希望疫情笼罩的日子尽早过去
因为疫情来的猛，公司内部为了监控员工健康码状态，要求系统自动识别，并且将情况通知到对应的人员进行后续跟踪。
运行环境和使用到的技术：ubuntu20(服务器)、python3.9、opencv4.5、java8
基本思路：通过健康码图片色HSV彩分析技术得出结果
1.图片大小规整
2.拾取指定颜色值的范围截取图片
3.图片处理（灰度、二值、平滑、膨胀）
4.最大轮廓寻找
5.计算最大轮廓面积以及码形状的面积比得出结果
6.因为处理结果需要在java端执行，因此json格式化输出结果
一，Python图片处理脚本主要实现核心的图片解析以及结果返回
Part1：
#颜色范围值
_color_dic=[{'color':'red','lower_hsv': [0, 43, 46], 'upper_hsv': [10, 255, 255]},{'color':'red','lower_hsv': [156, 43, 46], 'upper_hsv': [180, 255, 255]},
{'color':'yellow','lower_hsv': [26, 43, 46], 'upper_hsv': [34, 255, 255]},{'color':'yellow','lower_hsv': [11, 43, 46], 'upper_hsv': [25, 255, 255]}]
#命中规则【整体轮廓面积>4w ,宽高差<50 ，图块白色像素>黑色像素点】
def isOkContours(range_mask):
# 只提取整体外部轮廓
contours, hierarchy = cv2.findContours(range_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if (len(contours) <= 0):
return False
for cnt in contours:
x, y, w, h = cv2.boundingRect(cnt)
crop=range_mask[y:(y + h),x:(x+ w)]
crop = cv2.dilate(crop, None, iterations=2)
blackSum=np.sum([crop==0])
whiteSum = np.sum([crop == 255])
area = cv2.contourArea(cnt)
c = abs(w - h)
if (area >= 40000 and c <= 100 and whiteSum>blackSum):
return True
return False
# get all color
def whatColor(img_hsv):
_checkFlag=False
for color in _color_dic:
lower_hsv = np.array(color['lower_hsv'])
red_upper_hsv = np.array(color['upper_hsv'])
target_red_mask = cv2.inRange(img_hsv, lowerb=lower_hsv, upperb=red_upper_hsv)
_checkFlag=isOkContours(target_red_mask)
if _checkFlag==False:
continue
_checkFlag=True
print(json.dumps({"code": 0, "color":color['color']}, sort_keys=True))
break
if _checkFlag==False:
print(json.dumps({"code": 0, "color": "other"}, sort_keys=True))
def getColorRange(img_hsv,color_lower_hsv,color_upper_hsv):
lower_hsv = np.array(color_lower_hsv)
red_upper_hsv = np.array(color_upper_hsv)
target_red_mask = cv2.inRange(img_hsv, lowerb=lower_hsv, upperb=red_upper_hsv)
return target_red_mask
# get single color
def isRedCode(img_hsv):
red_list = [item for item in _color_dic if item['color']=='red']
for color in red_list:
_range = getColorRange(img_hsv, color['lower_hsv'], color['upper_hsv'])
_checkFlag = isOkContours(_range)
if _checkFlag == True:
print(json.dumps({"code": 0, "color": color['color']}, sort_keys=True))
break
if _checkFlag ==False:
return False
# get single color
def isYellowCode(img_hsv):
yellow_list = [item for item in _color_dic if item['color'] == 'yellow']
_checkFlag = False
for color in yellow_list:
_range = getColorRange(img_hsv, color['lower_hsv'],color['upper_hsv'])
_checkFlag = isOkContours(_range)
if _checkFlag == True:
print(json.dumps({"code": 0, "color": color['color']}, sort_keys=True))
break
if _checkFlag ==False:
return False
#识别码
def regRedCode(url):
org_rbg_img = cv2.imread(url)
org_rbg_img=cv2.resize(org_rbg_img,(590,1278))
# cv2.namedWindow("org_rbg_img", cv2.WINDOW_NORMAL)
# cv2.imshow("org_rbg_img", org_rbg_img)
barcodes = pyzbar.decode(org_rbg_img)
codes=[]
for barcode in barcodes:
_rect=barcode.rect
codeImage=org_rbg_img[_rect.top:(_rect.top + _rect.height),_rect.left:(_rect.width + _rect.left)]
codes.append(codeImage)
mergeImage=org_rbg_img
if len(codes)>0:
mergeImage = np.concatenate((codes), axis=2)
img_hsv = cv2.cvtColor(mergeImage, cv2.COLOR_BGR2HSV)
whatColor(img_hsv)
# isRed=isRedCode(img_hsv)
# if isRed==True:
# print(json.dumps({"code": 0, "color": "red"}, sort_keys=True))
# return
# yellow=isYellowCode(img_hsv)
# if yellow==True:
# print(json.dumps({"code": 0, "color": "yellow"}, sort_keys=True))
# return
# print(json.dumps({"code": 0, "color": "other"}, sort_keys=True))
return
#脚本入口，接受其他平台调用传参
if __name__ == '__main__':
a = []
for i in range(1, len(sys.argv)):
a.append(sys.argv[i])
if len(a)<0:
print(json.dumps({"code": -1, "color": ""}, sort_keys=True))
regRedCode(a[0])
二，Java端主要是传递图片地址并调用脚本得到结果，通知通过钉钉指定人
Part2
//参数分别是 脚本的绝对位置，图片地址
String _regResult = CmdProcessUtils.invokePython("xxx/HeathCodeReg.py", localPath);
Part3 (calss CmdProcessUtils)
public synchronized static String invokePython(String pythonFile,String url){
if(org.apache.commons.lang3.StringUtils.isEmpty(url)){
return null;
}
try {
String pythonPath=pythonFile;
String[] args = new String[] { "python3", pythonPath, url};
Process proc = Runtime.getRuntime().exec(args);// 执行py文件
BufferedReader in = new BufferedReader(new InputStreamReader(proc.getInputStream()));
String line = null;
StringBuffer buffer=new StringBuffer();
while ((line = in.readLine()) != null) {
buffer.append(line);
}
in.close();
proc.waitFor();
return buffer.toString();
} catch (Exception e) {
e.printStackTrace();
}
return null;
}
经过生产环境测试，服务器4核8G识别速度可行！
常见疑问一：项目使用的环境是否必须为Python3.9,OpenCV4.5?
答：Python最好是3系列版本，因为2与3版本语法相差较大，OpenCV版本如果不使用4.5，那需要自行寻找相匹配的版本，识别脚本中相关的方法可能有差异需要调整。
常见疑问二：是否可以直接识别网络图片？
答：本项目中将图片下载到了本地，如果需要直接识别网络图，可以再脚本“regRedCode”方法中判断下，对于网络图片可以使用request先下载下来，然后将流转为byte给到opencv即可。
愿病毒早日消亡！！！