技术标签: python 计算机视觉 opencv实战 opencv
import numpy as np
import cv2
import argparse#命令解析模块
import myutils
#设置参数
#1、创建 ArgumentParser() 对象
ap = argparse.ArgumentParser()
# 2、调用 add_argument() 方法添加参数
ap.add_argument("-i","--image",required=True,
help="path to input image")
ap.add_argument("-t","--template",required=True,
help="path to template OCR-A image")
# 3、使用 parse_args() 解析添加的参数
args= vars(ap.parse_args())
FIRST_NUMBER={
"3":"American Express",
"4":"Visa",
"5":"MasterCard",
"6":"Discover Card"
}
def cv_show(name,imgs):
cv2.imshow(name,imgs)
cv2.waitKey(0)
cv2.destroyAllWindows()
pass
#读取一个模板图像
img=cv2.imread('images/template1.jpg')
cv_show('img',img)
# 灰度图
ref=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
cv_show('ref',ref)
# 二值图
ref=cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)
# 计算轮廓
#cv2.findContours()函数接受的参数为二值图,cv2.RETR_EXTERANL只检测外轮廓,cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
# 返回的list中每个元素都是图像中的一个轮廓
ref_,refCnts,hierarchy=cv2.findContours(ref.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,refCnts,-1,(0,0,255),3)
cv_show('img',img)
print(np.array(refCnts).shape)#展示轮廓个数
refCnts=myutils.sort_contours(refCnts,method='left-to-right')[0]#排序,从左到右,从上到下
digits={}
# 遍历每一个轮廓
for(i,c) in enumerate(refCnts):
#计算外接矩形并且resize成合适大小
(x,y,w,h)=cv2.boundingRect(c)
roi =ref[y:y+h,x:x+w]
roi=cv2.resize(roi,(57,88))#resize成合适大小,值可以自己取
#每一个数字对应一个模板
digits[i]=roi
# 初始化卷积核
rectKernel=cv2.getStructuringElement(cv2.MORPH_RECT,(17,9))
sqKernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
# 读取输入图像,预处理
image=cv2.imread(args["image"])
cv_show('image',image)
gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
cv_show('gray',gray)
# 礼帽操作,突出更明亮的区域 顶帽(Top Hat):原图与开运算(先腐蚀后膨胀)结果图之差
tophat=cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)
cv_show('tophat',tophat)
gradX=cv2.Sobel(tophat,ddepth=cv2.CV_32F,dx=1,dy=0,ksize=-1)#ksize=-1相当于3*3
gradX=np.absolute(gradX)
(minVal,maxVal)=(np.min(gradX),np.max(gradX))
gradX=(255*((gradX-minVal)/(maxVal-minVal)))#归一化
gradX=gradX.astype('uint8')#转换数组的数据类型。
cv_show('gradX',gradX)
# 通过闭操作(先膨胀,再腐蚀,)将数字连在一起
gradX=cv2.morphologyEx(gradX,cv2.MORPH_CLOSE,rectKernel)
cv_show('gradX',gradX)
# THRESH_OTSU会自动寻找合适的阈值,适合双峰,需把阈值参数设置为0
thresh=cv2.threshold(gradX,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
thresh=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,sqKernel)#再来一个闭操作
cv_show('thresh',thresh)
# 再来一个闭操作
thresh=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,sqKernel)#再来一个闭操作
thresh_,threshCnts,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts=threshCnts
cur_img=image.copy()
cv2.drawContours(cur_img,cnts,-1,(0,0,255),3)
cv_show('img',cur_img)
locs=[]
print('图片尺寸{}'.format(cur_img.shape))
#遍历轮廓
for (i,c) in enumerate(cnts):
#计算矩形
(x,y,w,h)=cv2.boundingRect(c)
ar=w/float(h)
# 选择合适的区域,根据实际任务来,这里的基本都是四个数字一组
if ar >2.5 and ar<4.0:
if(w>95 and w<105) and (h>26 and h<35):
# 符合的留下来
locs.append((x,y,w,h))
# 将符合的轮廓从左到右排序
locs = sorted(locs,key=lambda x:x[0])
print(np.array(locs))
output=[]
# 遍历每一个轮廓中的数字
for (i,(gX,gY,gW,gH)) in enumerate(locs):
# initialize the list of digits
groupOutput=[]
#根据坐标提取每一个组
group = gray [gY-5:gY+gH+5,gX-5:gX+gW+5]
cv_show('group',group)
#预处理
#自适应阈值方法cv2.THRESH_BINARY | cv2.THRESH_OTSU
group=cv2.threshold(group,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show("group",group)
# 计算每一组轮廓
group_,digitCnt,hierarchy=cv2.findContours(group.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
digitCnts = myutils.sort_contours(digitCnt,method="left-to-right")[0]
# 计算每一组中的每一个数值
for c in digitCnts:
#找到当前轮廓,resize成合适大小
(x,y,w,h)=cv2.boundingRect(c)
roi = group[y:y+h,x:x+w]
roi=cv2.resize(roi,(57,88))
cv_show('roi',roi)
# 计算匹配得分
scores=[]
#在模板中计算每一个部分
for(digit,digitROI) in digits.items():
#模板匹配
result=cv2.matchTemplate(roi,digitROI,cv2.TM_CCOEFF)
(_,score,_,_)=cv2.minMaxLoc(result)
scores.append(score)
#得到最合适的数字
groupOutput.append(str(np.argmax(scores)))
#绘图
cv2.rectangle(image,(gX-5,gY-5),
(gX+gW+5,gY+gH+5),(0,0,255),1)
cv2.putText(image,"".join(groupOutput),(gX,gY-15),
cv2.FONT_HERSHEY_SIMPLEX,0.65,(0,0,255),2)
output.extend(groupOutput)
#打印结果
print("Credit Card Type:{}".format(FIRST_NUMBER[output[0]]))
print('Credit Card #:{}'.format("".join(output)))
cv2.imshow("Image",image)
cv2.waitKey(0)
排序模块myutils.py
import cv2
def sort_contours(cnts,method='left-to-right'):
reverse=False
i=0
if method=='right-to-left'or method=='bottom-to-top':
reverse=True
pass
if method=='top-to-bottom'or method=='bottom-to-top':
i=1
pass
boundingBoxes=[cv2.boundingRect(c) for c in cnts]
#boundingbox:包装矩形,用一个最小矩形,把找到的形状包起来,获得元组包含x,y,h,w
(cnts,boundingBoxes)=zip(*sorted(zip(cnts,boundingBoxes),
key=lambda b:b[1][i],reverse=reverse))#zip(*):解压
return cnts ,boundingBoxes
def resize(image,width=None,height=None,inter=cv2.INTER_AREA):
dim=None
(h,w)=image.shape[:2]
if width is None:
r = height/float(h)
dim=(int(w*r),height)
else:
r=width/float(w)
dim=(width,int(h*r))
resized=cv2.resize(image,dim,interpolation=inter)
return resized
文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文
文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作 导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释: cwy_init/init_123..._达梦数据库导入导出
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6
文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure
文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf