 0.25), int(roiH * 0.15))
dHC = int(roiH * 0.05)
# 定义七段的集合
# 根据ROI尺寸计算出每个段的近似宽度和高度。
segments = [
((0, 0), (w, dH)), # top
((0, 0), (dW, h // 2)), # top-left
((w - dW, 0), (w, h // 2)), # top-right
((0, (h // 2) - dHC), (w, (h // 2) + dHC)), # center
((0, h // 2), (dW, h)), # bottom-left
((w - dW, h // 2), (w, h)), # bottom-right
((0, h - dH), (w, h)) # bottom
]
on = [0] * len(segments)
# 遍历分段部分
for (i, ((xA, yA), (xB, yB))) in enumerate(segments):
# 提取分段ROI，计算segment的面积，并计算每个线段的非零像素总值
segROI = roi[yA:yB, xA:xB]
total = cv2.countNonZero(segROI)
area = (xB - xA) * (yB - yA)
# 如果非0像素的总数大于面积的50%，则认为分段是打开的
if total / float(area) > 0.5:
on[i] = 1
# 查找digit并显示在图像上
digit = DIGITS_LOOKUP[tuple(on)]
digits.append(digit)
cv2.rectangle(output, (x, y), (x + w, y + h), (0, 255, 0), 1)
cv2.putText(output, str(digit), (x - 10, y - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 255, 0), 2)
# 显示数字
print(u"{}{}.{} \u00b0C".format(*digits))
cv2.imshow("Input", image)
cv2.imshow("Output", output)
cv2.waitKey(0)