搜索

OpenCV C++案例，银行卡号识别及视频播放器

涛涛CV

共 20785字，需浏览 42分钟

 ·

2022-06-24 10:22

关注涛涛CV，设置星标，更新不错过



作者Zero___Chen

来源blog.csdn.net/Zero___Chen

本文将使用OpenCV C++ 进行银行卡号识别。

主要步骤可以细分为：

1、获取模板图像

2、银行卡号区域定位

3、字符切割

4、模板匹配

5、效果显示

接下来就具体看看是如何一步步实现的吧。


一、获取模板图像

如图所示，这是我们的模板图像。我们需要将上面的字符一一切割出来保存，以便进行后续的字符匹配环节。先进行图像灰度、阈值等操作进行轮廓提取，这里就不再细说。这里我想说的是，由于经过轮廓检索，提取出来的字符并不是按（0、1、2…7、8、9）顺序排列，所以，在这里我自定义了一个Card结构体，用于图像排序。具体请看源码。


1.1 功能效果

如图为顺序切割出来的模板字符。


1.2 功能源码

bool Get_Template(Mat temp, vector<Card>&Card_Temp){  //图像预处理  Mat gray;  cvtColor(temp, gray, COLOR_BGR2GRAY);
  Mat thresh;  threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
  //轮廓检测  vector <vector<Point>> contours;  findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    Rect rect = boundingRect(contours[i]);
    double ratio = double(rect.width) / double(rect.height);    //筛选出字符轮廓    if (ratio > 0.5 && ratio < 1)    {      /*rectangle(temp, rect, Scalar(0, 255, 0));*/      Mat roi = temp(rect);  //将字符扣出，放入Card_Temp容器备用      Card_Temp.push_back({ roi ,rect });    }  }
  if (Card_Temp.empty())return false;
  //进行字符排序，使其按（0、1、2...7、8、9）顺序排序  for (int i = 0; i < Card_Temp.size()-1; i++)  {    for (int j = 0; j < Card_Temp.size() - 1 - i; j++)    {      if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)      {        Card temp = Card_Temp[j];        Card_Temp[j] = Card_Temp[j + 1];        Card_Temp[j + 1] = temp;      }    }  }
  return true;}

二、银行卡号定位

如图所示，这是本案例需要识别的银行卡。从图中可以看出，我们需要将银行卡号切割出来首先得将卡号分为4个小块切割，之后再需要将每一小块上的字符切割。接下来一步步看是如何操作的。


2.1 将银行卡号切割成四块

首先第一步得先进行图像预处理，通过灰度、二值化、形态学等操作提取出卡号轮廓。这里的图像预处理需要根据图像特征自行确定，并不是所有的步骤都是必须的，我们最终的目的是为了定位银行卡号所在轮廓位置。这里我使用的是二值化、以及形态学闭操作。

      //形态学操作、以便找到银行卡号区域轮廓      Mat gray;      cvtColor(src, gray, COLOR_BGR2GRAY);
      Mat gaussian;      GaussianBlur(gray, gaussian, Size(3, 3), 0);
      Mat thresh;      threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
      Mat close;      Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));      morphologyEx(thresh, close, MORPH_CLOSE, kernel2);


经过灰度、阈值、形态学操作后的图像如下图所示。我们已经将银行卡号分为四个小矩形块，接下来只需通过轮廓查找、筛选就可以扣出这四个ROI区域了。


      vector>contours;      findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);      for (int i = 0; i < contours.size(); i++)      {            //通过面积、长宽比筛选出银行卡号区域            double area = contourArea(contours[i]);            if (area > 800 && area < 1400)            {                  Rect rect = boundingRect(contours[i]);                  float ratio = double(rect.width) / double(rect.height);                  if (ratio > 2.8 && ratio < 3.1)                  {                        Mat ROI = src(rect);                        Block_ROI.push_back({ ROI ,rect });                  }            }      }


同理，我们需要将切割下来的小块按照它原来的顺序存储。


      for (int i = 0; i < Block_ROI.size()-1; i++)      {            for (int j = 0; j < Block_ROI.size() - 1 - i; j++)            {                  if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)                  {                        Card temp = Block_ROI[j];                        Block_ROI[j] = Block_ROI[j + 1];                        Block_ROI[j + 1] = temp;                  }            }      }


