python 仪表盘图片读数_OpenCV 表盘指针自动读数的示例代码

### 使用OpenCV实现指针式仪表盘读数识别 为了利用OpenCV进行指针式仪表盘的读数识别，整个过程可以分为几个主要阶段：图像预处理、表盘提取、刻度线检测、指针定位以及最终数值计算。 #### 1. 图像预处理 在开始任何复杂的图像分析之前，通常需要先对原始图像做一些基本的调整来改善后续步骤的效果。这可能涉及到灰度化转换、噪声去除（如高斯模糊）、边缘增强等操作[^2]。 ```python import cv2 import numpy as np def preprocess_image(image_path): img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) # Canny Edge Detection edges = cv2.Canny(blurred, threshold1=30, threshold2=150) return edges ``` #### 2. 提取表盘 接下来是从背景中分离出实际的表盘区域。可以通过霍夫变换圆检测算法找到圆形边界，并据此裁剪出感兴趣的区域[^1]。 ```python def extract_dial(edges_img): circles = cv2.HoughCircles( edges_img, method=cv2.HOUGH_GRADIENT, dp=1, minDist=80, param1=100, param2=30, minRadius=70, maxRadius=140 ) if circles is not None: circle = circles[0][0] center_x, center_y, radius = map(int, circle) mask = np.zeros_like(edges_img) cv2.circle(mask, (center_x, center_y), radius, color=(255, 255, 255), thickness=-1) dial_region = cv2.bitwise_and(edges_img, mask) return dial_region, (center_x, center_y) else: raise ValueError("Failed to detect the dial.") ``` #### 3. 刻度线轮廓拟合直线 一旦获得了清晰的表盘图像，则需进一步寻找其上的刻度标记。这些通常是沿着圆周分布的小短线或点。通过形态学运算和Hough Line Transform可以从二值化的边缘图中提取到这些特征。 ```python def find_tick_marks(dial_region): lines = cv2.HoughLinesP( dial_region, rho=1, theta=np.pi / 180, threshold=50, minLineLength=10, maxLineGap=5 ) tick_points = [] for line in lines: x1, y1, x2, y2 = line[0] angle = np.arctan2(y2-y1, x2-x1)*180/np.pi # Filter out non-tick marks based on angles and lengths. if abs(angle) >= 60 or abs(angle) <= 120: continue mid_point = ((x1+x2)/2, (y1+y2)/2) tick_points.append(mid_point) return tick_points ``` #### 4. 指针定位 对于指针本身来说，由于它往往具有较长且连续的特点，在经过适当阈值分割后的二值图里应该很容易被发现。同样采用霍夫变换中的直线检测功能可以帮助精确定位指针的位置。 ```python def locate_needle(dial_region): needle_lines = cv2.HoughLinesP( dial_region, rho=1, theta=np.pi / 180, threshold=30, minLineLength=50, maxLineGap=10 ) longest_line_length = 0 best_fit_line = None for line in needle_lines: x1, y1, x2, y2 = line[0] length = np.sqrt((x2 - x1)**2 + (y2 - y1)**2) if length > longest_line_length: longest_line_length = length best_fit_line = [(x1,y1),(x2,y2)] return best_fit_line ``` #### 5. 数值计算 最后一步就是根据已知条件——比如零刻度位置、最大量程范围以及当前指针指向的角度——来进行相应的数学运算得出具体的测量结果。 ```python from math import atan2, degrees def calculate_reading(ticks_positions, needle_endpoints, zero_degree_position, full_scale_degrees): cx, cy = ticks_positions.mean(axis=0).astype('int') start_angle = degrees(atan2(*reversed(np.subtract(zero_degree_position, (cx,cy))))) end_angle = degrees(atan2(*reversed(np.subtract(needle_endpoints[-1], (cx,cy))))) reading_percentage = (end_angle-start_angle)%full_scale_degrees/full_scale_degrees*100 return round(reading_percentage, 2) ``` 上述代码片段展示了如何一步步构建起一套完整的指针式仪表板自动读数系统。当然，具体应用时还需要针对不同类型的仪器做些微调适配工作。