当前位置: 首页 > article >正文

Python电梯楼层数字识别

程序示例精选
Python电梯楼层数字识别
如需安装运行环境或远程调试,见文章底部个人QQ名片,由专业技术人员远程协助!

前言

这篇博客针对《Python电梯楼层数字识别》编写代码,代码整洁,规则,易读。 学习与应用推荐首选。


运行结果

在这里插入图片描述


文章目录

一、所需工具软件
二、使用步骤
       1. 主要代码
       2. 运行结果
三、在线协助

一、所需工具软件

       1. Python
       2. Pycharm

二、使用步骤

代码如下(示例):

import cv2
import numpy as np
import os

# 读取test中的图片
img1 = cv2.imread('test/3.jpg')
# 定义FLANN匹配器参数
indexParams = dict(algorithm=0, trees=10)
searchParams = dict(checks=50)
# 遍历文件夹中的所有图片
template_folder = 'template'
for template_name in os.listdir(template_folder):
    img2_path = os.path.join(template_folder, template_name)
    img2 = cv2.imread(img2_path)

    # 对当前template图片获取特征点和描述符
    kp2, des2 = sift.detectAndCompute(img2, None)
    matches = sorted(matches, key=lambda x: x[0].distance)

    # 调整ratio,筛选好的匹配点
    good = []
    MATCH_THRESHOLD = 10

    # 检测匹配是否成功
    if len(good) >= MATCH_THRESHOLD:
        # 获取所有好的匹配点在img1中的位置
        src_pts = np.float32([kp1[m[0].queryIdx].pt for m in good]).reshape(-1, 1, 2)
        x, y, w, h = cv2.boundingRect(src_pts)
        cx, cy = x + w / 2, y + h / 2  # 计算中心点
        scale_factor = 2.2  # 扩大比例因子
        new_w = w * scale_factor
        new_h = h * scale_factor
        new_x = int(cx - new_w / 2)
        new_y = int(cy - new_h / 2)
        new_x2 = int(cx + new_w / 2)
        new_y2 = int(cy + new_h / 2)
        cv2.rectangle(img1, (new_x, new_y), (new_x2, new_y2), (255, 255, 0), 22)

        font1 = "Current number:";
        font2 = "pcs";
        font = cv2.FONT_HERSHEY_TRIPLEX  
        template_nameT=template_name.split('.')[0]
        cv2.putText(img1, font1 + str(template_nameT), (10, 118), font, 3.8, (0, 0, 255), 8)  
        cv2.imshow("DetectedPhoto1", img1)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

    else:
        print("No photo matched to "+template_name)


运行结果

在这里插入图片描述

三、在线协助:

如需安装运行环境或远程调试,见文章底部个人 QQ 名片,由专业技术人员远程协助!

1)远程安装运行环境,代码调试
2)Visual Studio, Qt, C++, Python编程语言入门指导
3)界面美化
4)软件制作
5)云服务器申请
6)网站制作

当前文章连接:https://blog.csdn.net/alicema1111/article/details/132666851
个人博客主页:https://blog.csdn.net/alicema1111?type=blog
博主所有文章点这里:https://blog.csdn.net/alicema1111?type=blog

博主推荐:
Python人脸识别考勤打卡系统:
https://blog.csdn.net/alicema1111/article/details/133434445
Python果树水果识别:https://blog.csdn.net/alicema1111/article/details/130862842
Python+Yolov8+Deepsort入口人流量统计:https://blog.csdn.net/alicema1111/article/details/130454430
Python+Qt人脸识别门禁管理系统:https://blog.csdn.net/alicema1111/article/details/130353433
Python+Qt指纹录入识别考勤系统:https://blog.csdn.net/alicema1111/article/details/129338432
Python Yolov5火焰烟雾识别源码分享:https://blog.csdn.net/alicema1111/article/details/128420453
Python+Yolov8路面桥梁墙体裂缝识别:https://blog.csdn.net/alicema1111/article/details/133434445


http://www.kler.cn/a/272018.html

相关文章:

  • Android系统开发(十五):从 60Hz 到 120Hz,多刷新率进化简史
  • Genetic Prompt Search via Exploiting Language Model Probabilities
  • AIGC视频生成模型:ByteDance的PixelDance模型
  • 从对等通信到万维网:通信模型变迁与拥塞求解
  • C++ 二叉搜索树
  • 无人机在城市执法监管中的应用:技术革新与监管挑战
  • 力扣--二叉树的最近公共祖先
  • Linux查看硬件型号详细信息
  • 在 Rust 中使用 Serde 处理json
  • 华为三层交换机:ACL的基本实验
  • 数据库基本知识
  • Kotlin:为什么创建类不能被继承
  • 88. 合并两个有序数组 (Swift版本)
  • sxf-漏洞研究员实习
  • DFL《384底丹 430万》 wf/df-udt/448/96/96/32预训练模型
  • unet各模块内容的理解(包含注意力机制、残差、以及数据维度的变化)
  • 软件杯 深度学习 python opencv 动物识别与检测
  • 最强AI换脸工具Rope使用教程,Rope整合包下载【全网最全安装步骤】
  • 内存函数memcpy和memmove的讲解
  • 科技回顾,飞凌嵌入式受邀亮相第八届瑞芯微开发者大会「RKDC2024」
  • scrcpy远程投屏控制Android
  • 计算机等级考试:信息安全技术 知识点十二
  • vue2+vant2+Laravel7 实现多图上传到七牛云
  • 教你申请腾讯云免费服务器,准备好账号
  • SpringBoot(整合MyBatis + MyBatis-Plus + MyBatisX插件使用)
  • echo,date,bc命令详解