2.1.1 功能效果


2.1.2 功能源码

bool Cut_Block(Mat src, vector<Card>&Block_ROI){  //形态学操作、以便找到银行卡号区域轮廓  Mat gray;  cvtColor(src, gray, COLOR_BGR2GRAY);
  Mat gaussian;  GaussianBlur(gray, gaussian, Size(3, 3), 0);
  Mat thresh;  threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
  Mat close;  Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));  morphologyEx(thresh, close, MORPH_CLOSE, kernel2);
  vector<vector<Point>>contours;  findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    //通过面积、长宽比筛选出银行卡号区域    double area = contourArea(contours[i]);
    if (area > 800 && area < 1400)    {      Rect rect = boundingRect(contours[i]);      float ratio = double(rect.width) / double(rect.height);
      if (ratio > 2.8 && ratio < 3.1)      {        //rectangle(src, rect, Scalar(0, 255, 0), 2);        Mat ROI = src(rect);        Block_ROI.push_back({ ROI ,rect });      }    }  }    if (Block_ROI.size()!=4)return false;
  for (int i = 0; i < Block_ROI.size()-1; i++)  {    for (int j = 0; j < Block_ROI.size() - 1 - i; j++)    {      if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)      {        Card temp = Block_ROI[j];        Block_ROI[j] = Block_ROI[j + 1];        Block_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Block_ROI.size(); i++)  //{  //  imshow(to_string(i), Block_ROI[i].mat);  //  waitKey(0);  //}
  return true;}


2.2 字符切割

由步骤2.1，我们已经将银行卡号定位，且顺序切割成四个小块。接下来，我们只需要将他们依次的将字符切割下来就可以了。其实切割字符跟上面的切割小方块是差不多的，这里就不再多说了。在这里我着重要说明的是，切割出来的字符相对于银行卡所在位置。


由步骤2.1，我们顺序切割出来四个小方块。以其中一个小方块为例，当时我们存储了rect变量，它表示该小方块相对于图像起点（X，Y），宽W，高H。而步骤2.2我们需要做的就是将这个小方块的字符切割出来，那么每一个字符相对于小方块所在位置为起点（x,y），宽w，高h。所以，这些字符相当于银行卡所在位置就是起点（X+x，Y+y），宽 (w），高（h）。具体请细看源码。也比较简单容易理解。


    

  //循环上面切割出来的四个小块，将上面的字符一一切割出来。      for (int i = 0; i < Block_ROI.size(); i++)      {            Mat roi_gray;            cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

            Mat roi_thresh;            threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

            vector> contours;            findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);            for (int j = 0; j < contours.size(); j++)            {                  Rect rect = boundingRect(contours[j]);                  //字符相对于银行卡所在的位置                  Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);                        Mat r_roi = Block_ROI[i].mat(rect);                  Slice_ROI.push_back({ r_roi ,roi_rect });                        }      }


同样，在这里我们也需要将切割出来的字符顺序排序。即银行卡上的号码是怎样排序的，我们就需要怎样排序保存


    

  for (int i = 0; i < Slice_ROI.size() - 1; i++)      {            for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)            {                  if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)                  {                        Card temp = Slice_ROI[j];                        Slice_ROI[j] = Slice_ROI[j + 1];                        Slice_ROI[j + 1] = temp;                  }            }      }


2.2.1 功能效果

如图为顺序切割出来的字符


2.2.2 功能源码

bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI){  //循环上面切割出来的四个小块，将上面的字符一一切割出来。  for (int i = 0; i < Block_ROI.size(); i++)  {    Mat roi_gray;    cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);
    Mat roi_thresh;    threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);
    vector <vector<Point>> contours;    findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);    for (int j = 0; j < contours.size(); j++)    {      Rect rect = boundingRect(contours[j]);      //字符相对于银行卡所在的位置      Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);        Mat r_roi = Block_ROI[i].mat(rect);      Slice_ROI.push_back({ r_roi ,roi_rect });        }  }
  if (Slice_ROI.size() != 16) return false;
  for (int i = 0; i < Slice_ROI.size() - 1; i++)  {    for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)    {      if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)      {        Card temp = Slice_ROI[j];        Slice_ROI[j] = Slice_ROI[j + 1];        Slice_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Slice_ROI.size(); i++)  //{  //  imshow(to_string(i), Slice_ROI[i].mat);  //  waitKey(0);  //}
  return true;}


