Einführung

Ich habe das Gesicht hier erkannt und extrahiert, aber ich dachte, ich könnte es durch Kopieren realisieren, ohne zu viel nachzudenken. Dieses Mal wollte ich versuchen, andere Objekte als das Gesicht zu erkennen, also versuchte ich es nachzuahmen, obwohl ich nicht viel Wissen hatte.

Ich habe mit TensorFlow-④ Gesichtsextraktion einen Gesichtsklassifikator für Dir en grey erstellt

Referenz

opencv Tutorial Challenge 9 Gliederung (Bereich) in OpenCV

Umgebung

Schau dir das an.

Ich habe mit der TensorFlow-②Environment-Konstruktion einen Dir-Grey-Face-Klassifikator erstellt

Bild zu verwenden

Das ist Apo.

Ergebnis

Die folgenden drei werden erkannt.

Die folgenden drei rechteckigen Bilder werden ausgegeben.

Quellcode

`contour_detect.py`


#!/usr/local/bin/python
#! -*- coding: utf-8 -*-

import cv2
import numpy as np

#Angegebenes Bild(path)Erkennt das Objekt des umschreibenden Rechtecks und gibt es aus
def detect_contour(path):

  #Bild laden
  src = cv2.imread(path, cv2.IMREAD_COLOR)

  #In Graustufenbild konvertieren
  gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

  #Binarisierung
  retval, bw = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

  #Kontur extrahieren
  #   contours : [Region][Point No][0][x=0, y=1]
  #   cv2.CHAIN_APPROX_NONE:Halten Sie den Mittelpunkt
  #   cv2.CHAIN_APPROX_SIMPLE:Halten Sie den Mittelpunkt nicht
  contours, hierarchy = cv2.findContours(bw, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

  #Anzahl der erkannten Rechtecke (standardmäßig 0 angeben)
  detect_count = 0

  #Verarbeitung für jede Kontur
  for i in range(0, len(contours)):

    #Berechnen Sie die Konturfläche
    area = cv2.contourArea(contours[i])

    #Rauschen (zu kleine Fläche) und Gesamtkontur (zu große Fläche) ausschließen
    if area < 1e2 or 1e5 < area:
      continue

    #Externes Rechteck
    if len(contours[i]) > 0:
      rect = contours[i]
      x, y, w, h = cv2.boundingRect(rect)
      cv2.rectangle(src, (x, y), (x + w, y + h), (0, 255, 0), 2)

      #Speichern Sie das Bild für jedes extrinsische Rechteck
      cv2.imwrite('{Dateipfad}' + str(detect_count) + '.jpg', src[y:y + h, x:x + w])

      detect_count = detect_count + 1

  #Umschriebenes rechteckiges Bild anzeigen
  cv2.imshow('output', src)
  cv2.waitKey(0)

  #Verarbeitung beenden
  cv2.destroyAllWindows()

if __name__ == '__main__':
  detect_contour('{Dateipfad}/{Dateiname}.jpg')

Andere Dinge habe ich versucht und nicht funktioniert

Zusammenfassung

--Lesen Sie das Rechteck als "kukei" anstelle von "tankei".

Wenn zu viele Objekte vorhanden sind, wird die Extraktionsgrenze überschritten (?). ―― Ist es nicht möglich, die überlappenden Konturlinien beim Schneiden zu löschen?

Nächster Schritt

Untersuchen Sie, wie die Gliederung gelöscht werden kann. ――Überprüfen Sie die Formel, um die Erkennungsgenauigkeit ein wenig zu verbessern. ――Lernen wir das Objekt, indem wir TensorFlow anwenden.

Alle Seitenlinks

Ich habe versucht, Objekte mit Python und OpenCV zu erkennen
Ich habe versucht, Objekte aus dem Bild des Steak-Sets zu sortieren --Objekterkennung
[Ich habe versucht, die Objekte aus dem Bild des Steak-Sets zu sortieren.
Ich habe versucht, Objekte aus dem Bild des Steak-Sets zu sortieren --Ähnliche Bild-Heatmap-Erkennungs-Edition
Ich habe versucht, Objekte aus dem Bild des Steak-Sets Mahlzeit-meal Clustering zu sortieren
[Ich habe versucht, Objekte aus dem Bild der Steak-Set-Mahlzeit zu sortieren.

Ich habe versucht, Objekte mit Python und OpenCV zu erkennen