lucapiccinelli

import cv2
import matplotlib.pyplot as plt

im = cv2.imread(r’img\barcodes.jpg’, cv2.IMREAD_GRAYSCALE)

plt.imshow(im, cmap=’Greys_r’)

lucapiccinelli

#riscalatura dell'immagine
scale = 800.0 / im.shape[1]
im = cv2.resize(im, (int(im.shape[1] * scale), int(im.shape[0] * scale)))

#blackhat
kernel = np.ones((1, 3), np.uint8)
im = cv2.morphologyEx(im, cv2.MORPH_BLACKHAT, kernel, anchor=(1, 0))

#sogliatura
thresh, im = cv2.threshold(im, 10, 255, cv2.THRESH_BINARY)

lucapiccinelli

kernel = np.ones((1, 5), np.uint8)
im = cv2.morphologyEx(im, cv2.MORPH_DILATE, kernel, anchor=(2, 0), iterations=2) #dilatazione
im = cv2.morphologyEx(im, cv2.MORPH_CLOSE, kernel, anchor=(2, 0), iterations=2)  #chiusura

lucapiccinelli

kernel = np.ones((21, 35), np.uint8)
im = cv2.morphologyEx(im, cv2.MORPH_OPEN, kernel, iterations=1)

lucapiccinelli

#rilettura dell'immagine, stavolta a colori
im_out = cv2.imread(r'img\barcodes.jpg')

#estrazione dei componenti connessi
contours, hierarchy = cv2.findContours(im, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

unscale = 1.0 / scale
if contours != None:
    for contour in contours:
        

lucapiccinelli

import cv2
import matplotlib.pyplot as plt
import numpy as np

im = cv2.imread(r'img\barcodes.jpg', cv2.IMREAD_GRAYSCALE)
im_out = cv2.imread(r'img\barcodes.jpg')

#riscalatura dell'immagine
scale = 800.0 / im.shape[1]
im = cv2.resize(im, (int(im.shape[1] * scale), int(im.shape[0] * scale)))

lucapiccinelli

import cv2
import matplotlib.pyplot as plt

im = cv2.imread(r'img\text.jpg', cv2.IMREAD_GRAYSCALE)

plt.imshow(im, cmap='Greys_r')

lucapiccinelli

import cv2
import matplotlib.pyplot as plt

#caricamento dell'immagine da disco
im = cv2.imread(r'img\text.jpg', cv2.IMREAD_GRAYSCALE)

h, w = im.shape
#ridimensionamento dell'immagine
im = cv2.resize(im, (w/3,h/3))

lucapiccinelli

def houghSpace(im):
    maxTheta = 180
    #la larghezza dello spazio corrisponde alla massima angolatura presa in considerazione
    houghMatrixCols = maxTheta
    
    #dimensioni dell'immagine originale
    h, w = im.shape    
    #non puo' esistere nell'immagine una distanza superiore alla diagonale
    rhoMax = math.sqrt(w * w + h * h) 
    #l'altezza dello spazio è il doppio della rho massima, per considerare anche 

lucapiccinelli

def houghSpace(im):
    maxTheta = 180
    #la larghezza dello spazio corrisponde alla massima angolatura presa in considerazione
    houghMatrixCols = maxTheta