三、字符识别

3.1.读取文件

如图所示，为模板图像对应的label。我们需要读取文件，进行匹配。


bool ReadData(string filename, vector&label){      fstream fin;      fin.open(filename, ios::in);      if (!fin.is_open())      {            cout << "can not open the file!" << endl;            return false;      }

      int data[10] = { 0 };      for (int i = 0; i < 10; i++)      {            fin >> data[i];      }      fin.close();

      for (int i = 0; i < 10; i++)      {            label.push_back(data[i]);      }      return true;}


3.2.字符匹配

在这里，我的思路是：使用一个for循环，将我们切割出来的字符与现有的模板一一进行匹配。使用的算法是图像模板匹配matchTemplate。具体用法请大家自行查找相关资料。具体请看源码


3.3.功能源码

bool Template_Matching(vector<Card>&Card_Temp,  vector<Card>&Block_ROI, vector<Card>&Slice_ROI,  vector<int>&result_index){  for (int i = 0; i < Slice_ROI.size(); i++)  {    //将字符resize成合适大小，利于识别    resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);
    Mat gray;    cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);
    int maxIndex = 0;    double Max = 0.0;    for (int j = 0; j < Card_Temp.size(); j++)    {          resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);
      Mat temp_gray;      cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);
      //进行模板匹配，识别数字      Mat result;      matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);      double minVal, maxVal;      Point minLoc, maxLoc;
      minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);            //得分最大的视为匹配结果      if (maxVal > Max)      {        Max = maxVal;        maxIndex = j; //匹配结果      }    }
    result_index.push_back(maxIndex);//将匹配结果进行保存  }
  if (result_index.size() != 16)return false;
  return true;}


四、效果显示

4.1 功能源码

bool Show_Result(Mat src,   vector<Card>&Block_ROI,  vector<Card>&Slice_ROI,   vector<int>&result_index){  //读取label标签  vector<int>label;  if (!ReadData("label.txt", label))return false;
  //将匹配结果进行显示  for (int i = 0; i < Block_ROI.size(); i++)  {    rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);  }  for (int i = 0; i < Slice_ROI.size(); i++)  {    cout << label[result_index[i]] << " ";    putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);  }
  imshow("Demo", src);  waitKey(0);  destroyAllWindows();
  return true;}


4.2 效果显示

如图所示，为本案例最终的效果展示。


五、源码

5.1 hpp文件

#pragma once#include<opencv2/opencv.hpp>#include<iostream>
struct Card{  cv::Mat mat;  cv::Rect rect;};
//获取模板图像bool Get_Template(cv::Mat temp, std::vector<Card>&Card_Temp);
//将银行卡卡号部分切成四块bool Cut_Block(cv::Mat src, std::vector<Card>&Block_ROI);
//将每一块数字区域切分出单独数字bool Cut_Slice(std::vector<Card>&Block_ROI, std::vector<Card>&Slice_ROI);
//将数字与模板进行模板匹配bool Template_Matching(std::vector<Card>&Card_Temp,   std::vector<Card>&Block_ROI,  std::vector<Card>&Slice_ROI,  std::vector<int>&result_index);
//显示最终结果bool Show_Result(cv::Mat src,  std::vector<Card>&Block_ROI,   std::vector<Card>&Slice_ROI,  std::vector<int>&result_index);



5.2 cpp文件

#include<iostream>#include"CardDectection.h"#include<fstream>using namespace std;using namespace cv;

