opencv-python图像处理3---工业用表计数识别3

最新推荐文章于 2025-03-17 14:59:48 发布
最新推荐文章于 2025-03-17 14:59:48 发布
阅读量2.3k 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： emgucv-图像处理+深度学习 文章标签： opencv python 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zhangdaoliang1/article/details/121170712
本文介绍了使用OpenCV-Python进行工业表盘读数识别的方法，包括圆检测、模板匹配、计算读数的步骤。通过寻找圆心、模板匹配确定起始点，并计算刻度值来得出准确结果。由于自带模板匹配效果不佳，作者提出了改进的思路。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

做这个表盘识数的时候更多的是来自之前一家公司，他们想做表盘读数，当时也就顺便做了一下，就当自己学习了，后面发现在群里也有小伙伴有这个需求，就想到好好做下，也许后面自己也会遇到这样的需求，就当是自己项目积累了。之前也用另外一种方法做了下，感觉误差很大，不是很智能。所以准备换一种方法在做下。

目录

1、思路

2、代码实现

1、圆检测

2、匹配

 3、计算读数

4、代码展示

3、总结

先上图：

 

1、思路

寻找圆心---->模板匹配------>寻找起始点------>计算刻度值------->得到结果

2、代码实现

1、圆检测

了解本专栏 订阅专栏 解锁全文 超级会员免费看
opencv-python图像处理2---工业用表计数识别2
qianxun
11-03 570
做这个表盘识数的时候更多的是来自之前一家公司，他们想做表盘读数，当时也就顺便做了一下，就当自己学习了，后面发现在群里也有小伙伴有这个需求，就想到好好做下，也许后面自己也会遇到这样的需求，就当是自己项目积累了。 目录 1、思路 1、圆检测： 2、极坐标转换： 3、最后结果： 2、代码实现 3、思考 前面也做过一个计表读数识别 opencv-python图像处理1----表盘计数自动读取+vs2019+python_zhangdaoliang1的博客-优快云博客做这个表盘识数的时候更多的是.
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
热门推荐
盼小辉丶的博客
08-10 26万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
[OpenCV+VS2015]表计读数识别（一）：表计位置检测（表计歪的咋办！？）
weixin_49578216的博客
06-08 3497
[OpenCV+VS2015]表计读数识别（一）：表计位置检测 本文是基于传统视频图像处理办法检测表计读数，作者资历尚浅，如有不足之处，欢迎指正，谢谢！ 目录[OpenCV+VS2015]表计读数识别（一）：表计位置检测1 位置检测的思路2 位置提取2.1 kmeans颜色聚类 1 位置检测的思路 当时拿到手有如下的几个思路想法： a、表计都是圆的，可以用hough变换圆形检测，再用mask掩膜提取，就可以完成位置的确定 b、表盘的颜色有一定的分布，比如外圈是黑色原框，内部是白色表盘底。可以先用聚类的方式让
飞桨AI进阶实战：工业表计读数(记录)
AI浩
12-14 4072
准备阶段 第一步：创建Notebook模型任务 step1:进入BML主页，点击立即使用 ????：https://ai.baidu.com/bml/ step2:点击Notebook，创建“通用任务” step3:填写任务信息 第二步：下载任务操作模板 下载链接：https://aistudio.baidu.com/aistudio/datasetdetail/120387 目标检测模型训练 第一步：配置Notebook 1.找到昨天创建的Notebook任务，点击配置 2.配置选择 开发语
opencv-python图像处理3
热衷开源的Boy
03-01 193
宽高比 x,y,w,h = cv.boundingRect(cnt) aspect_ratio = float(w)/h 范围 area = cv.contourArea(cnt) x,y,w,h = cv.boundingRect(cnt) rect_area = w*h extent = float(area)/rect_area 体积 area = cv.contourArea(cnt)...
python视觉之各种仪表识别
royallucky的博客
01-29 1万+
视觉之工业表计识别单指针、单刻度仪表 随着人工智能的发展，现在各行各业都在开始被AI渗透，其中最成功的当属工业，尤其是在安防、巡检板块。该文章将就工业中比较有挑战的仪表识别进行记录，免得自己以后忘了。毕竟做算法这一块，逻辑是最关键的，打死也不能忘的 目前本人做过的项目，算得上是把常见的一些仪表都做了，当然肯定也有我没接触到的种类 图1 图2 图3 图4 图5 图6 从技术的角度，我将他们分为了4种，针对四种类型，分别做了一个project 单指针、单刻度仪表 就像图1、图2、图4，这种类型的仪表应该是最
opencv-python图像处理 ---图像轮廓检测与代码实现
勤劳鸟儿
01-09 6442
一·、轮廓检测 边缘检测虽然能够检测边缘，但是其边缘并不是连续的，图像轮廓用于检测一个整体，来用于后续进行其他处理。opencv提供了两个函数来完成这些操作： findContours():该函数可以查找轮廓 drawContours():绘制轮廓 轮廓与边缘的区别在于：轮廓是一条完整、连续的边缘。轮廓上的像素点表示实际图像中的连续曲线–即物体的外形轮廓。 函数的具体用法： contours, hierarchy = cv2.findContours(img, mode=, method=) 传入参数说
基于OpenVINO部署的工业表计读数监测产业实践范例全流程详解
PaddlePaddle
06-16 668
飞桨产业实践范例库联合OpenVINO开源表计读数的产业应用方案，提供了模型在Intel平台上优化到部署的完整方案，降低产业落地门槛，适用于电力、能源行业的各种应用场景。
