opencv水果计数

以下是基于Pycharm编程平台与opencv开源库实现水果种类的简单识别与计数的步骤：

1. 导入必要的库和模块

import cv2
import numpy as np

2. 读取图片并进行预处理

img = cv2.imread('fruit.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)
ret, thresh = cv2.threshold(blur, 60, 255, cv2.THRESH_BINARY)

3. 查找轮廓并绘制

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

4. 计算水果数量

fruit_count = len(contours)
print("水果数量为：", fruit_count)

5. 显示结果

cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

相关问题

pycharm水果识别opencv

基于Pycharm编程平台与opencv开源库实现水果种类的简单识别与计数，可以按照以下步骤进行：

1.导入必要的库和模块，包括cv2、numpy等。

2.读取图片，可以使用cv2.imread()函数。

3.将图片转换到HSV颜色空间，可以使用cv2.cvtColor()函数。

4.进行中值滤波去除噪声，可以使用cv2.medianBlur()函数。

5.根据颜色范围创建掩膜，可以使用cv2.inRange()函数。

6.进行开运算，可以使用cv2.morphologyEx()函数。

7.使用cv2.findContours()函数查找轮廓。

8.遍历轮廓，使用cv2.contourArea()函数计算轮廓面积。

9.根据轮廓面积判断水果种类，并进行计数。

下面是一个简单的示例代码：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('fruit.jpg')

# 转换到HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 中值滤波去噪声
hsv = cv2.medianBlur(hsv, 5)

# 创建掩膜
mask = cv2.inRange(hsv, (11, 43, 46), (25, 255, 255))

# 进行开运算
line = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15), (-1, -1))
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, line)

# 查找轮廓
contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 计数器
count = {'apple': 0, 'banana': 0, 'lemon': 0, 'kiwi': 0, 'grape': 0, 'orange': 0}

# 遍历轮廓
for c in contours:
    # 计算轮廓面积
    area = cv2.contourArea(c)
    # 根据面积判断水果种类
    if area < 100:
        continue
    elif area < 1000:
        count['lemon'] += 1
    elif area < 2000:
        count['kiwi'] += 1
    elif area < 3000:
        count['grape'] += 1
    elif area < 4000:
        count['orange'] += 1
    else:
        count['apple'] += 1

# 输出计数结果
print(count)