bool Get_Template(Mat temp, vector<Card>&Card_Temp){  //图像预处理  Mat gray;  cvtColor(temp, gray, COLOR_BGR2GRAY);
  Mat thresh;  threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
  //轮廓检测  vector <vector<Point>> contours;  findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    Rect rect = boundingRect(contours[i]);
    double ratio = double(rect.width) / double(rect.height);    //筛选出字符轮廓    if (ratio > 0.5 && ratio < 1)    {      /*rectangle(temp, rect, Scalar(0, 255, 0));*/      Mat roi = temp(rect);  //将字符扣出，放入Card_Temp容器备用      Card_Temp.push_back({ roi ,rect });    }  }
  if (Card_Temp.empty())return false;
  //进行字符排序，使其按（0、1、2...7、8、9）顺序排序  for (int i = 0; i < Card_Temp.size()-1; i++)  {    for (int j = 0; j < Card_Temp.size() - 1 - i; j++)    {      if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)      {        Card temp = Card_Temp[j];        Card_Temp[j] = Card_Temp[j + 1];        Card_Temp[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Card_Temp.size(); i++)  //{  //  imshow(to_string(i), Card_Temp[i].mat);  //  waitKey(0);  //}
  return true;}


bool Cut_Block(Mat src, vector<Card>&Block_ROI){  //形态学操作、以便找到银行卡号区域轮廓  Mat gray;  cvtColor(src, gray, COLOR_BGR2GRAY);
  Mat gaussian;  GaussianBlur(gray, gaussian, Size(3, 3), 0);
  Mat thresh;  threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
  Mat close;  Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));  morphologyEx(thresh, close, MORPH_CLOSE, kernel2);
  vector<vector<Point>>contours;  findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    //通过面积、长宽比筛选出银行卡号区域    double area = contourArea(contours[i]);
    if (area > 800 && area < 1400)    {      Rect rect = boundingRect(contours[i]);      float ratio = double(rect.width) / double(rect.height);
      if (ratio > 2.8 && ratio < 3.1)      {        //rectangle(src, rect, Scalar(0, 255, 0), 2);        Mat ROI = src(rect);        Block_ROI.push_back({ ROI ,rect });      }    }  }    if (Block_ROI.size()!=4)return false;
  for (int i = 0; i < Block_ROI.size()-1; i++)  {    for (int j = 0; j < Block_ROI.size() - 1 - i; j++)    {      if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)      {        Card temp = Block_ROI[j];        Block_ROI[j] = Block_ROI[j + 1];        Block_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Block_ROI.size(); i++)  //{  //  imshow(to_string(i), Block_ROI[i].mat);  //  waitKey(0);  //}
  return true;}

bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI){  //循环上面切割出来的四个小块，将上面的字符一一切割出来。  for (int i = 0; i < Block_ROI.size(); i++)  {    Mat roi_gray;    cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);
    Mat roi_thresh;    threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);
    vector <vector<Point>> contours;    findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);    for (int j = 0; j < contours.size(); j++)    {      Rect rect = boundingRect(contours[j]);      //字符相对于银行卡所在的位置      Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);        Mat r_roi = Block_ROI[i].mat(rect);      Slice_ROI.push_back({ r_roi ,roi_rect });        }  }
  if (Slice_ROI.size() != 16) return false;
  for (int i = 0; i < Slice_ROI.size() - 1; i++)  {    for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)    {      if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)      {        Card temp = Slice_ROI[j];        Slice_ROI[j] = Slice_ROI[j + 1];        Slice_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Slice_ROI.size(); i++)  //{  //  imshow(to_string(i), Slice_ROI[i].mat);  //  waitKey(0);  //}
  return true;}
bool ReadData(string filename, vector<int>&label){  fstream fin;  fin.open(filename, ios::in);  if (!fin.is_open())  {    cout << "can not open the file!" << endl;    return false;  }
  int data[10] = { 0 };  for (int i = 0; i < 10; i++)  {    fin >> data[i];  }  fin.close();
  for (int i = 0; i < 10; i++)  {    label.push_back(data[i]);  }  return true;}
bool Template_Matching(vector<Card>&Card_Temp,  vector<Card>&Block_ROI, vector<Card>&Slice_ROI,  vector<int>&result_index){  for (int i = 0; i < Slice_ROI.size(); i++)  {    //将字符resize成合适大小，利于识别    resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);
    Mat gray;    cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);
    int maxIndex = 0;    double Max = 0.0;    for (int j = 0; j < Card_Temp.size(); j++)    {          resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);
      Mat temp_gray;      cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);
      //进行模板匹配，识别数字      Mat result;      matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);      double minVal, maxVal;      Point minLoc, maxLoc;
      minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);            //得分最大的视为匹配结果      if (maxVal > Max)      {        Max = maxVal;        maxIndex = j; //匹配结果      }    }
    result_index.push_back(maxIndex);//将匹配结果进行保存  }
  if (result_index.size() != 16)return false;
  return true;}
bool Show_Result(Mat src,   vector<Card>&Block_ROI,  vector<Card>&Slice_ROI,   vector<int>&result_index){  //读取label标签  vector<int>label;  if (!ReadData("label.txt", label))return false;
  //将匹配结果进行显示  for (int i = 0; i < Block_ROI.size(); i++)  {    rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);  }  for (int i = 0; i < Slice_ROI.size(); i++)  {    cout << label[result_index[i]] << " ";    putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);  }
  imshow("Demo", src);  waitKey(0);  destroyAllWindows();
  return true;}