【计算机视觉】工业表计读数（2）--表计检测
最新发布
zkw54334的博客
03-17 1809
工业表计（如压力表、电表、气表等）在工控系统、能源管理等领域具有重要应用。然而，传统人工抄表不仅工作量大、效率低，而且容易产生数据误差。近年来，基于深度学习的目标检测方法在工业检测中展现出极大优势，其中YOLO（You Only Look Once）系列模型因其端到端的检测流程和实时性备受关注。本文以YOLO11为基础，构建了一套完整的表计检测系统，实现对表计区域的自动识别与裁剪，为后续的读数识别奠定基础。
opencv 表识别 工业表智能识别 数字式表盘识别
2201_76061576的博客
12-27 597
识别 工业表智能识别 数字式表盘识别，指针式表盘刻度识别，分为表检测，表盘纠正，刻度分割，刻度拉直识别。
python-opencv的表针识别、自动读数
07-02
通过opencv进行边缘检测、直线检测、圆心检测的等最后求出表盘读数，显示结果 也有直接购买的付费链接https://download.youkuaiyun.com/download/qq_44781688/20009503 不急的想白嫖也可以 请私信 如果能看见会回复的
emeocv:使用OpenCV读取并识别电表的计数器
05-28
emeocv 使用OpenCV读取并识别电表的计数器。 先决条件 g ++，制作 OpenCV 2、3、4（Debian / Ubuntu / Raspbian： apt-get install libopencv-dev ）-使用OpenCV 2.3.1开发，后来移植到OpenCV 3.2.0和4.2.0 RRDtool（ apt-get install rrdtool librrd-dev ） log4cpp（ apt-get install liblog4cpp5-dev ） 建造 cd emeocv make 用法 emeocv [-i <dir>|-c <cam>] [-l|-t|-a|-w|-o <dir>] [-s <delay>] [-v <level>] Image input: -i <image> : read image fil
基于opencv的水银温度计数值读取代码，使用C++语言
01-07
基于opencv4.5使用C++实现对水银温度计图像的数值进行读取，可以从整张图像中读取出水银温度计的当前显示度数。
OpenCV 表盘指针自动读数的示例代码
01-20
前段时间参加了一个表盘指针读数的比赛，今天来总结一下 数据集一共有一千张图片： 方法一：径向灰度求和 基本原理： 将图像以表盘圆心转换成极坐标，然后通过矩阵按行求和找到二值图最大值即为指针尖端 导入需要用到的包 import cv2 as cv import numpy as np import math from matplotlib import pyplot as plt import os 图像预处理 去除背景：利用提取红色实现 def extract_red(image): 通过红色过滤提取出指针 red_lower1 = np.array([0
深度学习赋能工业测量：基于PaddleOCR的工频场强计读数识别全流程演练
sybh的博客
06-25 689
本文演示了如何利用 PaddleOCR/PaddleClas/PaddleSeg 进行工频场强计读数识别。模型评价指标ScorePaddleSegmIoU0.9805PaddleClastop11.0PaddleOCRacc可以看到，基于此次数据集的模型，最终识别结果接近90%，而且，这只是在标注了27张图片的基础上得到的。如果后续标注更多数据、进行数据集增强，并选用更优秀的识别模型，结果将更具实用价值。
[OpenCV+VS2015]表计读数识别（三）：表计指针、表中心位置确定以及最后效果
weixin_49578216的博客
06-09 1569
[OpenCV+VS2015]表计读数识别（三）：表计指针与表中心位置确定 1 思路 经过仿射变换后的表计已经扭正，然后进行canny边缘提取即可。 下图是经过canny边缘提取后，框选的表计刻度图像 这个是表计中心图像 该为表计指针图像 然后后面就是一些三角形计算的出角度来确定显示的读数 使用Opencv自带的API完成即可 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210609180649625.png?x-oss-process=image/wate
OpenCV 【十二】OpenCV如何扫描图像、利用查找表和计时
格物致知
12-22 360
OpenCV 【十二】
opencv学习篇（5）OpenCV如何扫描图像、利用查找表和计时
qq_27789527的博客
11-04 554
图像矩阵是如何存储在内存之中的？ 在我的教程 Mat - 基本图像容器 中，你或许已了解到，图像矩阵的大小取决于我们所用的颜色模型，确切地说，取决于所用通道数。如果是灰度图像，矩阵就会像这样： 而对多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。例如，RGB颜色模型的矩阵： 注意到，子列的通道顺序是反过来的：BGR而不是RGB
opencv学习记录（4）OpenCV如何扫描图像、利用查找表和计时
Ashawn的专栏
02-20 493
图像矩阵存储 图像矩阵的大小取决于我们所用的颜色模型，确切地说，取决于所用通道数。如果是灰度图像，矩阵就会像这样： 而对多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。例如，RGB颜色模型的矩阵： 注意到，子列的通道顺序是反过来的：BGR而不是RGB。很多情况下，因为内存足够大，可实现连续存储，因此，图像中的各行就能一行一行地连接起来，形成一个长行。
OpenCV-Python实现公路车辆识别与计数技术探讨
“基于OpenCV-Python的公路车辆识别与计数功能研究，作者朱景昊等人，探讨了在智能交通系统中使用传统图像处理方法，尤其是通过OpenCV库实现车辆识别与计数，并与深度学习方案（如YOLOv3和SORT算法）进行了对比。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mrs.Gril

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值