项目流程讲解

环境搭建参考

http://www.bilibili996.com/Course?id=5987479000234

大概流程

安装好环境后，运行：

python main.py

main.py有两个demo，demo1是读取工程file文件夹里面的图片操作，demo2是读取视频的操作，最终目标将图片传给app_seg.ReadAngle(srcImage)，代码如下：

from utils.general import cv2
import app_seg
import os


# 获取指定路径下的所有图片
def file_name(file_dir):
    L = []
    for root, dirs, files in os.walk(file_dir):
        for file in files:
            if os.path.splitext(file)[1] == '.jpg' or os.path.splitext(file)[1] == '.png':
                L.append(file)
        return L


# 按一张张图片进行检测
def demo1():
    Names = file_name('file')
    for ImgName in Names:
        # 读取一张图片,imread方法无法读取带中文名的文件
        # srcImage = cv2.imdecode(np.fromfile('file/' + ImgName, dtype=np.uint8), -1)
        # srcImage = cv2.imread('file/' + ImgName)
        srcImage = cv2.imread('file/000654.jpg')
        if srcImage is None:
            continue
        app_seg.ReadAngle(srcImage)
        cv2.waitKey(0)
        break


# 读取视频进行检测
def demo2():
    cap = cv2.VideoCapture('file\\crop1.mp4')  # 读取视频
    # cap.set(1, 771)
    cap.set(1, 500)
    # cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)    # 读取摄像头
    while True:
        ret, capImage = cap.read()  # ret 返回一个布尔值 True/False
        if not ret:
            break
        FRAME_NOW = cap.get(cv2.CAP_PROP_POS_FRAMES)  # 第0帧
        print('当前帧数', FRAME_NOW)  # 当前帧数 0.0
        app_seg.ReadAngle(capImage)
        if cv2.waitKey(1) == 27:
            break


if __name__ == '__main__':
    demo2()

app_seg.py流程如下：

1、代码默认device='0'是调用GPU，如果要调用CPU，则改为device='cpu'即可。

# 外部调用入口，传入一张图片
def ReadAngle(capImage):
    # 计算耗时
    e1 = cv2.getTickCount()
    # 调用检测方法
    ret = run(capImage, "weights/best.pt", device='0')
    # 计算耗时
    e2 = cv2.getTickCount()
    t = (e2 - e1) / cv2.getTickFrequency()  # 时钟频率或者每秒钟的时钟数
    print(f'{ret} {t:.3f}s')
    return ret

2、进行目标推理，得到如下结果：app_seg.py文件大概365行位置，代码是屏蔽的，需要自行开启

# 轮廓掩膜，显示预测区域
annotator.masks(masks, colors=[colors(x, True) for x in det[:, 5]], im_gpu=im[0], alpha=0.5)
for j, (*xyxy, conf, cls) in enumerate(reversed(det[:, :6])):
    c = int(cls)
    label = f'{c} {conf:.2f}'
    print(str(c) + " 结果：" + label)
    annotator.box_label(xyxy, label, color=colors(c, True))
    
cv2.imshow("tempImg", srcImage)
cv2.waitKey(0)

3、调用zero = GetZero(srcImage, names, det, maskss)方法，计算仪表刻度与指针角度的比例关系，这样可以将角度数据转换成仪表的刻度值。

就是下面这段代码，可以将BindMasks方法针对仪表刻度的识别结果显示出来，并通过刻度的角度，来估算每个刻度值大概占用的角度。

这也是为什么这个算法没法处理刻度连起来的仪表，需要用其他办法来计算每个刻度所占用的角度。

预测结果如下，黄色线是起始刻度

然后以红色线为基准，计算每个刻度的角度。

ang输出如下，这些角度数据都是相对红色线条为基准的角度，不能直接使用。

我们将所有角度数据保存在PointList数组中，我们最终的目的是为了计算相邻两条绿色线条之间的夹角，然后找出出现最多的一个角度作为刻度之间的角度。而绿色线角度的误差控制在±1.5度。

角度计算如下：

结果如下：

其中“unit = 0.1 / 6.779626377240847”表示：每度有多少bar。

最终效果就是下面这样，将角度值转成对应的bar数值。