交通标志定位与识别python和opencv

交通标志定位与识别

最近在用python和opencv做交通标志的定位和检测,本案例只能检测出限速标志的交通标志,第一次写博客,写的不好请见谅. 博主也是刚刚接触机器视觉的学习,后期会继续发布一些这方面的内容,希望我们可以互相学习,共同进步,

先说一下代码的运行效果吧 这里是一张图片的原图和运行以后的结果

1.导入需要模块,先创建一个变量a后面会用到

import cv2 as cv import numpy as np import os a=0

2,加载图片

src=cv.imread('tim.jpg')

3,提取红色和蓝色部分,这张图片只有红色的部分,但是有的图片上的交通标志是蓝色的,所以这里就提取了红蓝两种颜色**

hsv = cv.cvtColor(src,cv.COLOR_BGR2HSV) low_hsv=np.array([0,43,46]) high_hsv=np.array([10,255,255]) low_hsv2=np.array([100,43,46]) high_hsv2=np.array([124,255,255]) mask=cv.inRange(hsv,lowerb=low_hsv,upperb=high_hsv) mask2=cv.inRange(hsv,lowerb=low_hsv2,upperb=high_hsv2) print(type(mask)) red_blue=cv.bitwise_or(mask,mask2) cv.imshow('red_blue',red_blue)

4,对图像进行一些形态学操作把一些白色的小点去掉,把轮廓边缘变得更加清晰

#高斯模糊 mohu=cv.GaussianBlur(red_blue,(5,5),0) #二值处理 thresh=cv.threshold(mohu,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)[1] #闭运算 ker=np.ones((5,5),np.uint8) close=cv.morphologyEx(thresh,cv.MORPH_CLOSE,ker) cv.imshow('close',close)

5,找到上面图像的所有外轮廓,可以看到上面图像上有很多的轮廓,我们需要分别获得他们的外接矩形,然后根据矩形的面积和矩形的长宽比例来选择合适的轮廓,然后在原图上把这些轮廓的外接矩形截取下来,对他们进行一些形态学操作,提取到矩形中间的数字和我们的模板进行匹配,模板文件夹我放在最后了,下面是代码

contours,hierarchy=cv.findContours(close,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE) print('总轮廓=',len(contours)) for i in contours: # print(cv.contourArea(i),cv.arcLength(i,True))#计算轮廓面积和周长 #获取轮廓外接矩形左上角坐标(x,y)和矩形的宽高 #然后提取宽高比例在0.8到1.3和面积大于200的轮廓 #x,y,w,h=cv.boundingRect(i) if 0.8 <=w/h<=1.3: if w*h<200: pass else: #裁剪矩形并保存图片 a+=1 img=src[y:y+h,x:x+w] #放大到指定尺寸 img=cv.resize(img,(500,460)) cv.rectangle(src,(x-5,y-5),(x+w+5,y+h+5),(0,255,0),2) # 对截取矩形图片处理 gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) ret, thresh = cv.threshold(gray, 70, 255, cv.THRESH_BINARY_INV) # 开闭运算 ker = np.ones((6, 6), np.uint8) close = cv.morphologyEx(thresh, cv.MORPH_CLOSE, ker) # 掩码 h, w = gray.shape[0], gray.shape[1] point1 = [0.15 * w, h / 4] point2 = [0.15 * w, 4 * h / 5] point3 = [0.83 * w, 4 * h / 5] point4 = [0.83 * w, h / 4] list1 = np.array([[point1, point2, point3, point4]], dtype=np.int32) mask = np.zeros_like(gray) mask = cv.fillConvexPoly(mask, list1, 255) mask1 = cv.bitwise_and(mask, thresh) # 开运算 ker = np.ones((6, 6), np.uint8) mask1 = cv.morphologyEx(mask1, cv.MORPH_OPEN, ker) # 闭运算 ker = np.ones((5, 5), np.uint8) mask1 = cv.morphologyEx(mask1, cv.MORPH_CLOSE, ker) # 找外轮廓, contours1, hierarchy1 = cv.findContours(mask1, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) a = len(contours1) #cv.drawContours(src, contours1, -1, (0, 255, 0), 3) if 0<a<=3: print('单个矩形内的轮廓', a) list3=[] for i,element in enumerate(contours1): x2, y2, w2, h2 = cv.boundingRect(element) # print('x2,y2,w2,h2=', x2, y2, w2, h2) # dist1[str(i)]=x2 list3.append(x2) # print('list3=',min(list3)) # print(type(element)) # 轮廓外接矩形 # boundingboxes = [cv.boundingRect(c) for c in close] # 返回外接矩形的四个值x,y,h,w list2 = []#存放轮廓列表 for lk in contours1: x1, y1, w1, h1 = cv.boundingRect(lk) roi = mask1[y1:y1 + h1, x1:x1 + w1] roi = cv.resize(roi, (60, 90)) #把roi变成三通道图像 roi=cv.cvtColor(roi,cv.COLOR_GRAY2BGR) list2.append(roi) #cv.imshow('a4',list2[0]) #遍历模板,进行模板匹配 filename = os.listdir(r'D:\图片处理\muban') scores = [] for i in range(9): src1 = cv.imread('muban/' + filename[i]) # gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY) # ret,thresh=cv.threshold(gray,70,255,cv.THRESH_BINARY) result = cv.matchTemplate(src1, roi, cv.TM_CCOEFF) (_, score, _, _) = cv.minMaxLoc(result) scores.append(score) print('得分列表:',scores) x3 = np.argmax(scores) # x是列表最大值所对应的下标 y3=scores[x3] print('最可能取值:', x3,'分数=',scores[x3]) if y3>158063248: print('x1=',x1,list3) if x1==min(list3): cv.putText(src,'limt:'+str(x3),(x,y+20),cv.FONT_HERSHEY_DUPLEX,1,(255,0,0),2) elif x1==max(list3): cv.putText(src, 'limt:'+' '+str(x3), (x,y+20), cv.FONT_HERSHEY_DUPLEX, 1, (255,0,0), 2) else: cv.putText(src, 'limt:' +' '+ str(x3), (x, y + 20), cv.FONT_HERSHEY_DUPLEX, 1, (255,0,0), 2) else:pass else:pass else:pass # cv.imshow('img',img) # cv.imshow('mask1',mask1) cv.imshow('src',src) cv.waitKey(0) cv.destroyAllWindows()

这是最终的运行结果

模板文件夹好像没法上传上来,你们可以自己做一个模板,也可以加我qq 1735375343,我发给你,或者有哪里不是太清楚也可以来问我. 模板大概就是下面图片的样子