5.3 main文件

#include<iostream>#include"CardDectection.h"using namespace std;using namespace cv;
int main(){
  Mat src = imread("card.png");   //源图像 银行卡  Mat temp = imread("number.png"); //模板图像
  if (src.empty() || temp.empty())  {    cout << "no image data !" << endl;    system("pause");    return -1;  }
  vector<Card>Card_Temp;  if (!Get_Template(temp, Card_Temp))  {    cout << "模板切割失败！" << endl;    system("pause");    return -1;  }

  vector<Card>Block_ROI;  if (Cut_Block(src, Block_ROI))  {    vector<Card>Slice_ROI;    if (Cut_Slice(Block_ROI, Slice_ROI))    {      vector<int>result_index;      if (Template_Matching(Card_Temp, Block_ROI, Slice_ROI, result_index))      {        Show_Result(src, Block_ROI, Slice_ROI, result_index);      }      else      {        cout << "识别失败！" << endl;        system("pause");        return -1;      }    }    else    {      cout << "切片失败！" << endl;      system("pause");      return -1;    }  }  else  {    cout << "切块失败！" << endl;    system("pause");    return -1;  }
  system("pause");  return 0;}


总结

本文使用OpenCV C++进行银行卡号识别，关键步骤有以下几点。

1、银行卡号定位。根据本案例中的银行卡图像特征，我们先将银行卡号所在位置定位。根据图像特征，我们可以将银行卡号分为四个小方块进行定位切割。

2、字符分割。根据前面得到的银行卡号四个小方块，我们需要将它们顺序切割出每一个字符。

3、字符识别。我们将得到的字符与我们准备好的模板一一进行匹配。这里使用的匹配算法是图像模板匹配。


需要说明的是：本案例是根据特定图像、特定需求设定的算法。并不具有鲁棒性。所以在图像预处理阶段很重要。我们需要提取出我们需要的图像特征，这样才能够进行后续的工作。所以本案例也只是使用传统的图像处理手段实现银行卡号识别功能。将大致流程作了一个说明，这里只提供一个参考作用！




本文将使用OpenCV C++ 制作简易视频播放器

用于实现视频播放基本功能。

1、通过创建滑动条来拖动视频画面。

2、通过按下空格键实现视频播放与暂停。

3、通过键盘←键实现向后快进

4、通过键盘→键实现向前快进

原理都很简单，通过OpenCV键盘响应事件waitKey实现。通过cap.get(CAP_PROP_POS_FRAMES)获取当前视频播放位置；通过cap.set(CAP_PROP_POS_FRAMES, g_pos)将视频画面切换到g_pos所在位置。直接上源码，具体请看注释。


一、源码

#include<iostream>#include<opencv2/opencv.hpp>using namespace std;using namespace cv;
//由于需要使用滑动条功能，故设置全局变量VideoCapture cap;int g_pos = 0; //当前视频帧索引
void func(int,void*){  cap.set(CAP_PROP_POS_FRAMES, g_pos);//将视频切换到当前帧}
int main(){  //读取视频文件  cap.open("test.flv");  if (!cap.isOpened())  {    cout << "can not open the video..." << endl;    system("pause");    return -1;  }
  //获取视频帧数  int frame_count = cap.get(CAP_PROP_FRAME_COUNT);
  Mat frame;  while (cap.read(frame))  {    int key = waitKeyEx(30);  //键盘响应    if (key == 27)    {      break; //按下ESC键退出循环、即视频播放结束    }    if (key == 32)    {      waitKey(0); //按下空格键暂停视频播放    }    if (key == 2424832)    {      //键盘←键向后快进      g_pos-=30;      cap.set(CAP_PROP_POS_FRAMES, g_pos);    }    if (key == 2555904)    {      //键盘→键向前快进      g_pos+=30;      cap.set(CAP_PROP_POS_FRAMES, g_pos);    }
    g_pos = cap.get(CAP_PROP_POS_FRAMES); //获取当前视频帧所在位置
    namedWindow("视频播放器", WINDOW_AUTOSIZE);    createTrackbar("frame", "视频播放器", &g_pos, frame_count, func); //通过拖动滑动条控制视频播放画面    imshow("视频播放器", frame);  }
  cap.release();  destroyAllWindows();  system("pause");  return 0;}


