基于python的药丸刻印检测

我正在尝试代码中提到的一些图像处理，但无法获得pytesseract可以检测到的图像。
请帮忙，是否有任何工作做，以检测雕刻

---

请注意：这只是初学者的代码。您可以随意使用它，而且它还涉及大量的

threshold

值，您需要对这些值进行实验。当然，这不是最好的代码，但您可以将其用作起点

我将简要概述以下步骤，然后提供

python

代码以及它在每个步骤生成的

输出


加载灰度图像
使用较大的
内核大小执行自适应阈值。它是
重要的是要执行自适应阈值，而不是某些全局阈值
阈值，因为它考虑了相邻的强度
在您提供的示例图像中扮演重要角色

执行中值模糊以消除椒盐噪声
找到面积较大的连接部件，然后拆下
来自最终图像的小岛噪声
将最终轮廓绘制到输出图像中

下面提供了实现这一点的
python
代码：

导入cv2
将numpy作为np导入
image=cv2.imread（'test.png'）
输出=np.0（（image.shape[0]，image.shape[1]，3），np.uint8）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
阈值=cv2。自适应阈值（灰色，255，cv2。自适应阈值平均值，cv2。阈值二进制，11，1）
中位数=cv2.medianBlur（阈值，11）
中位数=cv2。按位_非（中位数）
im2，等高线，层次=cv2.找到的等高线（中间带，cv2.重建树，cv2.链约无）
已保存的内容=[]
thresh=100
对于等高线中的等高线：
如果cv2.轮廓面积（轮廓）>阈值：
打印（cv2.轮廓面积（轮廓））
已保存的\u cont.append（等高线）
cv2.绘制轮廓（输出，保存的控制，-1，（255255），1）
cv2.imshow（“原始”，灰色）
cv2.imshow（“阈值”，阈值）
cv2.imshow（“中位数”，中位数）
cv2.imshow（“轮廓”，输出）
cv2.imwrite（“threshold.png”，threshold）
cv2.imwrite（“median.png”，median）
cv2.imwrite（“output.png”，output）
cv2.等待键（0）
cv2.destroyAllWindows（）

原始图像：


阈值图像：


中值模糊图像：


最终输出：


您可能要尝试的其他一些形态学操作包括扩张、侵蚀、打开和关闭操作。文档可以在上面找到。
请注意：这只是初学者的代码。您可以随意使用它，而且它还涉及大量的
threshold
值，您需要对这些值进行实验。当然，这不是最好的代码，但您可以将其用作起点

我将简要概述以下步骤，然后提供
python
代码以及它在每个步骤生成的
输出


加载灰度图像
使用较大的
内核大小执行自适应阈值。它是
重要的是要执行自适应阈值，而不是某些全局阈值
阈值，因为它考虑了相邻的强度
在您提供的示例图像中扮演重要角色

执行中值模糊以消除椒盐噪声
找到面积较大的连接部件，然后拆下
来自最终图像的小岛噪声
将最终轮廓绘制到输出图像中

下面提供了实现这一点的
python
代码：

导入cv2
将numpy作为np导入
image=cv2.imread（'test.png'）
输出=np.0（（image.shape[0]，image.shape[1]，3），np.uint8）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
阈值=cv2。自适应阈值（灰色，255，cv2。自适应阈值平均值，cv2。阈值二进制，11，1）
中位数=cv2.medianBlur（阈值，11）
中位数=cv2。按位_非（中位数）
im2，等高线，层次=cv2.找到的等高线（中间带，cv2.重建树，cv2.链约无）
已保存的内容=[]
thresh=100
对于等高线中的等高线：
如果cv2.轮廓面积（轮廓）>阈值：
打印（cv2.轮廓面积（轮廓））
已保存的\u cont.append（等高线）
cv2.绘制轮廓（输出，保存的控制，-1，（255255），1）
cv2.imshow（“原始”，灰色）
cv2.imshow（“阈值”，阈值）
cv2.imshow（“中位数”，中位数）
cv2.imshow（“轮廓”，输出）
cv2.imwrite（“threshold.png”，threshold）
cv2.imwrite（“median.png”，median）
cv2.imwrite（“output.png”，output）
cv2.等待键（0）
cv2.destroyAllWindows（）

原始图像：


阈值图像：


中值模糊图像：


最终输出：


您可能要尝试的其他一些形态学操作包括扩张、侵蚀、打开和关闭操作。文档可以在上找到。
这是一个典型的工业应用

设置所需的是正确的照明：
下面是对它的解释。只要有一点创意，你就可以在家里制作一个原型，比如，用一个LED条纹

使用灰色形态学，您可以加强暗区域，以便更容易地分割雕刻的字母

如果您下载HALCON的测试版本，并在HALCON IDE HDevelop中向制药行业和OCR执行示例，那么最好的学习方法就是如何做到这一点。在这些示例中，您可以学习如何使用徽标匹配来获得药丸的方向。然后，您可以将图像转换为水平方向以进行分割和执行OCR。如果没有任何徽标，请使用压印作为基于形状匹配的模型，然后变换图像，使字母水平定向，然后分割字母并执行OCR。
没有通用配方，每种应用都是独一无二的。但是你可以从例子中学到很多东西来构建你自己的应用程序
import cv2
import pytesseract
from PIL import Image
import numpy as np
# import bm3d
img = cv2.imread('1_2_2.png')
# img = cv2.medianBlur(img, 5)
img = cv2.GaussianBlur(img,(13,13),0)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# gray = cv2.medianBlur(, 5)
# cv2.imshow("img", gray)
# gray = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | 
cv2.THRESH_OTSU) 
[1]
v = np.median(gray)
sigma = 0.33
#---- apply automatic Canny edge detection using the computed median-- 
--
lower = int(max(0, (1.0 - sigma) * v))
upper = int(min(255, (1.0 + sigma) * v))
gray = cv2.Canny(img,lower,upper)
# ret,gray = cv2.threshold(gray,110,255,cv2.THRESH_BINARY)
kernel = np.ones((4,4),np.uint8)
gray = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)
gray = cv2.dilate(gray,kernel,iterations = 1)
# gray = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)\
# gray = cv2.erode(gray,kernel,iterations = 1)
gray = cv2.bitwise_not(gray)
cv2.imshow("threshold", gray)
cv2.waitKey(0)
cv2.destroyAllWindows()
# gray = cv2.medianBlur(gray, 3)
text = pytesseract.image_to_string(gray)
print(text)