使用opencv计算特定颜色像素的图像识别

Question

我的代码得到了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。成功了。。

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所看到的，白色数字位于图片的不同角落，没问题，结果（白色像素的数量）相等，我得到了 18=18。 但是现在有新照片,.

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个的不等号。

我想要什么：

从深色背景中指出白色数字的方法，除了周围的细白圈。 （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，也许是 HSV，也许只是为了使其更亮或对比度更高。

像素计数对我有好处，它非常快速且通常准确。

我再重复一遍：现在我的代码看到两张图片有 13 个不同（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将具有 255 的值，其余的将具有 0 的值。这可以通过 OpenCV 的 Adaptive Threshold 函数来完成（您可以查看this 的答案）。

然后，您将需要一种更好的方法来确定数字。简单地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。这可能会破坏您的算法。

这里最好的解决方案是人工智能。例如，您可以查看 Python Tesseract，但有很多 Python 包和教程。只需 Google this，您就会得到有用的答案，例如 this 之一。甚至还有this 之类的教程。

如果您不想使用 AI，那么您的算法总会在某个地方出现问题。