二、效果


总结

本文使用OpenCV C++制作简易视频播放器，关键步骤有以下几点。

1、读取视频文件

2、通过键盘响应事件实现视频播放基本功能。



总结：

10年机器视觉网站，5年人工智能网站

2019经历总结，2018视觉总结

项目感悟，赚钱思路，项目视频

课程：

《机器视觉：应用讲解》，一总体概述，二相机篇，三镜头篇，四光源篇，五光学系统选型，六视觉开发软件，七相机标定技术，八项目案例解析，九视觉公司分析，十产业发展情况

笔记：

《智能革命》《人工智能》《AI•未来》《好好赚钱》《韭菜的自我修养》读书笔记

行业： 

服务机器人公司，机器视觉公司，自动驾驶公司，ADAS公司总结， 防疫机器人发展，腾讯未来交通

SLAM：

Vslam方案+源码，语义SLAM与深度相机，SLAM和导航避障，视觉SLAM总结

秦学英《三维物体的识别与跟踪》，章国锋《视觉SLAM》，申抒含《基于图像的三维建模》，姜翰青《RGB -D SLAM》记录笔记

视觉SLAM的建图课件3，课件2，课件1

机器视觉：

毫米波雷达，雷达视觉融合，2021视觉研讨会，2020上海研讨会，双目和激光的三维重建，2021视觉市场研究，太阳能行业应用

机器视觉基本概念笔记，记录五，记录四，记录三，记录二，记录一

图像处理：

图像处理基本概念笔记，记录八，记录七，记录六 ，记录五，记录四 ，记录三，记录二 ，记录二，记录一

欢迎支持，点击在看，分享

浏览 50
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
EAST+CRNN银行卡号识别，附数据集
机器学习AI算法工程
0
视频 | OpenCV Webinar 8：OpenCV条形码识别模块开发分享
目标检测与深度学习
0
西瓜播放器HTML5 视频播放器
西瓜播放器是一个Web视频播放器类库，它本着一切都是组件化的原则设计了独立可拆卸的UI组件。更重要的是它不只是在UI层有灵活的表现，在功能上也做了大胆的尝试：摆脱视频加载、缓冲、格式支持对video的
节操视频播放器
真正实现 Android 的全屏功能，励志成为 Android 平台使用最广泛的视频播放控件
XPlayerWeb视频播放器
xPlayerv1.0特性:文件大小9.78kb;可以自定义皮肤;3.支持http和rtmp视频;4.音量调节,全屏播放,拖拽播放;作者:胡俊邮箱:whuthj@163.com;Codelicense
MplayerXP视频播放器
MplayerXP 是视频播放器 mplayer 的一个分支，是使用新的基于线程的核心开发的，具有更
JRVideoPlayer视频播放器
JRVideoPlayer,是一个基于AVFoundation框架的视频播放器，支持常见视频格式和HTTPLiveStreaming视频流。播放器是根据苹果官方文档《AVFoundationProgr
MPlayer视频播放器
这是一个开源的视频播放器，支持MPEG 1/2/4, DivX 3/4/5, Windows Med
mpv视频播放器
mpv 是基于 MPlayer/mplayer2 的视频播放器，支持各种视频文件格式，音频和视频编解
Playback视频播放器
Playback是一个基于AtomShell和Node.js开发的视频播放器。特征播放.MP4和.WebM视频流式传输到Chromecast从http链接，torrent磁力链接和IPFS链接流式传输
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报