梅林做网站京东关键词优化技巧
1.目标-数出有多少个贴纸
好久没更新博客了，最近家里小朋友在一张A3纸上贴了很多水晶贴纸，要让我帮他数有多少个，看上去有点多，贴的也比较随意，于是想着使用Opencv来识别一下有多少个。
原图如下： 
代码：
import cv2
import numpy as np
from matplotlib import pyplot as pltdef count_stars(image_path):# 读取图像image = cv2.imread(image_path)# # 显示原始图像# plt.figure()# plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))# plt.title('Original Image')# 转换为灰度图像gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# # 显示灰度图像# plt.figure()# plt.imshow(gray, cmap='gray')# plt.title('Gray Image')# 应用高斯模糊以减少噪声gs=85blurred = cv2.GaussianBlur(gray, (gs, gs), 0)# # 显示高斯模糊后的图像# plt.figure()# plt.imshow(blurred, cmap='gray')# plt.title('Blurred Image')# # plt.show()# 使用自适应阈值进行二值化binary = cv2.adaptiveThreshold(blurred, 255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY_INV, 125, 2)# 显示二值化后的图像plt.figure()plt.imshow(binary, cmap='gray')plt.title('Binary Image')plt.show()# 查找轮廓contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓contour_image = np.copy(image)cv2.drawContours(contour_image, contours, -1, (0, 255, 0), 3)# 计数星星（即轮廓的数量）star_count = len(contours)# 显示带有轮廓的图像plt.figure()plt.imshow(cv2.cvtColor(contour_image, cv2.COLOR_BGR2RGB))plt.title('Image with Contours'+str(star_count))plt.show()return star_count# 图像路径
image_path = '202406150928253.jpg'# 计算星星数量
num_stars = count_stars(image_path)
print(f'Number of stars: {num_stars}')
2.使用原图计算效果
有很多斑点干扰了统计结果。
3.图像优化处理
对图像进行优化处理再进行计算。使用PS工具对图像背景进行去除。
PS处理之后的图（魔术橡皮擦擦掉背景）），有些透明水晶贴纸和背景色接近被处理了一部分。
最后的结果没有进行人工确认，不过看上去基本是正确的。有兴趣的朋友可以比对一下。
仔细看左上角有点问题，多了一些，擦除后重新计算得到209个，家里小朋友数的202个。
