C#中的深度学习（一）：使用OpenCV识别硬币

2022-04-28 00:32:26 阅读：206 来源： 互联网

标签：硬币 C# image Cv2 OpenCV CoinDetector 图像 new

https://www.cnblogs.com/hhhnicvscs/p/14167449.html

在本系列文章中，我们将使用深度神经网络(DNN)来执行硬币识别。具体来说，我们将训练一个DNN识别图像中的硬币。

在本文中，我们将描述一个OpenCV应用程序，它将检测图像中的硬币。硬币检测是硬币完整识别之前的一个常见阶段。它包括从给定图像中检测和提取硬币。

本系列附带的代码将使用Keras在C#中实现。在本系列的最后一篇文章中，我们将简要地使用ML.NET。在众多选择中，为什么要使用Keras.NET呢?Keras.NET 非常容易学习，因为它基本上是从Python编写的经典TensorFlow到C#的直接映射。对于不熟悉机器学习的读者来说，这比用其他方法创建示例要容易得多。

硬币检测过程分为三个阶段:

转换图像到灰度。颜色增加了检测任务的复杂性，而且在很多情况下，它们不能传递任何可以从图像亮度中获取的相关信息。
应用高斯模糊。因为硬币通常包含一个内圆，我们应用这个变换来模糊图像。这确保了任何内圆被下一步中的操作忽略，所以我们的算法不会意外地认为它们是一个单独的硬币。
应用霍夫变换。这是为了检测圆形。

首先，让我们在Visual Studio Community 2019中创建一个.net Framework 4.7.2控制台应用程序。我们将把我们的解决方案和项目命名为“CoinRecognitionExample”，并在其中创建一个Detection文件夹，创建一个CoinDetector类。

我们将使用OpenCVSharp，所以我们可以继续在Visual Studio中从Nuget包管理器安装依赖项。要做到这一点，请点击Tools > Nuget Package Manager.

我们可以看到需要安装OpenCVSharp的依赖项。

具体的实现发生在CoinDetector类中:

 1 public class CoinDetector
 2   {
 3       private Mat _image;
 4       private Mat _originalImage;
 5       private string _pathToFile;
 6 
 7       public CoinDetector(string pathToFile)
 8       {
 9           _pathToFile = pathToFile;
10       }
11 
12       public void ImagePreprocessing()
13       {
14           _image = new Mat(_pathToFile, ImreadModes.Color);
15           _originalImage = _image.Clone();
16           TransformGrayScale();
17           TransformGaussianBlur();
18           HoughSegmentation();
19       }
20 
21       private void TransformGrayScale()
22       {
23           _image = _originalImage.CvtColor(ColorConversionCodes.BGR2GRAY);
24           new Window("Grayed Coins", WindowMode.Normal, _image);
25           Cv2.WaitKey();
26       }
27 
28       private void TransformGaussianBlur()
29       {
30           Cv2.GaussianBlur(_image, _image, new Size(0, 0), 1);
31           new Window("Blurred Coins", WindowMode.Normal, _image);
32           //Cv2.WaitKey();
33       }
34 
35       private void HoughSegmentation()
36       {
37           Mat result = _image.Clone();
38 
39           var circleSegments = Cv2.HoughCircles(_image, HoughMethods.Gradient, 1.6, 40);
40           for (int i = 0; i < circleSegments.Length; i++)
41           {
42               Cv2.Circle(result, (Point) circleSegments[i].Center, (int)circleSegments[i].Radius, new Scalar(255, 255, 0), 2);
43           }
44 
45           using (new Window("Circles", result))
46           {
47               Cv2.WaitKey();
48           }
49       }
50   }

在类的构造函数中，我们接收到硬币图像的路径。这个方法和ImagePreprocessing方法是CoinDetector类中仅有的两个公共实体。所有其他方法都是私有的，与上面列出的三个阶段相关。在ImageProcessing 方法中，我们保存一个原始的Mat(像素矩阵)对象的图像，并生成即将发生的转换副本。Mat类和所有对Cv2类的调用都来自OpenCVSharp。在每次转换之后，我们调用new Window以可视化地显示转换。Cv2.HoughCircles的参数取决于你所面临的问题，也就是正在处理的图像。

代码中显示的参数符合我们的示例。

要完成硬币检测示例，我们可以在控制台应用程序项目的主方法中添加以下代码行并执行。

1 string filePath = @"C:/Users/arnal/Documents/coins.jpg";
2 var coinDetector = new CoinDetector(filePath);
3 coinDetector.ImagePreprocessing();

这是我们将用于测试的图像。其中包括塞尔维亚硬币:

最终的结果将是我们之前看到的图像:

正如我们所看到的，在中间使用对应霍夫变换的白色圆圈标识，并被识别出来。

本系列的第一篇文章到此结束。在下一篇文章中，我们将对输入到机器学习模型中的数据集进行预处理。

标签：硬币,C#,image,Cv2,OpenCV,CoinDetector,图像,new
来源： https://www.cnblogs.com/chinasoft/p/16201251.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

C#中的深度学习（一）：使用OpenCV识别硬币